基于含噪Retinex模型的煤矿低光照图像增强方法
李正龙1
王宏伟2
曹文艳1
张夫净1
王宇衡1
1.太原理工大学矿业工程学院,山西太原 030024;太原理工大学山西省煤矿智能装备工程研究中心,山西太原 0300242.太原理工大学山西省煤矿智能装备工程研究中心,山西太原 030024;太原理工大学机械与运载工程学院,山西太原 030024;山西焦煤集团有限责任公司博士后工作站,山西太原 030024
摘要：低光照图像会导致许多计算机视觉任务达不到预期效果,影响后续图像分析与智能决策.针对现有煤矿井下低光照图像增强方法未考虑图像现实噪声的问题,提出一种基于含噪Retinex模型的煤矿低光照图像增强方法.建立了含噪Retienx模型,利用噪声估计模块(NEM)估计现实噪声,将原图像和估计噪声作为光照分量估计模块(IEM)和反射分量估计模块(REM)的输入,生成光照分量与反射分量并对二者进行耦合,同时对光照分量进行伽马校正等调整,对耦合后的图像及调整后的光照分量进行除法运算,得到最终的增强图像.NEM通过3层CNN对含噪图像进行拜耳采样,然后重构生成与原图像大小一致的三通道特征图.IEM与REM均以ResNet-34作为图像特征提取网络,引入多尺度非对称卷积与注意力模块(MACAM),以增强网络的细节过滤能力及重要特征筛选能力.定性和定量评估结果表明,该方法能够平衡光源与黑暗环境之间的关系,降低现实噪声的影响,在图像自然度、真实度、对比度、结构等方面均具有良好性能,图像增强效果优于Retinex-Net,Zero-DCE,DRBN,DSLR,TBEFN,RUAS等模型.通过消融实验验证了 NEM与MACAM的有效性.
关键词：煤矿低光照图像图像增强含噪Retinex模型噪声估计拜耳采样多尺度非对称卷积注意力模块
分类号：TD67(矿山电工)
资助基金：国家重点研发计划(2020YFB1314004)山西省揭榜招标项目(20201101008)山西省重点研发计划项目(202102100401015)
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：8( 70-77 )
英文信息