基于同態(tài)濾波方法的煤礦井下圖像增強(qiáng)技術(shù)研究

龔 云 ，頡昕宇

（西安科技大學(xué) 測(cè)繪科學(xué)與技術(shù)學(xué)院, 陜西 西安 710054）

0 引 言

煤炭是我國(guó)的主體能源，約占一次能源的70%，但在煤礦生產(chǎn)過(guò)程中由于操作不當(dāng)容易發(fā)生瓦斯爆炸、塌方等事故[1]。當(dāng)煤礦發(fā)生安全事故進(jìn)行搜救工作時(shí)，同步定位與地圖構(gòu)建技術(shù)(Simultaneous Localization and Mapping, SLAM)具有更好的應(yīng)用，該技術(shù)能夠在未知環(huán)境中，在沒(méi)有先驗(yàn)信息情況下，一邊構(gòu)建塌陷礦道模型，一邊確定被埋人員位置，為搜救工作爭(zhēng)取寶貴時(shí)間[2-3]。由于受到井下粉塵和光源的因素的影響，視覺(jué)SLAM 系統(tǒng)采集的圖像信息呈現(xiàn)著低照度特點(diǎn)和對(duì)比度低的特點(diǎn)，而圖像質(zhì)量的好壞對(duì)后續(xù)特征點(diǎn)匹配與建圖等任務(wù)有著直接影響[4]，因此對(duì)于煤礦井下的圖像增強(qiáng)技術(shù)的研究具有重要研究意義。

目前適用于煤礦井下的圖像增強(qiáng)技術(shù)主要分為基于空間域和基于頻率域2 大方面[5],基于空間域圖像增強(qiáng)的方法包括了直方圖均衡化方法[6]和Retinex 方法[7]等，基于頻率域的方法包括同態(tài)濾波方法[8]。其中直方圖均衡化方法只是根據(jù)圖像的灰度概率分布函數(shù)進(jìn)行簡(jiǎn)單的全局拉伸，沒(méi)有考慮像素間的灰度聯(lián)系情況，進(jìn)行直方圖均衡化后，會(huì)在一定程度上提高圖像的對(duì)比度，但是圖像的灰度級(jí)會(huì)進(jìn)行合并進(jìn)而減少，造成細(xì)節(jié)的丟失[9]。而Retinex 方法假定空間照度是緩慢變化的，在圖像明暗變化劇烈的區(qū)域，容易出現(xiàn)光暈現(xiàn)象[10]。因此在處理井下光照差異很明顯的圖片，基于頻率域的同態(tài)濾波方法有更好的效果[11]。同態(tài)濾波是一種結(jié)合了頻率過(guò)濾和灰度變換的方法，它以圖像的照度反射模型作為頻域的處理基礎(chǔ)，分別對(duì)低頻信息進(jìn)行增強(qiáng)，高頻信息進(jìn)行抑制，可以有效解決圖像上照度不均勻和動(dòng)態(tài)范圍過(guò)大對(duì)圖像產(chǎn)生影響的問(wèn)題，在不損失亮區(qū)細(xì)節(jié)信息的同時(shí)，有效增強(qiáng)暗區(qū)的細(xì)節(jié)信息[12]。國(guó)內(nèi)外很多學(xué)者對(duì)同態(tài)濾波提出了很多改進(jìn)的方法，董靜薇等[13]針對(duì)視頻中的圖像增強(qiáng)問(wèn)題，從時(shí)頻分析的角度出發(fā)，將同態(tài)濾波中的傅里葉變化用快速小波變換代替，然后用改進(jìn)的濾波器對(duì)小波系數(shù)進(jìn)行處理，簡(jiǎn)化了方法的同時(shí)也增強(qiáng)了圖像的對(duì)比度，使圖像更具有可視性。蔡秀梅等[14]基于模糊邏輯與模糊集理論將同態(tài)濾波中的傅里葉變換與反變換改進(jìn)為模糊與去模糊隸屬度函數(shù)變換，然后在圖像的HSV 空間中，僅在模糊特征平面上對(duì)亮度分量進(jìn)行改進(jìn)的同態(tài)濾波處理，在一定程度上增強(qiáng)了圖片的對(duì)比度。KANWARPREET 等[15]提出使用分?jǐn)?shù)階導(dǎo)數(shù)與離散傅里葉變換相結(jié)合來(lái)改進(jìn)同態(tài)濾波，使得新方法比原始同態(tài)濾波方法多了兩個(gè)自由度，從而提供了更多設(shè)計(jì)的靈活性。上述的學(xué)者都是把工作的重心放在了對(duì)于濾波器中的傳遞函數(shù)改進(jìn)，雖然在一定程度上能夠增強(qiáng)圖像的對(duì)比度和提高亮度，但忽視了同態(tài)濾波是一個(gè)全局增強(qiáng)方法，對(duì)于煤礦井下明暗差距很大的像片，往往在增強(qiáng)圖像某部分像素的時(shí)候，會(huì)使一部分像素過(guò)增強(qiáng)，對(duì)高光區(qū)和陰影增強(qiáng)方面效果不是很好[16]。

