金属矿山

作者：朱磊曾铜炳梁雄乾

单位：1. 广西警察学院信息技术学院,广西南宁 530028;2. 广西壮族自治区环境信息中心,广西南宁 530000;3. 广西壮族自治区自然资源调查监测院,广西南宁 530019

关键词：图像增强, HSV, 深度学习, Retinex, 多尺度特征, Retinex-Net,

基金：2025 年度广西重点研发计划项目(编号:桂科 AB25069263)

随着智能矿井建设不断推进,图像在矿山安全监测、设备识别与作业辅助中发挥着重要作用。 然而,矿井图像常面临低照度、光照不均、噪声干扰等复杂环境问题,导致图像细节模糊、亮度失衡,严重影响后续图像识别与智能分析的准确性。 为解决上述问题,提出了一种融合多尺度增强机制与色调、饱和度和亮度色彩空间的矿井图像增强算法。 该算法以 Retinex 理论构建的深度增强网络为基础,首先将矿井图像分解为光照与反射 2 个成分。 针对光照成分,设计多尺度卷积网络提取不同空间尺度下的亮度信息,增强全局光照建模能力;针对反射成分,引入双边滤波机制进行噪声抑制与边缘结构保留。 然后,分别将优化后的光照与反射成分通过融合重构形成初步增强图像。 最后,在 HSV 色彩空间中分离初步增强图像的亮度通道,引入曝光调整与细节增强模块,进一步实现亮度补偿与纹理还原的联合优化。 试验结果表明,所提方法在 DIV2K 公开数据集中的峰值信噪比高达 28. 9dB,结构相似性指数达到0. 87。 在自制的矿井图像数据集上,该算法的特征相似度指数最高提升至 0. 902,通用图像质量指数最高达 0. 847。在不同光照条件下,该方法均表现出良好的细节恢复与亮度均衡能力,验证了其在矿井图像增强中的有效性。

来源：2025年第7期

《金属矿山》期刊编辑部

查看金属矿山杂志2025年第7期