基于改进Zero-DCE模型的矿井低照度图像增强方法
王轶玮
李晓宇
翁智
白凤山
内蒙古大学电子信息工程学院,内蒙古 呼和浩特 010021
摘要：煤矿井下监控图像中存在噪声,清晰度低,且颜色和纹理信息缺失,采用基于机器学习的图像增强方法时还面临低照度-正常照度图像配对数据集采集困难的问题.提出一种改进零参考深度曲线估计(Zero-DCE)模型,并将其应用于矿井低照度图像增强.使用Leaky ReLU激活函数替换Zero-DCE模型中的ReLU激活函数,以加快模型收敛速度,提升低照度图像特征学习效率;在Zero-DCE模型浅层与深层网络之间的跳跃连接处引入卷积块注意力模块(CBAM),以提高模型对图像关键特征的表达能力;在浅层网络中引入非对称卷积块(ACB),以优化模型对局部图像特征的学习能力和细节特征的表现能力;在深层网络中采用串联卷积核(CCK),以降低模型参数量和计算量,缩短模型训练时间.采用LOL公共数据集和矿井自建数据集进行实验验证,结果表明:改进Zero-DCE模型的均方误差(MSE)、峰值信噪比(PSNR)、结构相似性(SSIM)、自然图像质量评估器(NIQE)和视觉信息保真度(VIF)整体上优于典型图像增强模型,在自建数据集上的MSE和NIQE较Zero-DCE模型分别降低 16.25%和 2.93%,PSNR,SSIM和VIF分别提高 2.87%,1.87%和 17.64%;图像增强视觉效果较好,可在提高图像亮度的同时有效保留细节纹理信息,降噪效果明显;对单幅图像的推理时间为0.138 s,可实现图像实时增强.
关键词：矿井低照度图像图像增强零参考深度曲线估计网络Zero-DCE模型无监督学习
分类号：TD67(矿山电工)
论文发表日期：2025-02-09
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）
英文信息