針對(duì)上述同態(tài)濾波方法對(duì)井下圖像增強(qiáng)存在的問(wèn)題，提出一種在HSV 空間下結(jié)合加權(quán)分布自適應(yīng)伽馬校正(AGCWD)的同態(tài)濾波方法，該方法先對(duì)V 分量的亮度像素通過(guò)其概率密度進(jìn)行自適應(yīng)的伽馬校正，非線性的映射出新的概率分布使得井下圖像的概率分布區(qū)域更加平滑，不會(huì)出現(xiàn)斷崖式的起伏，進(jìn)而加強(qiáng)同態(tài)濾波對(duì)高光區(qū)和陰影區(qū)的適用性。然后引入一種改進(jìn)傳遞函數(shù)的單參數(shù)同態(tài)濾波算法[17]對(duì)AGCWD 處理后的結(jié)果進(jìn)行同態(tài)濾波處理，由于經(jīng)典的同態(tài)濾波需要用多個(gè)參數(shù)進(jìn)行調(diào)節(jié)，也非常依賴調(diào)節(jié)的經(jīng)驗(yàn)，而單參數(shù)同態(tài)濾波可以通過(guò)一個(gè)參數(shù)就能夠獲得相似的濾波增強(qiáng)效果，以緩解多參數(shù)導(dǎo)致的參數(shù)過(guò)難選擇問(wèn)題。最后對(duì)同態(tài)濾波后結(jié)果進(jìn)行對(duì)比度受限的自適應(yīng)直方圖均衡化(CLAHE)處理[18]，以提高圖像的細(xì)節(jié)信息。

1 改進(jìn)同態(tài)濾波方法

1.1 加權(quán)分布的自適應(yīng)伽馬校正

伽馬校正(Gamma Correction)[19]，通過(guò)參數(shù) γ的大小來(lái)非線性變換調(diào)整像片的像素值，進(jìn)而改善圖像的整體亮度，可以由式(1)表示：

式中：lmax為 輸入圖像的最大灰度值；l為輸入圖像的強(qiáng)度；γ為伽馬校正的伽馬系數(shù)；T(l)為輸出圖像的強(qiáng)度。

當(dāng) γ＞1 時(shí)圖像的灰度值增大，整體亮度提高并增強(qiáng)對(duì)比度；當(dāng) γ＜1 時(shí)圖像的灰度值減小，整體亮度降低但也能在一定程度上提高圖像的對(duì)比度；而當(dāng)γ時(shí)圖像進(jìn)行線性變換，如圖1 所示。

