冶炼车间作业过程中会产生大量烟尘、水雾等，烟尘颗粒分布密集且烟尘厚度不均匀，常常因为局部多散射引起图像降质等问题。针对此问题，湖南工业大学轨道交通学院的汤汶龙、龙永红，在年第9期《电气技术》上撰文，提出冶炼车间大气散射模型图像去烟尘算法。
随着计算机视觉技术的快速发展，工业信息化、智能化取得了很大进展，视频监控技术在有色冶炼各生产领域得到广泛应用。为了进一步提高生产效率、确保生产安全，越来越多的工厂在车间安装网络摄像头，实时获取智能化车间生产信息。由于冶炼工作过程中会产生大量烟尘、水汽等，导致监控视频图像出现细节模糊、可视性弱等降质现象，不利于冶炼生产安全监控、设备远程操控、智能视频识别技术的运用等。因此，冶炼车间图像去烟尘工作具有重要意义。目前，图像去雾方法主要分为基于图像增强、图像复原和深度学习三大类。但是业内相关研究是致力于雾天室外图像清晰化，未考虑复杂成像环境中多光源、烟尘分布不均匀等因素带来的综合影响，使算法不适用于冶炼车间的烟尘环境。针对冶炼车间图像去烟尘任务，湖南工业大学轨道交通学院的研究者，提出一种基于大气散射模型的冶炼车间去烟尘算法，以提高复杂环境大气光值和透射率估计的准确度，解决光源等高亮区域光晕效应和色彩失真的问题。图1冶炼车间大气散射模型图像去烟尘算法流程为更好地估计真实大气光值，研究者通过简单线性迭代聚类分割算法求取初始大气光值，并采用快速引导滤波对初始大气光值进行精细化处理。为了减少不均匀光照引起的误差，利用自适应伽马函数对大气光和原始烟尘图像进行修正，分别得到最终大气光和优化后的烟尘图像。通过优化的颜色衰减先验模型估计出透射率，最后根据大气散射模型恢复无烟尘图像。图2复原效果对比他们的实验结果表明，该算法可降低图像中的烟尘浓度，减少图像细节损失，复原图像色彩真实、细节丰富，保留了原始图像的结构信息。使方均误差平均下降66.2%，峰值信噪比平均提高30.5%，结构相似度平均提高48.6%。然而，研究者也表示，该算法的复杂度仍有待改进，在后续研究中将进一步提升算法的去烟尘效果和处理速率，以提高其在冶炼车间实时视频去烟尘工作中的应用性能。本工作成果发表在年第9期《电气技术》，论文标题为“冶炼车间大气散射模型图像去烟尘算法”，作者为汤汶龙、龙永红。本课题得到湖南省自然科学基金的支持。
#大国科技在百度#