煤矿井下安全违章智能识别技术成为安全管理与信息获取的主要手段，但由于井下空间环境受低照度、点光源、高粉尘等因素的影响，极大地降低了智能识别的准确率。基于此，提出了一种多权重融合的图像增强方法，实现了图像亮度加强和照度均衡的融合增强。利用gamma算法实现井下监控图像的亮度增强，在亮度增强的基础上，进行HSV空间变换，保持色调分量和饱和度分量不变，利用多尺度高斯函数提取光照分量，然后再利用改进的二维伽马函数对光照分量过强和过弱的区域进行调整，实现照度均衡。结合拉普拉斯对比度、亮度、饱和度三个权重并通过高斯和拉普拉斯金字塔融合亮度增强与照度均衡的图像，实现矿井智能监控图像增强。通过矿井监控中的安全帽智能识别实验，对提出的图像增强方法和多尺度视网膜算法（MSR）、具色彩保护的多尺度Retinex算法(MSRCP)、带色彩修复的多尺度Retinex算法（MSRCR）、色彩增益加权的AutoMSRCR算法(AMSRCR)在标准差、峰值信噪比、信息熵等图像评价指标进行评判，峰值信噪比相较于上述算法平均提高了32.44%，标准差相较于原图平均提高了115.38%，相较于上述算法平均提高了47.30%。安全帽识别准确率达到了86.7%，相较于上述算法平均提高了47.52%。实验验证结果表明，所构建的图像增强方法可有效提高矿井图像的亮度、清晰度、对比度，减少色彩失真、光晕等现象，并明显提高了矿井智能监控中目标识别的准确率。可为煤矿井下安全违章智能识别奠定坚实基础。

1 方法构想与实现流程
2 矿井监控图像增强方法核心模块的算法研究与应用
2.1 基于伽马校正算法的亮度增强处理
2.2矿井监控采集图像照度均衡处理
2.2.1 光照分量的提取
2.2.2基于改进二维伽马函数的光照不均匀校正
2.3基于多权重的拉普拉斯金字塔图像融合
2.3.1权重图方法
2.3.2图像多尺度融合
3 方法应用与实验验证
3.1 实验方案
3.2主观评价
3.3 目标智能识别效果
3.4 客观评价
4 结 语

孙林,陈圣,姚旭龙等.矿井智能监控目标识别的图像增强方法与应用[J/OL].煤炭学报:1-12[2023-07-26].DOI:10.13225/j.cnki.jccs.2023.0489.