圖1 伽馬校正Fig.1 Gamma correction

由于伽馬校正方法只是通過(guò) γ一個(gè)參數(shù)進(jìn)行調(diào)節(jié)，缺乏自適應(yīng)性，而且對(duì)于光暗分布不均勻的圖片容易造成過(guò)增強(qiáng)的現(xiàn)象。針對(duì)以上問(wèn)題HUANG等[20]提出一種結(jié)合加權(quán)分布的自適應(yīng)伽馬校正(AGCWD)，該方法是用一個(gè)補(bǔ)償?shù)睦塾?jì)分布函數(shù)(cumulative distribution function, cdf)去代替原始伽馬校正的 γ系數(shù)，可以逐步對(duì)低強(qiáng)度進(jìn)行增強(qiáng)，以增加其適應(yīng)性，自適應(yīng)伽馬校正(adaptive gamma correction, AGC)公式如下：

其中，c df(l)代 表l亮度的累積分布，通過(guò)計(jì)算概率密度函數(shù)(Probability Density Function, pdf)，由下式所示：

其中，∑ pdfw為整個(gè)圖像的概率密度之和，由式(5)得出；pdfw(l)為l通過(guò)加權(quán)分布(Weighting Distribution, WD)對(duì)直方圖進(jìn)行調(diào)整之后的概率密度函數(shù)，計(jì)算式為：

其中，pdfmax和 pdfmin分別為概率密度統(tǒng)計(jì)直方圖的最大值和最小值。

pdfw的求和公式為

由于礦井下的像片一般呈現(xiàn)整體偏暗的特點(diǎn)，在灰度值較低的區(qū)域，所對(duì)應(yīng)的伽馬系數(shù)大，進(jìn)而產(chǎn)生更顯著的效果，對(duì)灰度值高的區(qū)域也會(huì)通過(guò)像片自身特點(diǎn)降低增強(qiáng)效果。圖2 是使用一張井下軌道像片進(jìn)行AGCWD 方法處理后的結(jié)果。從直方圖中可以看出AGCWD 方法可以對(duì)灰度級(jí)進(jìn)行拉伸，減少暗像元數(shù)量，增加亮像元數(shù)量，也使得灰度級(jí)分布更加平滑，緩解了后續(xù)同態(tài)濾波因光暗分布不均而造成過(guò)增強(qiáng)的現(xiàn)象。

圖2 AGCWD 前后的圖像與灰度直方圖Fig.2 Image and gray histogram before and after AGCWD

1.2 單參數(shù)同態(tài)濾波

同態(tài)濾波是基于頻率域的一種圖像增強(qiáng)方法，它是基于圖像的照射-反射模型提出的，認(rèn)為圖像的照度分量與反射分量以乘性的方式結(jié)合[21]，如下式所示：

其中，f(x,y)為 得到的結(jié)果圖像；i(x,y)為照射分量，表示光照部分，屬于變化緩慢的低頻分量；r(x,y)代表反射部分，屬于物體的本身屬性，是變化較快的高頻部分。由于在頻率域中濾波器對(duì)乘性噪聲是不可分的，往往在傅里葉變化前要對(duì)圖像進(jìn)行對(duì)數(shù)變換：

對(duì)式(3)兩邊進(jìn)行傅里葉變換：

用傳遞函數(shù)H(u,v)對(duì)傅里葉變換后的結(jié)果進(jìn)行處理：

其中，傳遞函數(shù)H(u,v)指同態(tài)濾波中的濾波器，高斯型傳遞函數(shù)：

其中，D(u,v)為 頻率(u,v)到 中心頻率(u0,v0)的距離，由式(11)可以得出。D0為截止頻率；rH為高頻增益；rL為 低頻增益；c為銳化系數(shù)，n為 濾波器的階數(shù)。

由式(10)可知，常用同態(tài)濾波的傳遞函數(shù)有rH、rL、c、n四 個(gè)參數(shù)共同調(diào)節(jié)，在不同情況下針對(duì)rH、rL和n三個(gè)參數(shù)的選擇很依賴調(diào)節(jié)經(jīng)驗(yàn)，所以引入一種單參數(shù)同態(tài)濾波方法，該方法是王智奇等[17]根據(jù)S型函數(shù)的剖面與同態(tài)濾波的剖面有相似的結(jié)構(gòu)這一原理，構(gòu)建出新的傳遞函數(shù)為

