一种矿用低照度高粉尘环境下的影像取景方法技术

本发明专利技术涉及摄像取景技术领域，公开了一种矿用低照度高粉尘环境下的影像取景方法，包括以下步骤：S1、目标提取：把原始图像分割成背景区域、前景区域以及边界区域；S2、计算边界区域的透明度初始值；S3、计算边界区域中点的前景、背景像素值；S4、图标图像提取；S5、图像处理：通过Context Switching Block模块生成图像模型；S6、模型训练：对图像模型进行训练，生成对应的效果图。本发明专利技术依次通过目标提取、计算边界区域的透明度初始值、计算边界区域中点的前景和背景像素值、图标图像提取、图像处理和模型训练，将目标图形从原始图像中分离出来，得到高清度的前景图像，从而可以在低照度搞粉尘的环境下，实现影像取景。实现影像取景。

【技术实现步骤摘要】
一种矿用低照度高粉尘环境下的影像取景方法


[0001]本专利技术涉及摄像取景
，具体是一种矿用低照度高粉尘环境下的影像取景方法。

技术介绍

[0002]采矿行业是一个高危险的行业，特别是针对地下采矿，通常都安装有监控摄像机，对矿下的作业环境、人员设备安全等信息进行采集，然后，矿下往往环境较黑暗，且伴随着粉尘、噪声等，在这种恶劣环境采集图像时,图像往往会由于相机感光度的限制而受到严重的噪声污染以及导致亮度不均匀等问题，图像视频质量往往不容乐观，容易出现阴影、模糊现象，且亮度低会给后续的图像处理带来不必要的麻烦。
[0003]中国专利公开了低照度环境下的煤岩地质影像高精度采集方法（公告号CN113607137A），该专利技术具有采集到高精度的煤岩地质影像的有益效果，保证了矿产工作的安全进行,但是其处理视频图像的对比度不高，边缘细节轮廓不够清晰，导致视频图像的后期处理困难。

