摘要：
现有煤矿井下图像去雾算法主要有基于图像增强的去雾算法、基于CNN的去雾算法和基于物理模型的去雾算法。前两者去雾效果差,易出现过曝光。基于物理模型的去雾算法依据大气散射模型对尘雾进行处理,但将基于暗通道的大气光值估计方法应用到煤矿井下环境中,选取的大气光值会较小,易造成图像过曝光、无法抑制点光源照射等问题。针对上述问题,将基于暗原色先验的图像去雾算法(He算法)与基于边界约束及上下文正则化的去雾算法(Meng算法)进行融合,提出了一种基于边界约束的煤矿井下尘雾图像去雾算法。首先,对输入的图像进行伽马校正,对校正后的图像进行颜色通道开运算处理,得到低分辨率的像素块,并从中选取最大亮度值作为煤矿井下的大气光值。其次,分别用He算法与Meng算法对伽马校正后的图像进行处理,对采用Meng算法得到的边界约束图进行引导滤波,得到更为清晰的边界约束图,并将Meng算法与He算法的粗透射率差值进行比较再融合。最后,对融合后的粗透射率进行上下文正则化得到细化透射率,根据得出的大气光值与细化后的透射率,通过大气散射模型得到去雾后的图像。仿真结果表明,基于边界约束的煤矿井下尘雾图像去雾算法没有出现过曝光等问题,且对浓雾图像的去雾效果更好,去雾后的图像也更明亮,颜色更加接近原图。采用峰值信噪比(PSNR)、结构相似性指标(SSIM)、特征相似性指标(FSIM)3种指标对去雾效果进行客观评价,结果表明,提出的算法在PSNR,SSIM,FSIM上相较于He算法平均提升了61.52%,36.51%,24.57%,相较于文献[9]算法平均提升了15.51%,19.27%,-0.30%,相较于Meng算法平均提升了18.93%,7.19%,1.21%,相较于文献[11]算法平均提升了18.29%,10.54%,1.19%,说明提出的算法在煤矿井下环境中去雾效果更好、图像更加明亮、细节信息保留更多。
