随着科学技术的发展,煤矿生产安全监控系统日臻完善,大多数煤矿都安装了视频监控系统。煤矿视频监控系统在煤矿的安全生产中发挥了重要作用,然而矿井下粉尘多、光照差的恶劣环境加之图像信号在传输过程中不可避免地会受到多种干扰,因此最终的监控图像往往模糊不清,对比度、亮度低,视觉效果差。本文正是针对煤矿监控图像的这一特点提出了一种有效的图像增强方法。　　 首先,论文对常用的图像增强方法、小波及人工神经网络理论做了全面的阐述,为课题的研究提供了理论依据。在常用图像增强方法中,从空域和频域概述了常用的图像增强方法。在小波变换部分主要介绍了常用的小波系和图像的小波分解;人工神经网络部分,在讲述了人工神经网络基础知识的基础上,重点阐述BP神经网络的基本原理。　　 然后,本文提出了一种基于自适应中值滤波和小波变换的煤矿监控图像的增强方法,该方法充分结合了自适应中值滤波和小波变换图像增强的优点,能有效解决煤矿监控图像存在的问题。在小波变换图像增强系数的寻找中,引入了BP神经网络,其应用有效弥补了常用穷举法耗时长的不足。　　 最后,论文利用MATLAB7.0软件进行了仿真实验。实验通过与传统方法的定性、定量对比证明,该方法有效地滤除了监控图像的噪声,增强了图像的对比度和亮度,达到了较好的视觉效果,满足了现代煤矿安全生产监控系统的要求。