矿井井下视频采集过程中由于照明系统分布不均匀、环境中存在大量粉尘和雾气，监控画面图像存在局部光线过曝、局部亮度不足、对比度低和边缘信息弱等问题。针对上述问题，提出了一种矿井井下非均匀照度图像增强算法。该算法基于Retinex-Net网络结构改进，具体包括非均匀光照抑制模块（NLSM）、光照分解模块（LDM）和图像增强模块（IEM）3个部分，其中，NLSM对图像中人工光源局部非均匀光照进行抑制；LDM将图像进行分解为光照层和反射层；IEM对图像光照层增强，经伽马校正，最终得到增强图像。在NLSM和LDM中均采用Resnet作为网络的基础架构，并顺序引入了卷积注意力机制中通道注意力模块和空间注意力模块，以增强对图像光照特征关注度和特征选择的效率。实验结果表明，① 选取MBLLEN，RUAS，zeroDCE，zeroDCE++，Retinex-Net，KinD++及非均匀照度图像增强算法对多种场景（场景1为井下运输环境、场景2为单光源巷道、场景3多光源巷道、场景4为矿石）图像进行增强处理及定性分析。分析结果表明：非均匀照度图像增强算法能够避免人工光源区域的过度增强，未在光源区域产生晕染和模糊现象，色彩不易产生色偏，对比度适中，画面视觉效果更真实。② 选取信息熵（IE）、平均梯度（AG）、标准差（SD）、自然图像质量评价指标 （NIQE）、结构相似性（SSIM）和峰值信噪比（PSNR）作为评价指标，定量比较图像增强画面质量。非均匀照度图像增强模型在多种场景下也处于相对领先地位。非均匀照度图像增强算法在画面感官、色彩还原和亮度增强上表现优异。③ 非均匀照度图像增强模型在NIQE、SSIM及PSNR这3个评价指标上，均获得了最优的结果。

0 引言
1 相关理论
1.1 Retinex理论
1.2 Retinex-Net
2 非均匀照度图像增强算法
2.1 整体网络结构
2.2 NLSM
2.3注意力机制
2.4 LDM
2.5 损失函数
3. 实验及结果分析
3.1实验条件
3.2 增强效果定性对比分析
3.3 增强效果定量对比分析
3.4 消融实验
4 结论

苗作华,赵成诚,朱良建等.矿井井下非均匀照度图像增强算法[J/OL].工矿自动化:1-8[2023-11-10].DOI:10.13272/j.issn.1671-251x.2023060032.