式(12)構(gòu)建出新的傳遞函數(shù)中只存在著一個(gè)參數(shù)k，其中D(u,v)的意義以及計(jì)算方法與常用的同態(tài)濾波器相同。單參數(shù)的傳遞函數(shù)三維結(jié)構(gòu)如圖3a所示。

圖3 傳遞函數(shù)的三維圖Fig.3 Three-dimensional diagram of the transfer function

高斯型同態(tài)濾波器是基于高斯高通型濾波器，其三維結(jié)構(gòu)如圖3b 所示,對(duì)比圖3a 和圖3b 單參數(shù)的同態(tài)濾波方法對(duì)低頻分量有0.5 左右的增益，而高斯型同態(tài)濾波器在不增強(qiáng)低頻分量的前提下，低頻增量為0，因此在壓縮圖像的動(dòng)態(tài)范圍時(shí)易出現(xiàn)過(guò)壓縮現(xiàn)象。單參數(shù)同態(tài)濾波器由中心頻率到高頻的過(guò)渡相較傳統(tǒng)的同態(tài)濾波器更平緩，斜率更小，進(jìn)而濾波更加均勻。

1.3 對(duì)比度受限的自適應(yīng)直方圖均衡化

經(jīng)同態(tài)濾波后的圖像能有效改善光照不均勻所引起的光暗不一，但整體對(duì)比度還不夠，為進(jìn)一步提高對(duì)比度和增加圖像的細(xì)節(jié)信息，引入一種CLAHE的方法。經(jīng)典的直方圖均衡化是一種全局方法，不能充分考慮圖像的內(nèi)容。對(duì)于煤礦井下的圖像，可能只需對(duì)某個(gè)部分進(jìn)行均衡化，而經(jīng)典的直方圖均衡化方法就會(huì)使圖像錯(cuò)誤增強(qiáng)，因此HUANG 等[22]提出CLAHE 方法，該方法是一種局部方法，通過(guò)抑制直方圖均衡化過(guò)程中由于部分灰度級(jí)被過(guò)多合并、部分灰度級(jí)丟失所引起的噪聲過(guò)度增強(qiáng)，提高圖像對(duì)比度的同時(shí)使圖像輪廓更清晰。具體做法是將圖像分為若干個(gè)塊區(qū)域，以塊為單位計(jì)算直方圖，在計(jì)算累積分布函數(shù)前，以預(yù)先定義的閾值對(duì)每個(gè)子塊直方圖裁剪來(lái)限制放大幅度，將超出閾值的部分重新均勻分布到其他部分，如圖4所示。

圖4 CLAHE 原理示意Fig.4 Schematic of CLAHE principle

2 方法流程設(shè)計(jì)

同態(tài)濾波是一種全局型的圖像增強(qiáng)方法，對(duì)于明暗差距較大的煤礦井下像片，往往在增強(qiáng)圖像暗像素時(shí)，使得亮像素過(guò)增強(qiáng)，缺乏適應(yīng)性。針對(duì)這一問(wèn)題，首先使用AGCWD 方法對(duì)待增強(qiáng)圖像的灰度根據(jù)其概率分布進(jìn)行自適應(yīng)伽馬校正，使得圖像灰度的概率分布更加平滑，進(jìn)而可以減少同態(tài)濾波過(guò)程中對(duì)高亮區(qū)和陰影區(qū)過(guò)增加的影響。然后使用單參數(shù)同態(tài)濾波方法處理，增加圖像的亮度與對(duì)比度。最后使用CLAHE 方法，提高同態(tài)濾波后圖像的細(xì)節(jié)信息。方法流程如圖5 所示，具體流程如下：

