一种改进同态滤波的井下图像增强算法

作者：龚云; 颉昕宇

来源：煤炭科学技术, 2022, 1-8.

DOI：10.13199/j.cnki.cst.2021-0774

• 图像增强
• AGCWD算法
• 单参数同态滤波算法
• CLAHE算法
• 煤矿安全

视觉SLAM技术在井下搜救工作中运用广泛，而机器人采集图像质量的好坏直接决定构图的质量，目前受煤矿井下粉尘和光源的条件影响，收到的图像信息存在的灰度偏暗和对比度低的问题，所以井下图像的增强效果有待提高。针对这一问题，提出一种在HSV空间下结合加权分布自适应伽马校正（Adaptive Gamma Correction with Weighting Distribution， AGCWD）的同态滤波方法。首先对经典同态滤波算法中存在高亮区和阴影区的过增强问题，用AGCWD算法对HSV空间下V分量的像素概率密度进行自适应的伽马校正，非线性地映射出新的概率分布，提高同态滤波对高光区和阴影区的适用性；再使用单参数同态滤波进行处理，以缓解多参数导致的参数过难选择问题；为了保留图像的细节，对单参数同态滤波后的结果进行对比度受限的自适应直方图均衡化（Contrast Limited Histogram Equalization， CLAHE）处理；最后进行HSV逆变换得到RGB空间下的图像，完成图像的增强。结果表明，本文改进的同态滤波算法相较于CLAHE算法，均值、标准差、峰值信噪比（PSNR）和信息熵分别提高了65.29%、21.58%、17.03%、5.18%，相较于经典同态滤波算法分别提高了52.07%、40.73%、36.23%、8.96%。实验数据表明改进的同态滤波算法能够在增强图像的亮度和对比度，保留了图像的细节信息的同时还在一定程度下抑制了经典同态滤波对明暗差距大的像片的过增强现象。

• 单位
  西安科技大学