随着煤炭科学开采理论发展,以无人化、智能化为特点的智能开采不断走向实践。此进程中,作为智能化开采核心技术之一的图像处理技术不断在井下推广和扩展。但是,矿井下的低光照、高矿尘、复杂的电磁干扰环境,导致井下采集图像对比度低、噪声大,有时甚至出现雾气和矿尘散射模糊。矿井下图像的上述特征,严重阻碍了以图像处理技术为核心的智能检测、智能感知技术的推广应用。基于上述行业背景,本文开展了矿井下图像混合噪声抑制和含噪声图像增强的技术研究。本文主要研究内容如下:（1）首先,系统梳理了图像降噪、图像增强技术的国内外研究现状。接着,阐述了现有的矿井图像降噪算法和增强算法的研究进展。在此基础上,指出了目前矿井图像降噪与增强算法存在的一些问题,并明确了矿井下图像降噪和增强算法有待完善研究的方向。（2）为实现矿井图像混合噪声抑制目标,根据以曲率为正则项的变分降噪模型,建立具有去除混合噪声能力的曲率差分驱动的极小曲面滤波器（MSF）的变分模型。根据微分几何理论阐明该滤波器的物理意义和数学实现方法,并设计了像素邻域曲面向极小曲面进化的新规则和算法。实验表明,MSF能够有效地去除矿井图像的混合噪声。（3）为抑制矿井图像的高密度混合噪声,建立了基于高斯曲率优化和非下采样剪切波变换（Nonsubsampled Shearlet Tranform,NSST）的高密混合噪声去除模型。该模型优化混合噪声图像的高斯曲率,使图像的混合噪声分布近似为高斯分布。消除椒盐噪声对混合噪声分布的影响之后,利用NSST分解高斯曲率优化的图像,并采用自适应硬阈值收缩消除近似高斯分布的噪声。最后,迭代高斯曲率优化和基于NSST的阈值收缩算法,进一步抑制残余的混合噪声。实验表明,该算法不仅能够有效地去除图像的高密度混合噪声,且与同类算法比较,其降噪图像的峰值信噪比更高,留存的边缘细节更多。（4）为解决矿井图像对比度提高和噪声抑制的矛盾,根据Retinex理论构建了具有噪声抑制的矿井图像增强框架,并提出了基于非下采样轮廓波变换（Non-Subsampled Contourlet Transform,NSCT）的矿井图像增强算法（MIECT）。该算法消除了噪声对估计光照图的干扰,解决了对比度提高过程中放大噪声的问题。MIECT利用NSCT分解图像,利用图像的低频子带系数的亮通道估计光照图,避免噪声对估计光照图的干扰;对图像的高频方向子带系数实施阈值收缩,实现噪声抑制;根据估计的光照图、阈值收缩的高频方向子带系数,实施逆NSCT重构出噪声抑制的增强图像。MIECT解耦实现了矿井图像的对比度提高和噪声抑制,避免了“后噪声抑制”图像增强算法提高图像对比度过程中放大噪声的风险。由于NSCT的方向滤波器组数的限制,MIECT在突显特定频带细节时,其方向的选择性有限。为了克服MIECT的上述不足,根据MIECT的增强框架,将NSST用作图像分解工具,提出了基于NSST的矿井图像增强算法（MIEST）。MIEST对图像的低频子带系数的亮通道进行结构感知平滑,获得满足要求的光照图;同样对图像高频方向子带系数采取阈值收缩,实现抑制噪声;通过逆NSST重构出噪声抑制的增强图像。MIEST具有MIECT的所有属性,并且,突显特定频带细节时,其频带方向选择几乎无限制。（5）开展了图像分层增强技术研究,建立了图像分层增强框架,并提出了基于双域分解的矿井下图像增强算法（MIEDD）。MIEDD在空域解耦图像对比度提高和噪声抑制。MIEDD利用高斯滤波器将图像分解为基础层与细节层。基础层决定图像的对比度,细节层包含了图像几乎全部的细节和噪声;然后,在基础层执行对数域的Retinex算法,实现基础层图像的对比度提升;接着,利用NSST分解细节层,并对其分解系数执行阈值收缩,完成细节层噪声的分离、抑制;最后,分层图像被融合、并实施灰度延展,获得最终增强图像。实验表明,该方法能够很好地解耦了图像的对比度提高和噪声抑制。与MIECT和MIEST算法相比,MIEDD算法改善图像可视性的效果更好,且噪声抑制性能更稳定。（6）在图像分层增强框架下,根据大气散射模型建立了雾气、噪声分离模型,并提出了基于双域分解的雾气抑制矿井图像增强算法（MIEHSDD）。首先,MIEHSDD利用双边滤器将图像分解为基础层和细节层。其次,利用快速暗通道雾气抑制算法实现基础层的雾气抑制,并使用Gamma变换提高雾气抑制基础层的对比度。然后,利用NSST分解细节层图像,并对细节层分解系数执行由阈值收缩和Wiener滤波器构成的混合降噪,抑制细节层的噪声,对噪声抑制的细节层执行二阶微分算子增强细节。接着,融合分层图并抑制其粉尘散射模糊,获得去模糊图像。最后,再次执行快速暗通道雾气抑制算法,抑制去模糊图像的白色伪影。实验表明,MIEHSDD算法不仅能提高矿井图像的对比度,还能实现矿井图像噪声和雾气的抑制。