圖5 本算法的流程Fig.5 The flow of the algorithm

1)由于圖片在RGB 空間中變換容易造成失真現(xiàn)象，而提高圖片的亮度與對(duì)比度在HSV 空間下效果會(huì)更好，所以本方法先將圖片由RGB 空間轉(zhuǎn)換到HSV 空間，提取出H、S 和V 三個(gè)分量；

2)保持色調(diào)H 和S 分量不變，利用AGCWD 方法對(duì)V 分量進(jìn)行校正。先通過(guò)V 分量的灰度級(jí)和每個(gè)灰度級(jí)的灰度分布來(lái)計(jì)算出各灰度級(jí)的概率密度函數(shù)，構(gòu)成概率密度函數(shù)直方圖，找出概率密度統(tǒng)計(jì)直方圖中的最大值和最小值，通過(guò)式(4)使用加權(quán)分布對(duì)直方圖進(jìn)行調(diào)整，然后使用式(3)計(jì)算出灰度值的累計(jì)分布，最后通過(guò)式(2)進(jìn)行伽馬校正。

3)將AGCWD 的結(jié)果進(jìn)行單參數(shù)同態(tài)濾波處理。首先對(duì)圖像取對(duì)數(shù)，使圖像的照度分量與反射分量變成相加可分關(guān)系，再進(jìn)行傅里葉變換得到圖像在空間域的分布情況；使用式(12)傳遞函數(shù)對(duì)空間域的圖像進(jìn)行濾波處理，然后進(jìn)行傅里葉逆變換和指數(shù)處理得到同態(tài)濾波后的圖像。

4)將單參數(shù)同態(tài)濾波的結(jié)果進(jìn)行CLAHE 處理；CLAHE 方法在MATLAB 中有集成好的函數(shù)，函數(shù)名為adapthisteq。把同態(tài)濾波后的結(jié)果導(dǎo)入到MATLAB中，直接調(diào)用adapthisteq 函數(shù)即可得到結(jié)果。

5)最后用原始圖像的H、S 分量和處理后的V分量波段合成后，進(jìn)行HSV 逆變換得到RGB 空間下的圖像。

3 試驗(yàn)分析

為了對(duì)研究提出的方法進(jìn)行有效性驗(yàn)證，在西安科技大學(xué)采礦實(shí)驗(yàn)室中拍攝3 張像片分別代表軌道、巷道、采礦面作為待處理圖像。試驗(yàn)硬件平臺(tái)采用Inter(R) Core(TM) i5-6300HQ CPU，主頻2.3 GHz，內(nèi)存16G；軟件平臺(tái)基于MATLAB R2014a，Windows 10 操作系統(tǒng)。分別采用經(jīng)典的同態(tài)濾波，對(duì)比度受限的自適應(yīng)直方圖均衡化，和本研究改進(jìn)的同態(tài)濾波3 種方法對(duì)3 種圖像進(jìn)行增強(qiáng)，然后從主觀上的增強(qiáng)結(jié)果圖及其灰度直方圖，和客觀上的標(biāo)準(zhǔn)差、均值、峰值信號(hào)比(PSNR)、信息熵4 個(gè)評(píng)價(jià)標(biāo)準(zhǔn)兩方面進(jìn)行分析。

3.1 軌道圖像分析

試驗(yàn)選取的軌道圖像具有對(duì)比度低的特點(diǎn)，并且在照明燈下方的軌道由于強(qiáng)光照的影響，其軌枕和道碴等細(xì)節(jié)信息不明顯。根據(jù)試驗(yàn)結(jié)果可以看出3 種方法都對(duì)圖像有著明顯的增強(qiáng)作用，可是CLAHE方法的灰度級(jí)集中在0～100(圖7b)，雖然在提高圖像對(duì)比度的同時(shí)能保留豐富的細(xì)節(jié)信息，但亮度的提升效果不如其他2 種方法。經(jīng)典的同態(tài)濾波方法對(duì)于高光照區(qū)域(圖6b)有明顯的過(guò)增強(qiáng)效果，增強(qiáng)后的結(jié)果丟失了軌枕和道碴等細(xì)節(jié)信息。而本研究改進(jìn)的同態(tài)濾波方法進(jìn)行增強(qiáng)后的圖像的灰度級(jí)在每個(gè)區(qū)間都分布均勻(圖7d)，并且對(duì)同態(tài)濾波中的過(guò)增強(qiáng)方面有一定的改善，還保留了原圖像的細(xì)節(jié)信息。

