为适应煤矿智能化建设的需要，井下逐渐部署了大量数字图像采集设备，在矿山安全高效生产中发挥出重要作用。然而受井下人工光源布置不均引起的非均匀照度以及煤尘等微粒引入的噪声等因素的制约，所采集图像的质量难以保证。针对这一问题，提出了一种在HSV颜色空间中进行图像修复的方法。该方法将图像转换到HSV颜色空间并分别提取明度分量、色度分量和饱和度分量；通过改进的多尺度Retinex算法来修复与均衡明度，通过在频率域中的噪声分析并应用巴特沃斯滤波器来修复色度，通过基于相关性的自适应饱和度校正方法来修正饱和度；最后将修复后的图像从HSV空间逆变换回RGB空间，从而完成图像修复。在图像修复效果上，本文所述方法相比经典的多尺度Retinex（Multi-Scale Retinex， MSR）算法和带有颜色恢复的多尺度Retinex（Multi-Scale Retinex with Color Restore， MSRCR）算法均有明显改进，能够在修复图像观感的同时保持其色彩和边缘。实验对比了不同算法处理所得图像的标准差、平均梯度和信息熵等指标，本文所提出的图像修复算法相较MSR算法分别提升了24.24%、48.38%、1.43%，相较于MSRCR算法分别提升了8.68%、39.88%、1.35%。实验结果表明，本文所述方法可有效提升从井下观测得到的图像与视频质量，为矿山安全生产和智能化决策提供高质量图像数据支持。

1 算法框架
2 算法原理简介
2.1 HSV色彩空间下的图像表征
2.2 基于Retinex的明度修复与均衡
2.3 修复色度的频域滤波
2.4 基于相关性的自适应饱和度修复
2.5 映射到RGB空间
3 实验分析
3.1 主观验证
3.2 客观评价
3.3 消融实验
4 结论