面向煤矿井下低光照图像的增强方法
孔二伟1
张亚邦1
李佳悦2
王满利2
1.平顶山天安煤业股份有限公司,河南平顶山 4670002.河南理工大学物理与电子信息学院,河南焦作 454000
摘要：煤矿井下照明有限,并且具有大量粉尘、雾气,使得采集到的图像对比度低、光照不均、细节信息弱,并含有大量噪声.基于传统模型的图像增强方法鲁棒性较差,常会引起图像过度增强和色彩失真;基于深度学习的图像增强方法大多没有考虑增强引起的噪声放大.针对上述问题,提出了一种面向煤矿井下低光照图像的增强方法.采用卷积神经网络构建图像增强网络,该网络包括特征提取模块、增强模块和融合模块.特征提取模块对输入图像进行不同程度的卷积,提取多层次的图像特征,得到多个特征层;增强模块对提取到的特征层通过子网络进行增强,强化不同程度的细节特征;融合模块将增强后的特征层进行融合,输出增强图像.之后通过结构损失函数、内容损失函数和区域损失函数的约束,提高图像质量并有效抑制图像颜色失真与噪声放大,得到最终的增强图像.实验结果表明,该方法能够有效提升煤矿井下低光照图像的亮度和对比度,并且具有较强的噪声抑制能力,使图像能更好地恢复原有的细节信息,同时避免出现过曝光或颜色失真.
关键词：煤矿低光照图像图像增强图像去噪深度学习损失函数
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(52074305)河南理工大学博士基金(B2021-64)
论文发表日期：2023-04-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 62-69,85 )
英文信息