圖6 軌道圖像的試驗(yàn)結(jié)果Fig.6 Experimental results of orbital images

圖7 軌道圖像的試驗(yàn)結(jié)果的灰度直方圖Fig.7 Gray histogram of the experimental results of the track image

使用常用的均值、標(biāo)準(zhǔn)差、PSNR 以及信息熵4個(gè)評(píng)價(jià)指標(biāo)對(duì)3 種方法進(jìn)行客觀評(píng)價(jià)，結(jié)果見(jiàn)表1。其中標(biāo)準(zhǔn)差是用來(lái)評(píng)價(jià)圖像的對(duì)比度，如果標(biāo)準(zhǔn)差越大，代表圖像的對(duì)比度越大；圖像的均值代表明亮程度，數(shù)值越大圖像亮度越高；峰值信噪是一種用來(lái)評(píng)價(jià)圖像保真性的客觀標(biāo)準(zhǔn)，一幅圖像信噪比越大代表圖像失真越?。恍畔㈧厥且环N反映圖像上所具有信息量的評(píng)價(jià)指標(biāo)，若信息熵越大則表示圖像所具有的信息越豐富[23]。由表1 可以得出，本研究改進(jìn)的同態(tài)濾波方法相比于其他2 種方法的標(biāo)準(zhǔn)差、均值、PSNR 和信息熵4 個(gè)評(píng)價(jià)標(biāo)準(zhǔn)均有所提高，其中相比于經(jīng)典的同態(tài)濾波方法在軌道像片中均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了13.04%、18.67%、25.97%、2.31%；相比于CLAHE 方法均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了32.70%、9.23%、16.23%、0.98%。

表1 軌道圖像性能指標(biāo)Table 1 Track image performance index

3.2 巷道圖像分析

試驗(yàn)選取巷道圖像的灰度均值是3 張圖片中最低的，能充分說(shuō)明3 種增強(qiáng)方法對(duì)亮度的提高效果（圖8）。由圖9d 可知，圖像經(jīng)過(guò)本研究改進(jìn)方法處理后的灰度主要分布在50～200，使得圖像亮度增加顯示更加清楚，并且每個(gè)灰度級(jí)分布更加均勻，提高了圖像的對(duì)比度，對(duì)于圖8c 中同態(tài)濾波處理后的結(jié)果所造成的過(guò)增強(qiáng)區(qū)域有所改善。

圖8 巷道圖像的試驗(yàn)結(jié)果Fig.8 Experimental results of roadway images

圖9 巷道圖像結(jié)果的灰度直方圖Fig.9 Gray histogram of experimental results of roadway image

由表2 可知對(duì)于巷道圖像，本研究改進(jìn)的同態(tài)濾波方法相比于經(jīng)典的同態(tài)濾波方法在均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了52.07%、40.73%、36.23%、8.96%。相比于CLAHE 方法均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了65.29%、21.58%、17.03%、5.18%。

表2 巷道圖像性能指標(biāo)Table 2 Roadway image performance index

3.3 采礦面圖像分析

煤礦的反射率較低[24]，在井下圖像中由于光照分布不均往往呈現(xiàn)出黑色區(qū)域，如圖10a 所示。因?yàn)镃LAHE 方法根本原理是對(duì)灰度級(jí)的拉伸，同態(tài)濾波只是單純?cè)鰪?qiáng)暗區(qū)和保留亮區(qū)信息，所以這2 種方法在處理大片黑色區(qū)域時(shí)效果不是很明顯。而本研究方法首先利用每個(gè)灰度級(jí)的概率密度，對(duì)每個(gè)灰度級(jí)進(jìn)行伽馬校正，增強(qiáng)每個(gè)灰度級(jí)的同時(shí)也使灰度相差很小的灰度級(jí)分離更加明顯，再進(jìn)行同態(tài)濾波增強(qiáng)圖像暗區(qū)，結(jié)果如圖10d 所示，對(duì)整個(gè)采礦面增強(qiáng)比其他2 種方法明顯。

