本技术属于矿井监测，涉及矿井监测技术，具体是矿用电机车的井下环境图像处理系统。
背景技术：
1、在采矿作业中，矿井环境的安全性对于保障人员生命安全和生产效率至关重要。然而，传统的矿井环境监测方法主要依靠人工巡检和固定摄像机，这些方法存在着一些明显的局限性和不足。人工巡检不仅效率低下，而且容易受到井下恶劣环境的影响；由于矿井内照明的原因，所以需要大量的固定摄像机才能实现对矿井进行监控；同时由于矿井内采集的图像除了矿灯周围的区域图像亮度处于正常状态，矿灯处的图像亮度过高，其他部分图像较暗，导致图像分析不准确。因此，急需一种矿用电机车的井下环境图像处理系统，能够实现通过电机车实现对矿井进行移动安全监测，同时能够针对矿井内的采集图像特征进行针对性的图像处理，增加图像分析的准确性。
技术实现思路
1、本技术旨在至少解决现有技术中存在的技术问题之一；为此，本技术提出了矿用电机车的井下环境图像处理系统，用于解决现有矿井内采集的图像出来矿灯周围的区域图像亮度处于正常状态，矿灯处的图像亮度过高，其他部分图像较暗，导致图像分析不准确技术问题，本技术通过分别对图像的低像素和高像素部分进行处理以解决上述问题；为实现上述目的，本技术提供了矿用电机车的井下环境图像处理系统，包括：
2、中枢处理模块，以及与其相连接的图像采集模块、历史数据库和用户控制面板；
3、图像采集模块：通过用户控制模块获取图像采集指令，并通过与其相连接的采集设备获取原始图像；
4、中枢处理模块：获取原始图像，基于原始图像生成底片图像，以及多个通道图像；基于通道图像获取增强图像一和增强图像二；基于增强图像一、增强图像二和底片图像获得监测图像；将监测图像输入异常监测模型得到标记异常图像和异常等级，根据异常等级生成警报信号；其中，异常监测模型通过人工智能模型训练得到；
5、用户控制面板：获取标记异常图像和警报信号，向用户展示标记异常图像。
6、由于矿井内采集的图像明暗区别明显，除了矿灯处较亮以外，其他区域都是较暗的；难以同时保留较亮区域的细节和较暗区域的细节；本技术通过设置在矿用电机车上的采集设备采集得到相应的原始图像，对原始图像得到底片图像，以及通道图像，对通道图像进行一系列的处理得到相应的增强图像一和增强图像二；将增强图像一、增强图像二和底片图像融合得到监测图像，这样得到的监测图像细节更加明显，便于检测出异常区域；将监测图像输入异常监测模型得到标记异常图像和异常等级，根据异常等级生成警报信号提醒用户；由于监测图像的细节更加明显，使得对矿井的监测更加准确。
7、优选的，所述基于通道图像获取顶片图像，包括：
8、获取各个通道图像得到增强图像；将各个增强图像融合生成增强图像一；获取各个增强图像的高频图像；将多个高频图像进行叠加得到增强图像二。
9、优选的，所述基于原始图像生成底片图像，包括：
10、获取原始图像，将原始图像转化成灰度图像，在灰度图像上建立直接坐标系；获取灰度图像中坐标为(x,y)的像素点的像素值标记为hy(x,y)；提取像素值最大值标记为xd和最小值标记为xx；
11、通过公式hd(x,y)＝jz×[xd+xx-hy(x,y)]计算得到坐标(x,y)的像素点的底片像素值hd(x,y)，并将灰度图像中坐标为(x,y)的像素值hy(x,y)用底片像素值hd(x,y)替换，将灰度图像转化为底片图像；其中，jz为调整系数。
12、本技术通过将原始图像的灰度图像进行翻转和调整系数，使得在后续的图像融合中将原始图像中较暗的部分变亮，较亮的部分变的较暗，使得处理后的图像亮度更加均衡，进而容易图像细节。
13、优选的，所述基于通道图像得到增强图，包括：
14、获取通道图像各个像素点的像素值，根据像素值将通道图像划分为高像素图像和低像素图像；对高像素图像进行幂律变换得到增强图像一；对低像素图像进行对数变换增强图像二；将增强图像一和增强图像二叠加得到增强图像。
15、优选的，对高像素图像进行幂律变换包括：
16、获取相应通道图像坐标为(x,y)的像素值标记为t(x,y)；
17、通过公式s1(x,y)＝a×t(x,y)^γ计算得到增强图像一(x,y)对应的像素值s1(x,y)；其中，a为缩放系数，γ为伽马因子，γ>1；缩放系数a和伽马因子γ均为人为设定的常数。
18、对低像素图像进行对数变换包括：
19、获取相应通道图像坐标为(x,y)的像素值标记为t(x,y)；
20、通过公式s2(x,y)＝b×log[1+t(x,y)]计算得到增强图像二(x,y)对应的像素值s2(x,y)；其中，b为人为设定的参数。
21、本技术通过将通道图像划分为高像素图像和低像素图像，对低像素图像进行对数变换，使得通道中较暗的部分的对比度得到增强，使得较暗部分的细节更加明显；对高像素图像进行幂律变换，使得通道图像中较亮的部分对比度也得到增强，使得较亮部分的细节更加明显；进而使得整张通道图像的细节都得到增强。
22、优选的，所述根据像素值将通道图像划分为高像素图像和低像素图像，包括：
23、获取通道图像各个像素点的像素值；判断像素点的像素值是否大于像素阈值；
