摘 要：由于矿井空气粉尘较多且光照不均匀，导致井下视频监控系统获取的图像含有大量噪声且明暗不均，在一定程度上影响了对井下生产状况的实时有效监控。为此，提出了一种改进模糊中值滤波算法。首先设计了一种自适应改进模糊隶属度系数计算方法，该方法将图像滤波窗口内像素点的灰度最小值、最大值、均值等作为阈值来计算不同像素点灰度值的模糊隶属度系数，克服了经典模糊隶属度系数计算时需设置大量阈值的不足；然后根据模糊隶属度系数进行模糊加权中值滤波，并对滤波后图像的灰度直方图进行了均衡化处理。采用C#语言编写算法运算程序，试验数据为2幅某矿井视频监控图像，试验中引入了模糊中值滤波、加权中值滤波、开关中值滤波等算法进行对比分析，并对各算法的试验结果采用峰值信噪比(Peak signal noise to ratio,PSNR)和算法耗时2个指标进行评价，结果表明：改进模糊中值滤波算法相对于其余3类算法而言不仅去噪效果较优，而且耗时较少，对于批量处理矿井视频监控图像有一定的参考价值。
关键词：矿井视频监控系统 模糊隶属度系数 模糊中值滤波 直方图均衡化 峰值信噪比
近年来，随着矿山数字化建设进程的加快，视频监控系统在矿山得到了广泛研究与应用[1-5]。利用视频监控系统可随时获取井下工作人员位置信息、监控井下开采情况及开采设备的运行情况，对于确保井下安全生产发挥了重要作用。由于井下光照不均匀并且空气中粉尘较多，导致矿井视频监控图像中存在大量噪声且较模糊，影响了对其承载信息的准确提取。对此，王震威等[6]将二阶与四阶偏微分方程进行耦合并用于井下视频图像去噪处理，试验表明，该算法能够保持图像边缘信息的完整性；张凡等[7]针对含有噪声的矿井视频监控图像，首先采用改进Prewitt算子提取图像边缘信息，然后对非边缘信息运用改进小波去噪模型进行滤波，最后将滤波后的图像信息与边缘信息进行叠加，取得了较好的去噪效果；巩文迪等[8]根据矿井视频图像的特点，提出了一种改进型四阶偏微分方差去噪算法，该算法将图像划分成闪电区和非闪电区，分别采用对应的传导系数进行滤波，效果较好，但算法计算复杂度较高；彭静等[9]将非局部均值滤波算法、中值滤波与小波变换结合，首先对矿井视频图像进行小波分解，然后对高频、低频分解系数分别采用中值滤波和非局部均值滤波进行去噪，经小波系数重构，获得视觉较好的去噪图像。本研究在详细分析上述成果的基础上，针对模糊中值滤波算法的不足进行改进，提出了一种矿井视频监控图像改进模糊中值滤波算法。
1 算法内容
1.1 改进模糊中值滤波算法
模糊中值滤波算法的基本原理是对图像中的每一个像素点根据其与噪声点的接近程度赋予对应的模糊隶属度系数(权重)，在此基础上进行加权滤波，实现滤波效果的最优化[10-11]。该算法相对于经典中值滤波而言，充分顾及了图像中像素点的相关性，滤波性能有了较大幅度的提升。模糊隶属度系数计算是该算法的核心环节，经典的模糊隶属度系数计算方法是通过设定阈值将图像的像素点灰度值划分为若干个区间，对各区间分别设计不同的计算公式，对于疑似噪声点的像素点灰度值赋予较小的模糊隶属度系数，对于其余像素点灰度值则赋予较大的模糊隶属度系数。模糊隶属度系数的计算公式为[12]
(1)
式中，x(i,j)为图像中位于(i,j)处的像素点灰度值，t1、t2为阈值。
式(1)的不足之处为：①仅将较小灰度值对应的模糊隶属度系数设置为0，事实上，图像受到噪声干扰后，整体视觉效果变化较大，不仅部分图像像素点灰度值大幅度降低，而且部分像素点灰度值会大幅增大，因此，对于该类像素点灰度值也应赋予较小的模糊隶属度系数。②阈值仅通过大量试验来进行设置，无法根据图像的灰度值分布特征进行自适应获取。对此，本研究对式(1)进行了改进，改进后的模糊隶属度系数计算公式为
(2)
式中，
分别为图像滤波窗口内像素点灰度最小值、最大值、均值。
根据式(2)计算出的模糊隶属度系数，按下式进行加权中值滤波：
(3)
式中，x′(i,j)为图像中(i,j)处像素点灰度值滤波结果，
′为图像滤波窗口中剔除xmin、xmax后的所有像素点灰度值中值。
1.2 算法步骤
记一幅矿井视频监控图像的滤波窗口尺寸为5×5(长×宽)，该窗口中心像素点的灰度值为x(i,j)，本研究算法的步骤如下：
(1)分别统计该区域内xmin、xmax，并计算。
(2)将代入式(2)计算该图像区域中间像素点的模糊隶属度系数
。
(3)根据式(3)进行模糊加权中值滤波，得到该区域中间像素点的滤波值x′(i,j)。
(4)将该滤波窗口在图像中按照一定的方向(从左至右或从上至下)进行移动(每次移动间隔为1个像素点)，重复执行(1)～(3)，分别对整幅图像的每一个像素点进行滤波。
(5)对滤波后的矿井视频监控图像的灰度直方图进行均衡化处理[13]，提高视觉对比度。
2 试验分析
采用C#语言编写本研究算法运算程序，采用某矿井的2幅视频监控图像(记为图像1、图像2)进行试验。为详细考核本研究算法的性能，引入了中值滤波[12]、加权中值滤波[14]、开关中值滤波[15]等算法进行试验对比，对于各类算法的试验结果，采用峰值信噪比(PSNR)[16]和算法耗时进行评价。相关试验结果见图1、图2及表1。
图1 图像1试验结果
Fig.1 Experimental results of the image one
图2 图像2试验结果
Fig.2 Experimental results of the image two
表1 算法去噪效果评价
Table 1 evaluation results of the denoising effects of the algorithms
由图1、图2可知：模糊中值滤波对于2幅矿井视频监控图像(图1(a)、图2(a))的去噪效果不理想(图1(b)、图2(b))，图中“运输皮带”、“割煤机”仍无法辨认；加权中值滤波(图1(c)、图2(c))、开关中值滤波(图1(d)、图2(d))的去噪效果优于模糊中值滤波，但图像整体仍较模糊，特别是图2(c)中“矿工”无法有效辨别；本研究算法有效顾及了图像去噪和增强环节，图1(e)、图2(e)清晰度较好，图中层次对比度较高，亮度分布较均匀。由表1可知：本研究算法的PSNR值明显高于其余3类算法，且耗时低于其余算法，说明该算法能够利用较短的时间有效处理矿井视频监控图像。
3 结 语
矿井视频监控图像的高效处理，对于最大限度地发挥井下视频监控系统的功能具有重要作用。为进一步提高矿井视频图像的质量，本研究对经典模糊中值滤波算法进行了改进，提出了一种改进型模糊隶属度系数计算方法。该方法无需设置阈值参数，能够根据图像局部区域像素点灰度值的分布特征自适应计算出待滤波点的模糊隶属度系数，并根据该系数进行加权中值滤波。对滤波后的图像辅以直方图均衡化处理，进一步改善了图像视觉效果。试验结果表明，该算法不仅去噪效果优于部分同类型算法，而且运算效率较高，有一定的实用性。
