复杂灾变矿井环境下二维图像处理技术的研究现状及展望
郑学召1
高晓磊2
蔡国斌3
文虎1
杨博1
牟浩伟4
马一卓4
孙朝阳4
1.西安科技大学 安全科学与工程学院,陕西 西安 710054;国家矿山救援西安研究中心,陕西 西安 710054;城市安全与应急救援陕西省高等学校重点实验室,陕西 西安 7100862.西安科技大学 安全科学与工程学院,陕西 西安 710054;国家矿山救援西安研究中心,陕西 西安 7100543.西安科技大学 安全科学与工程学院,陕西 西安 710054;城市安全与应急救援陕西省高等学校重点实验室,陕西 西安 710086;陕西西矿智通科技有限公司,陕西 西安 7100544.西安科技大学 安全科学与工程学院,陕西 西安 710054
摘要：在复杂灾变的矿井环境中,利用井下图像可以清晰地掌握井下状况,提升救援效率.以二维井下图像处理技术为行文脉络,介绍并分析了几种针对矿井复杂环境的二维图像处理技术及研究现状,指出了各种图像处理技术在我国矿井救援中存在的问题:在矿井复杂环境下,现有图像增强算法(如Retinex、CLAHE)存在光晕效应、颜色失真、噪声敏感等问题,且缺乏动态调整能力;现有降噪技术(如空间域滤波、小波变换、深度学习方法)对混合噪声抑制不足,存在细节模糊、计算效率较低的局限性;算法实用化面临数据与模型瓶颈,包括真实数据集缺乏、深度学习模型计算资源需求高、多任务联合优化框架不足.未来矿井图像处理应聚焦于:开发自适应矿井场景的增强算法,结合深度强化学习与物理模型(如光照物理方程)进行物理引导的联合训练,优化多尺度光照分离与边缘细节增强;构建多模态噪声联合抑制框架,利用自监督学习(如Noise2Void:Learning Denoising from Single Noisy Images)与小波-卷积神经网络混合架构多模态特征对齐,提升降噪效率与精度;推动数据-算法-硬件协同优化,通过多视角矿井图像数据集、多任务学习框架和边缘计算技术,实现端到端场景适应与分布式实时处理.通过对现有井下二维图像处理技术的分析和展望,为矿山智能监控提供理论支持和技术指导,旨在推动矿山可视化监测技术的革新和安全生产水平的提升.
关键词：矿山智能监控可视化监测应急救援图像增强图像降噪灾变巷道煤矿安全
分类号：TD679(矿山电工)
资助基金：国家重点研发计划(2023YFC3010905)国家自然科学基金(52174197)陕西省科协青年人才托举计划资助项目(20240205)
论文发表日期：2026-02-20
在线出版日期：2026-03-19（本平台首次上网日期，不代表文献的发表时间）
页数：12( 200-211 )
英文信息