技术实现思路

[0004]本专利技术的目的在于提供一种矿用低照度高粉尘环境下的影像取景方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种矿用低照度高粉尘环境下的影像取景方法，包括以下步骤：S1、目标提取：拍摄连续帧的图像，输入并读取原始图像，提取原始图像中前景区域的内边界和外边界的顶点，依次连接每个顶点，形成多边形，把图像分割成背景区域、前景区域以及边界区域；S2、计算边界区域的透明度初始值：根据内边界对应的多边形和外边界对应的多边形的相对位置，利用计算几何中的判断点在多边形内外的算法，计算出边界区域的透明度初始值，其中，背景区域的透明度值为0，前景区域的透明度值为1，边界区域的透明度初始值为未知数；S3、计算边界区域中点的前景、背景像素值：以边界区域中的待求点为中心依次向外扩大正方形，使得该正方形与前景区域或背景区域的交集不为空，比较每个满足关系的像素点距离中心点的距离，选择距离小的为近似前景、背景像素值，求出边界区域中点的前景值和背景像素值；S4、图标图像提取：通过求解Poisson方程，得到透明度值，从而提取出目标图形；S5、图像处理：通过Deep Lab V3+分割算法将目标图形换算成掩码图像，再提取该原始图像的前后各20帧，将这些帧转化成灰度图后，合成一个batch图像；再通过Context Switching Block模块整合掩码图像和batch图像，生成图像模型；S6、模型训练：使用基于pix2pix hd中的多尺度判别器对真实场景中的无标签数
据进行半监督方式的对抗训练，以提升模型的适应能力，再根据模型的输出生成对应的效果图。
[0006]作为本专利技术再进一步的方案：所述S4步骤中Poisson方程的计算公式如下：（1）其中，为散度算子；为二维梯度算子；为透明度值，即该像素为前景的概率，的范围在[0,1]之间，若=1则该像素为前景，若=0则该像素为背景；表示输入图像的原始像素值；表示图像的前景像素值，表示图像的背景像素值。
[0007]作为本专利技术再进一步的方案：所述输入图像的原始像素值与前景像素值和背景像素值的计算公式如下：（2）将公式（2）两端同时求导得到如下公式：（3）对于边界区域中的每一个前景、背景像素值，可以通过对应的前景、背景区域中的最近的像素值近似得到。
[0008]作为本专利技术再进一步的方案：所述S5步骤中Context Switching Block模块由Encoder模块、Selector模块和Combinator模块组成。
[0009]作为本专利技术再进一步的方案：所述S5步骤中图像模型生成的方法包括以下步骤：S51、通过Encoder模块将原始图像、背景图像、掩码图像和batch图像共四个输入图像，依次编码成img_feat、back_feat、seg_feat和multi_feat；S52、通过Selector模块再依次把img_feat、back_feat、seg_feat和multi_feat拼接成一个Feature Map，再经过三个结构相同的Selector模块得到三组和输入图像合并之后的Feature Map，依次为comb_back、Comb_seg和comb_multi；S53、通过Combinator模块将comb_back、Comb_seg和comb_multi以及输入图像的编码结果img_feat拼接成一个Feature Map即可。
[0010]作为本专利技术再进一步的方案：所述S1步骤中拍摄的连续帧图像在输入前，需进行滤波、去雾、去噪、增强处理。
[0011]与现有技术相比，本专利技术的有益效果：本专利技术依次通过目标提取、计算边界区域的透明度初始值、计算边界区域中点的前景和背景像素值、图标图像提取、图像处理和模型训练，将原始图像分割成背景区域、前景区域以及边界区域，并将目标图形从原始图像中分离出来，得到高清度的前景图像，且图像对比度高，亮度高，边缘细节清晰，方便图像的后期处理，从而可以在低照度搞粉尘的环境下，实现影像取景。
具体实施方式
[0012]本专利技术实施例中，一种矿用低照度高粉尘环境下的影像取景方法，包括以下步骤：S1、目标提取：拍摄连续帧的图像，输入并读取原始图像，提取原始图像中前景区域的内边界和外边界的顶点，依次连接每个顶点，形成多边形，把图像分割成背景区域、前景区域以及边界区域；
S2、计算边界区域的透明度初始值：根据内边界对应的多边形和外边界对应的多边形的相对位置，利用计算几何中的判断点在多边形内外的算法，计算出边界区域的透明度初始值，其中，背景区域的透明度值为0，前景区域的透明度值为1，边界区域的透明度初始值为未知数；S3、计算边界区域中点的前景、背景像素值：以边界区域中的待求点为中心依次向外扩大正方形，使得该正方形与前景区域或背景区域的交集不为空，比较每个满足关系的像素点距离中心点的距离，选择距离小的为近似前景、背景像素值，求出边界区域中点的前景值和背景像素值；S4、图标图像提取：通过求解Poisson方程，得到透明度值，从而提取出目标图形，将目标图形从原始图像中分离出来，从而可以在低照度搞粉尘的环境下，得到清晰的目标图像；S5、图像处理：通过Deep Lab V3+分割算法将目标图形换算成掩码图像，再提取该原始图像的前后各20帧，将这些帧转化成灰度图后，合成一个batch图像；再通过Context Switching Block模块整合掩码图像和batch图像，生成图像模型；S6、模型训练：使用基于pix2pix hd中的多尺度判别器对真实场景中的无标签数据进行半监督方式的对抗训练，以提升模型的适应能力，再根据模型的输出生成对应的效果图，效果图具有对比度高，亮度高，边缘细节轮廓清晰，阴影少，方便图像的后期处理。
[0013]优选的，S4步骤中Poisson方程的计算公式如下：（1）其中，为散度算子；为二维梯度算子；为透明度值，即该像素为前景的概率，的范围在[0,1]之间，若=1则该像素为前景，若=0则该像素为背景；表示输入图像的原始像素值；表示图像的前景像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿用低照度高粉尘环境下的影像取景方法，其特征在于，包括以下步骤：S1、目标提取：拍摄连续帧的图像，输入并读取原始图像，提取原始图像中前景区域的内边界和外边界的顶点，依次连接每个顶点，形成多边形，把图像分割成背景区域、前景区域以及边界区域；S2、计算边界区域的透明度初始值：根据内边界对应的多边形和外边界对应的多边形的相对位置，利用计算几何中的判断点在多边形内外的算法，计算出边界区域的透明度初始值，其中，背景区域的透明度值为0，前景区域的透明度值为1，边界区域的透明度初始值为未知数；S3、计算边界区域中点的前景、背景像素值：以边界区域中的待求点为中心依次向外扩大正方形，使得该正方形与前景区域或背景区域的交集不为空，比较每个满足关系的像素点距离中心点的距离，选择距离小的为近似前景、背景像素值，求出边界区域中点的前景值和背景像素值；S4、图标图像提取：通过求解Poisson方程，得到透明度值，从而提取出目标图形；S5、图像处理：通过Deep Lab V3+分割算法将目标图形换算成掩码图像，再提取该原始图像的前后各20帧，将这些帧转化成灰度图后，合成一个batch图像；再通过Context Switching Block模块整合掩码图像和batch图像，生成图像模型；S6、模型训练：使用基于pix2pix hd中的多尺度判别器对真实场景中的无标签数据进行半监督方式的对抗训练，以提升模型的适应能力，再根据模型的输出生成对应的效果图。2.根据权利要求1所述的一种矿用低照度高粉尘环境下的影像取景方法，其特征在于，所述S4步骤中Poisson方程的计算公式如下：（1）其中，为散度算子；为二维梯度算子；为透明度值，即该像素为前景的概率，的范围在[0,1]之间，若=1则该像素为前景，若=0则该像素为背景；表示输入图...

【专利技术属性】
技术研发人员：李宗磊，
申请(专利权)人：李宗磊，
类型：发明
国别省市：