24、是，则将该像素点标记为高像素点，且将所有高像素点按照原有的位置组合生成高像素图像；其中，高像素图像与通道图像的尺寸相同，其余像素点的像素值设置为通道图像中最低的像素值；
25、否，则将该像素点标记为低像素点，且将所有低像素点按照原有的位置组合生成低像素图像；其中，低像素图像与通道图像的尺寸相同，其余像素点的像素值设置为通道图像中最高的像素值。
26、所述其余像素点为既不是高像素点也不是低像素点的像素点。
27、本技术通过将通道图像划分为高像素图像和低像素图像，分别对高像素图像和低像素图像进行相应的处理，使得高像素图像和低像素图像中的细节都更加明显，便于后续进行异常区域识别。
28、优选的，所述基于增强图像一、增强图像二和底片图像获得监测图像，包括：
29、将增强图像一、增强图像二和底片图像输入融合模型得到监测图像；其中，融合模型通过人工智能模型训练得到。
30、优选的，所述融合模型通过人工智能模型训练得到，包括：
31、通过历史数据库获得若干历史图像和其对应的监测图像，以及评分；根据历史图像获得其对应的底片图像和增强图像一、增强图像二；将底片图像、增强图像一、增强图像二、监测图像和评分整合成若干组训练数据和若干组检验数据；通过训练数据对人工智能模型进行训练；将检验数据中的底片图像、增强图像一、增强图像二输入训练后的人工智能模型得到相应的输出监测图像和输出评分，对比输出评分和检验数据中的评分，根据对比结果调整相应的训练参数；得到输入为底片图像和增强图像一、增强图像二，输出为监测图像的融合模型；其中，评分为人为打分，且评分越高说明融合的效果越好。
32、优选的，所述异常监测模型通过人工智能模型训练得到，包括：
33、通过数据库获取若干监测图像，以及其对应的异常区域和异常等级；将监测图像、异常区域和异常等级整合成若干组训练数据和检验数据；通过训练数据对人工智能模型进行训练；将检验数据中的监测图像输入训练后的人工智能模型得到输出异常区域和输出异常等级，对比输出异常区域、输出异常等级和检验数据中的异常区域、异常等级，根据对比结果调整相应的训练参数，最终得到符合标准的输出异常区域、输出异常等级，将输出异常区域标记在监测图像上得到标记监测图像；得到输入为监测图像，输出为标记监测图像异常等级的异常监测模型；其中，异常等级由人为设置，且包括无异常、轻微异常、中等异常和严重异常。
34、优选的，所述根据异常等级生成警报信号，包括：
35、判断异常等级是否为严重异常；
36、是，则生成一级警报信号，告知用户需要及时对相应的异常区域进行处理
37、否，当异常等级为中等异常时，则生成二级警报信号，提醒用户需要关注相应异常区域；否则，则不生成警报信号。
38、本技术通过设置异常区域的异常等级，根据异常等级设置相应的警报信号，便于使用者快速对相应的异常区域进行正确的处理。
39、与现有技术相比，本技术的有益效果是：
40、1.本技术通过设置在矿用电机车上的采集设备采集得到相应的原始图像，对原始图像得到底片图像，以及通道图像，对通道图像进行一系列的处理得到相应的增强图像一和增强图像二；将增强图像一、增强图像二和底片图像融合得到监测图像，这样得到的监测图像细节更加明显，便于检测出异常区域；将监测图像输入异常监测模型得到标记异常图像和异常等级，根据异常等级生成警报信号提醒用户；由于监测图像的细节更加明显，使得对矿井的监测更加准确。
41、2.本技术通过将通道图像划分为高像素图像和低像素图像，分别对高像素图像和低像素图像进行相应的处理，使得高像素图像和低像素图像中的细节都更加明显，便于后续进行异常区域识别。
1.矿用电机车的井下环境图像处理系统，中枢处理模块，以及与其相连接的图像采集模块、历史数据库和用户控制面板；其特征在于，包括：
2.根据权利要求1所述的矿用电机车的井下环境图像处理系统，其特征在于，所述基于原始图像生成底片图像，包括：
3.根据权利要求1所述的矿用电机车的井下环境图像处理系统，其特征在于，所述基于通道图像获取顶片图像，包括：
4.根据权利要求3所述的矿用电机车的井下环境图像处理系统，其特征在于，所述基于通道图像得到增强图，包括：
5.根据权利要求4所述的矿用电机车的井下环境图像处理系统，其特征在于，所述对高像素图像进行幂律变换，包括：
6.根据权利要求4所述的矿用电机车的井下环境图像处理系统，其特征在于，所述根据像素值将通道图像划分为高像素图像和低像素图像，包括：
7.根据权利要求1所述的矿用电机车的井下环境图像处理系统，其特征在于，所述基于增强图像一、增强图像二和底片图像获得监测图像，包括：
8.根据权利要求7所述的矿用电机车的井下环境图像处理系统，其特征在于，所述融合模型通过人工智能模型训练得到，包括：
9.根据权利要求1所述的矿用电机车的井下环境图像处理系统，其特征在于，所述异常监测模型通过人工智能模型训练得到，包括：
10.根据权利要求1所述的矿用电机车的井下环境图像处理系统，其特征在于，所述根据异常等级生成警报信号，包括：
