-
题名基于生成对抗残差学习的矿山远程监控图像去噪算法
被引量：3
- 1
-
-
作者
樊培利
王建军
艾薇
-
机构
山西水利职业技术学院信息工程系
河南理工大学机械与动力工程学院
黄河水利委员会山西黄河河务局
-
出处
《金属矿山》
CAS
北大核心
2024年第5期286-292,共7页
-
基金
教育部高校科技研究发展中心项目(编号:ZJXF2022256)。
-
文摘
在矿山远程监控系统中,由于监控摄像头位置和环境等因素限制,往往会导致图像中存在各种噪声,如椒盐噪声、高斯噪声等,这些噪声会对图像质量产生严重影响,同时也会给后续的图像分析和处理带来很大困难。因此,如何准确地去除噪声,提高图像质量,一直是矿山远程监控系统中的重要问题。生成对抗学习是一种基于对抗生成网络(Generative Adversarial Networks,GAN)的图像处理技术,可以有效去除图像中的噪声。据此,提出了一种基于生成对抗残差学习的矿山远程监控图像去噪算法。该算法首先通过GAN生成器学习得到一组残差图像,然后通过残差学习方式将原始图像与残差图像相加得到去噪后的图像。同时,为提高算法的鲁棒性和适用性,还引入了噪声分布估计网络和自适应控制机制。试验结果表明:该算法可以有效去除矿山远程监控图像中的噪声,并且具有较好的鲁棒性和适用性。
-
关键词
矿山远程监控图像
生成对抗网络
残差学习
图像去噪
-
Keywords
mine remote monitoring image
generative adversarial network
residual learning
image denoising
-
分类号
TD76
[矿业工程—矿井通风与安全]
TP391
[自动化与计算机技术—计算机应用技术]
-
