矿井低照度环境下图像增强方法研究综述与展望
寇旗旗1
张恒1
吴泉霖1
陈亮亮2
程德强2
1.中国矿业大学计算机科学与技术学院/人工智能学院,江苏 徐州 2211162.中国矿业大学信息与控制工程学院,江苏 徐州 221116
摘要：在当今能源格局中,煤炭作为我国工业化进程中的关键支撑性能源,其地位举足轻重,且以煤为主的能源结构将在相当长的时期内持续稳固.因此煤矿安全生产的保障工作至关重要,而煤矿智能化建设成为实现这一目标、保障高效安全生产的核心路径.在此进程中,煤矿安全生产视频分析与识别技术占据着不可或缺的重要地位,其深度发展是确保煤炭工业迈向高质量发展阶段的关键技术支柱.然而,井下特殊的环境条件带来了严峻挑战.由于人造光源的不均匀照明,致使视频监控采集的图像普遍呈现出照度低、对比度差、噪声干扰严重以及细节缺失等不良状况.这些问题严重干扰了后续诸如目标检测、语义分割等关键任务的精准执行,进而对煤矿安全生产的实时监测与有效预警构成了巨大威胁,成为煤矿智能化建设道路上亟待攻克的关键难题.鉴于此,全面且深入地对矿井低照度环境下图像增强方法展开综述具有极为重要的战略意义.该研究首先对传统的低光照图像增强方法进行了系统梳理,涵盖直方图均衡化、伽马校正、小波变换、Retinex分解以及基于融合等多种方法,并依据其原理、实施过程及应用效果进行了细致分类,同时深入剖析了每种方法的优势与局限性,为后续研究提供了重要的经验借鉴与理论基础.进而,着重聚焦基于深度学习的矿井低光图像增强方法,依据学习范式将其精准划分为有监督和无监督 2类.针对每类方法中的典型算法,详细阐述其创新点、优势及不足,为该领域研究提供了全面而深入的技术剖析.此外,对低光图像增强常用的数据集和评价指标进行了详尽总结,明确了不同数据集的特点及适用范围,总结了矿井低光数据集的构建,并在此基础上对传统方法以及基于深度学习的方法进行实验对比分析.最后,紧密结合煤矿智能化发展的迫切需求与行业趋势,从多个维度分析了当前矿井低光图像增强面临的困境与挑战,并对未来发展方向进行了合理展望,旨在为煤矿低照度图像增强技术的持续创新与广泛应用提供全方位的指导与引领,助力煤炭工业在智能化时代实现安全、高效、可持续发展.
关键词：煤矿智能化煤矿井下低光图像增强深度学习低光图像数据集煤炭工业
分类号：TD76(矿山安全与劳动保护)
资助基金：国家重点研发计划(2023YFC2907600)国家重点研发计划(2021YFC2902701)国家自然科学基金(52204177)
论文发表日期：2025-11-30
在线出版日期：2025-12-15（本平台首次上网日期，不代表文献的发表时间）
页数：19( 82-100 )
英文信息