煤矿视频监控系统中雾尘图像清晰化研究

摘要

煤炭是我国最重要的能源，但是煤炭的开采却存在一定的难度，且在煤矿开采过程中极易发生不安全事故，这些事故的产生原因一部分是人们自身意识的缺乏；另一部分是采煤技术和采煤机器的落后。这些原因的存在导致了安全事故的发生。而安全问题是人类社会永恒的话题，当今社会一直强调要注重人身安全，因此，开采煤炭更要注重安全问题。本文就从安全的角度出发，针对煤矿视频监控系统中雾尘图像清晰化开展研究，通过提高视频监控系统图像的质量，降低煤炭事故发生率，也可为事故发生后提供第一手的视频资料，进行事故救援或预防。
　　煤矿视频监控系统雾尘图像清晰化研究主要对图像的两个降质因素（雾尘和噪声）进行处理，复原得到清晰的图像。
　　在去噪方面，首先详细描述了两种常见的噪声：椒盐噪声和高斯噪声；其次介绍了针对两种噪声的滤噪方法：中值滤波和双边滤波及其相关的改进算法；最后阐述了两种滤波方法的优缺点。
　　在去雾除尘方面，针对何凯明博士提出的暗原色去雾方法深入阐述，结合现有的改进算法进行对比和总结，得出其优缺点。
　　对伴有噪声的煤矿井下视频监控雾尘图像进行清晰化复原处理，首先介绍了一种基于 DCPBF的煤矿雾尘图像去雾除尘和同步去噪算法，该算法原理是：基于雾天的物理模型提出了煤矿井下雾尘降质图像退化模型，根据该模型验证了暗原色先验理论知识同样适用于煤矿井下的降质图像，使用双边滤波算法优化了透射率，依据构建的雾尘降质图像退化模型，求取转换图像，用高斯双边滤波处理雾尘及含噪图像。
　　针对煤矿视频监控系统的降质图像，提出了一种自适应的复原图像算法。自适应主要体现在大气光值的估计。其原理是：首先，不同于常用的大气光值的估计方法，本文采用对输入图像的暗原色图像取其最大灰度值Amax，其次根据输入煤矿井下图像的不同的平均梯度值，利用统计法得出自适应的大气光的估计值（是Amax的不同比例），最后把估计出的大气光值值带入基于 DCPBF的煤矿雾尘图像去雾除尘和同步去噪算法中复原图像，此算法改变了原有估计算法不准确的缺点，同时提高了基于DCPBF的煤矿雾尘图像去雾除尘和同步去噪算法的鲁棒性和可靠性。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

1绪论

1.1研究背景及意义(Research Background and Significance )

1.2研究现状(Research Status)

1.3本文内容和结构安排(Content and Structure Arrangement)

2图像去噪处理算法研究

2.1噪声的类型（Types of Noise）

2.2图像去噪算法(Image Denoising)

2.3本章小节(Conclusion)

3基于暗原色先验去雾算法的研究

3.1大气散射模型(Atmospheric Scattering Model)

3.2基于暗通道先验规律的图像复原(Recovering Images Based on Dark Channel Prior)

3.3透射率细化的相关工作(Optimizing Transmissivity)

3.4本章小结(Conclusion)

4煤矿视频监控系统中雾尘图像清晰化研究

4.1煤矿井下图像特点(Characteristics of Mine Images)

4.2煤矿井下雾尘降质图像退化模型(Fog Dust Image Degradation Model of Mine)

4.3暗原色先验知识在煤矿视频图像的应用(Using the Dark Channel Prior on Images of Mine Video Surveillance)

4.4煤矿井下视频图像去雾除尘和同步去噪（Fog Dust Removal and Simultaneously Denoising on Images of Mine Video Surveillance）

4.5本章小结(Conclusion)

5一种自适应煤矿雾尘降质图像复原方法

5.1大气光值估计综述(Estimating Atmospheric Value)

5.2自适应的大气估计算法(Adaptive to Estimate Atmospheric)

5.3自适应煤矿井下视频降质图像复原算法(Adaptive to Recovery Dust Images in Mine Video Surveillance)

5.4本章小结（Conclusion）

6总结与展望

6.1总结（Conclusions）

6.2展望（Prospect）

参考文献

作者简历

学位论文数据集