-
题名基于增强网格网络的井下尘雾图像清晰化算法
- 1
-
-
作者
谷亚楠
李晴
刘晨晨
张富凯
-
机构
河南理工大学计算机科学与技术学院
-
出处
《工矿自动化》
CSCD
北大核心
2024年第10期120-127,159,共9页
-
基金
国家自然科学基金项目(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(自然科学类)(NSFRF230429)。
-
文摘
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23.69,0.840 1,8.95,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
-
Keywords
underground dust and mist images
image clarification
grid network-based
deep learning
multi-scale feature extraction
Inception architecture
residual dense block
-
分类号
TD67
[矿业工程—矿山机电]
-
