矿井井下非均匀照度图像增强算法
苗作华1
赵成诚2
朱良建2
刘代文2
陈澳光2
1.武汉科技大学 资源与环境工程学院,湖北 武汉 430081;冶金矿产资源高效利用与造块湖北省重点实验室,湖北 武汉 4300812.武汉科技大学 资源与环境工程学院,湖北 武汉 430081
摘要：矿井井下视频采集过程中由于照明系统分布不均匀、环境中存在大量粉尘和雾气,导致监控画面图像存在局部光线过曝、局部亮度不足、对比度低和边缘信息弱等问题.针对上述问题,提出了一种矿井井下非均匀照度图像增强算法.该算法基于Retinex-Net网络结构改进,具体包括非均匀光照抑制模块(NLSM)、光照分解模块(LDM)和图像增强模块(IEM)3个部分:NLSM对图像中人工光源局部非均匀光照进行抑制;LDM将图像分解为光照层和反射层;IEM对图像光照层增强,经伽马校正,最终得到增强图像.在NLSM和LDM中均采用Resnet作为网络基础架构,并顺序引入了卷积注意力机制中通道注意力模块和空间注意力模块,以增强对图像光照特征关注度和特征选择的效率.实验结果表明:①选取MBLLEN,RUAS,zeroDCE,zeroDCE++,Retinex-Net,KinD++及非均匀照度图像增强算法对多种场景(井下运输环境场景、单光源巷道场景、多光源巷道场景、矿石场景)图像进行增强处理及定性分析,分析结果指出非均匀照度图像增强算法能够避免人工光源区域的过度增强,未在光源区域产生晕染和模糊现象,不易产生色偏,对比度适中,画面视觉效果更真实.②选取信息熵(IE)、平均梯度(AG)、标准差(SD)、自然图像质量评价指标(NIQE)、结构相似性(SSIM)和峰值信噪比(PSNR)作为评价指标,定量比较图像增强画面质量.结果表明非均匀照度图像增强算法在多种场景下处于相对领先地位.③消融实验结果表明,非均匀照度图像增强算法在NIQE,SSIM,PSNR这3个评价指标上均获得了最优结果.
关键词：井下低光照图像非均匀照度图像图像增强Retinex-Net图像亮度残差网络注意力机制
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(41071242)国家自然科学基金(41971237)教育部卓越工程师教育培养计划项目产学合作协同育人项目(202102136008)
论文发表日期：2023-11-10
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( 92-99 )
英文信息