圖10 采礦工作面圖像的試驗(yàn)結(jié)果Fig.10 Experimental results of mining face image

由表3 和圖11 可知對(duì)于巷道圖像，本研究改進(jìn)的同態(tài)濾波方法相比于經(jīng)典的同態(tài)濾波方法在均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了18.75%、17.66%、11.20%、2.90%。相比于CLAHE 方法均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了36.35%、2.60%、6.88%、2.89%。

圖11 采礦工作面圖像結(jié)果的灰度直方圖Fig.11 Gray histogram of experimental results of mining face image

表3 采礦工作面圖像性能指標(biāo)Table 3 Mining face image performance index

4 結(jié) 論

1）同態(tài)濾波方法是一種全局增強(qiáng)方法，對(duì)于煤礦井下明暗差距很大的影像，往往在增強(qiáng)圖像某部分像素的時(shí)候，會(huì)使一部分像素過(guò)增強(qiáng)，所以使用AGCWD 方法將井下影像的像素通過(guò)其概率密度非線性的映射出新的概率分布使得灰度級(jí)分布更加平滑，不會(huì)出現(xiàn)斷崖式的起伏，進(jìn)而加強(qiáng)同態(tài)濾波方法對(duì)高光區(qū)和陰影區(qū)的適用性。根據(jù)S 型函數(shù)的剖面與同態(tài)濾波的剖面有相似的結(jié)構(gòu)這一原理，構(gòu)建出新的傳遞函數(shù)將同態(tài)濾波中的4 個(gè)調(diào)節(jié)參數(shù)轉(zhuǎn)化為一個(gè)調(diào)節(jié)參數(shù)，減少了方法參數(shù)選擇困難的同時(shí)對(duì)低頻分量有一定的增益，能夠改善經(jīng)典的同態(tài)濾波器在壓縮圖像的動(dòng)態(tài)范圍時(shí)出現(xiàn)的過(guò)壓縮現(xiàn)象。

2）通過(guò)文中影像增強(qiáng)方法和經(jīng)典的影像增強(qiáng)方法建立對(duì)照試驗(yàn)，結(jié)果表明，改進(jìn)的同態(tài)濾波方法相較于CLAHE 方法，均值、標(biāo)準(zhǔn)差、峰值信噪比(PSNR)和信息熵分別提高了65.29%、21.58%、17.03%、5.18%，相較于經(jīng)典同態(tài)濾波方法分別提高了52.07%、40.73%、36.23%、8.96%。試驗(yàn)數(shù)據(jù)表明改進(jìn)的同態(tài)濾波方法能夠在增強(qiáng)圖像的亮度和對(duì)比度，保留了圖像的細(xì)節(jié)信息的同時(shí)還在一定程度下抑制了經(jīng)典同態(tài)濾波對(duì)明暗差距大的像片的過(guò)增強(qiáng)現(xiàn)象。

3）該研究只是對(duì)井下影像數(shù)據(jù)進(jìn)行增強(qiáng)，后續(xù)任務(wù)可以對(duì)井下監(jiān)控視頻進(jìn)行增強(qiáng)，但井下視頻由于其幀數(shù)和時(shí)長(zhǎng)，可能會(huì)導(dǎo)致該方法在時(shí)間效率上有一定的缺陷，即如何滿足增強(qiáng)效果的同時(shí)提高時(shí)間效率將是今后研究的關(guān)鍵性問(wèn)題。