基于增强网格网络的井下尘雾图像清晰化算法
谷亚楠
李晴
刘晨晨
张富凯
河南理工大学计算机科学与技术学院,河南 焦作 454003
摘要：针对目前井下尘雾图像清晰化算法存在的图像偏暗、细节丢失和过度增强等问题,提出一种基于增强网格网络的井下尘雾图像清晰化算法.该算法由前处理模块、主干模块和输出模块 3个部分组成.前处理模块通过特征提取模块IRDB生成一组特征图,作为主干模块的输入,IRDB融合了Inception架构和密集残差连接模块(RDB)的优势,可在网络资源有限的情况下增加网络的深度和宽度,从而增强网络的表征能力、泛化能力及其对不同尺度尘雾的处理能力;主干模块采用网格网络进一步提取图像不同尺度的特征,并通过上采样和下采样实现特征图不同尺度的变换,为更好地捕捉图像中的细节信息,在网格网络中引入通道注意力机制.实验结果表明:IRDB数量为 5时,网络模型的峰值信噪比(PSNR)、结构相似度指数(SSIM)和自然图像质量评价指标(NIQE)最好;从视觉效果上看,用所提算法清晰化处理后的图像细节信息更加丰富,色彩更加自然,具有良好的清晰度和对比度;在井下数据集上用所提算法处理后的图像PSNR、SSIM和NIQE分别为 23.69,0.8401,8.95,图像处理速度处于中等水平,整体性能优于DCP,AOD-Net等同类算法.
关键词：井下尘雾图像图像清晰化基于网格网络深度学习多尺度特征提取Inception架构密集残差连接
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(52174174)河南省高等学校重点科研项目(23B520002)河南理工大学基本科研业务费专项项目(NSFRF230429)
论文发表日期：2024-10-10
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( 120-127,159 )
英文信息