井下图像视频监控系统是矿山领域重要的安全保障之一,当设备运行异常或人员操作错误时,能够及时发出示警,提醒工作人员纠正问题,防患于未然。由于煤矿井下环境复杂,环境中时常出现粉尘或除尘后残余的水雾,许多监控设备受到限制,无法实现正常的功能。为了克服尘雾特征对图像信息的影响,提高监控系统的性能,本文在前人的基础上分别对图像除雾和行人目标检测算法展开了研究,具体的内容如下:1.针对大气光强不准确导致复原图像亮度降低的问题,本文采用一种大气光强融合估计方法。首先分析经典暗通道先验理论中大气光强的形成原理,并在此基础上引入亮通道先验理论,建立新的图像局部大气光强估计方法。2.针对初始透射率边缘优化效果不理想,本文提出一种改进加权引导滤波的细化方法。首先分析双边滤波的滤波特性,利用灰度域内像素中心点与邻域点之间的差值,构造一种规整化因子权重系数,同时加入了自适应调节函数自适应调节规整化因子,增强图像边缘处理效果。3.为了进一步提高复原图像的亮度,本文提出一种自适应调节函数,选取原始尘雾图像像素点与暗通道大气光强的差值作为调节因子,自适应调节图像的亮度和色差,然后恢复无雾图像。4.在无锚框网络Centernet基础上,本文采用MobileNet-V2替代原模型中的Rensnet50作为图像特征提取网络,提出一种轻量化改进算法Centernet-MobileNet。主干网络使用深度可分离卷积和倒残差结构,能够有效提高图像目标特征提取的效率,降低模型的参数量。为了改善小目标检测效果,提高模型整体检测精度和收敛速度,本文加入特征金字塔思想和注意力机制。通过对比实验表明,本文提出的图像除雾算法具有很好除雾效果,在保证检测速度的基础上,有效提高了图像的恢复质量;提出的行人目标检测算法在检测速度和检测精度也有较大的提升,权重的参数量仅为原Centernet模型的1/4,模型实现了较好的轻量化。