基于BEMD的矿井图像增强算法

"该文提出了一种基于二维经验模态分解（BEMD）和高频滤波的矿下图像增强算法，旨在解决矿井环境下的图像处理难题，如图像细节模糊、对比度低和噪声敏感。算法流程包括高通滤波、BEMD分解、高低频信息融合以及直方图均衡化四个步骤。实验证明，该方法在保持图像质量的同时，提高了图像清晰度，增强了边缘和纹理细节，降低了噪声影响，有助于后续的图像分析。" 在矿井作业中，由于环境恶劣，采集到的图像往往存在诸多问题，如局部细节模糊、对比度不高以及噪声干扰。针对这些问题，研究人员提出了一种结合二维经验模态分解（BEMD）和高频滤波技术的图像增强算法。首先，对原始图像进行高通滤波操作，目的是去除图像中的低频成分，保留高频细节，这有助于突出图像的边缘和纹理信息。然而，高通滤波可能会导致图像细节的丢失，因此接下来使用BEMD方法对图像进行分解，以恢复那些在高通滤波过程中被去除的高频信息。 二维经验模态分解是一种自适应的数据分析方法，它可以将图像分解为多个本征模态函数（IMF），其中高频IMF对应于图像的细节部分。通过选取合适的高频部分，可以补充高通滤波后缺失的细节。然后，通过设定高低频比例因子c，按照3:2的比例将高频细节与低频背景进行融合，这一过程既保留了图像的全局结构，又恢复了细节，同时有效地抑制了由粉尘散射和过曝光造成的噪声。 最后，为了进一步提升图像质量和对比度，应用直方图均衡化技术。直方图均衡化通过重新分布图像的灰度值，使得图像的灰度层次更加丰富，从而增强图像的局部对比度和整体亮度。实验结果表明，与传统高频强调滤波相比，该算法在保持图像质量的同时，Brenner清晰度指标提高了10%，均方误差减小，特别是在增强边缘纹理和暗部细节方面表现出色，提高了图像的对比度、亮度和信息熵，为后续的图像处理和分析提供了有力支持。 关键词：图像增强，矿井图像，高通滤波，二维经验模态分解。该研究对于矿井安全监控、自动化设备的视觉识别以及地质探测等领域具有实际应用价值。