从局部到全局的零参考低照度图像增强方法

为解决现有的低照度图像增强方法存在的色彩失真、细节损失以及暗区增强不足和亮区增强过度导致低照度图像增强效果不理想的问题,提出了一种从局部到全局的零参考低照度图像增强方法。采用局部照度增强对低照度图像进行像素级增强,改进了自适应光照映射估计函数,提升了照度调整能力,避免了生成大量的迭代参数,提高了模型的推理速度;采用基于Transformer结构的全局图像调整对局部增强后的图像进行全局调整,解决了亮区照度增强过度的曝光问题和暗区照度增强不足的问题,提升了图像的整体对比度;优化损失函数,对低照度图像特征和增强图像特征进行相似性约束,提升了目标检测精度。实验结果表明,LOL数据集上的客观指标峰值信噪比和结构相似性达到了20.18 dB和0.80,MIT-Adobe FiveK数据集上达到了23.31 dB和0.87,ExDark数据集上增强后图像的目标检测精度提高了7.6%,有效提升了低照度图像可视化质量和目标检测效果。

基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法

高质量矿井影像为矿山安全生产提供保障,也有利于提高后续图像分析技术的性能。矿井影像受低照度环境的影响,易出现亮度低,照度不均,颜色失真,细节信息丢失严重等问题。针对上述问题,提出一种基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法。基于生成对抗思想搭建生成对抗式主体模型框架,使用目标图像域而非单一参考图像驱动判别器监督生成器的训练,实现对低照度图像的充分增强;基于特征表示学习理论搭建特征编码器,将图像解耦为亮度分量和反射分量,避免图像增强过程中亮度与颜色特征相互影响从而导致颜色失真问题;设计CEM-Transformer Encoder通过捕获全局上下文关系和提取局部区域特征,能够充分提升整体图像亮度并消除局部区域照度不均;在反射分量增强过程中,使用结合CEM-Cross-Transformer Encoder的跳跃连接将低级特征与深层网络处特征进行自适应融合,能够有效避免细节特征丢失,并在编码网络中添加ECA-Net,提高浅层网络的特征提取效率。制作矿井低照度图像数据集为矿井低照度图像增强任务提供数据资源。试验显示,在矿井低照度图像数据集和公共数据集中,与5种先进的低照度图像增强算法相比,该算法增强图像的质量指标PSNR、SSIM、VIF平均提高了16.564%,10.998%,16.226%和14.438%,10.888%,14.948%,证明该算法能够有效提升整体图像亮度,消除照度不均,避免颜色失真和细节丢失,实现矿井低照度图像增强。

基于二阶段目标增强网络的低照度复杂环境下绝缘子故障检测方法

从低照度户外环境中航拍采集的绝缘子影像,存在照度低、背景复杂、绝缘子故障目标小等缺陷,严重影响低照度环境下绝缘子故障检测准确性。为解决上述问题,文章提出一种基于TOE-Net的低照度复杂环境下绝缘子故障检测方法,提出TOE-Net进行图像预处理方法,再使用YOLOv7-OL作为故障检测模块检测小目标绝缘子故障。在二阶段目标增强网络(two-stage object enhancement network,TOE-Net)中,设计零目标图像增强损失函数实现预增强网络(preparation enhancement network,PreEnNet)和深度增强网络(deep enhancement network,DeepEnNet)的无监督学习;使用信道级注意力模块跳跃式通道注意力机制(skip squeeze excitation networt,Skip_SENet)和跳跃式通道注意力机制(skip convolutional block attention module,Skip_CBAM)模块改进原始小目标特征增强单次多框检测算法(small object detection enhancement single shot multiBox detector,SDE-SSD),从而提升定位网络的小目标检测能力;设计弱监督机制使预增强网络根据小目标特征增强SSD的要求来提升图像增强能力,直到小目标特征增强SSD能够从增强图像中准确定位绝缘子串位置;使用深度增强网络深度增强绝缘子串区域,提升各类故障的特征显著性。故障检测模块中,将YOLOv7目标检测算法改进为面向小目标YOLOv7,在原模型中添加结合多尺度特征自适应融合网络的小目标检测通道,并将原始损失函数的CIOU改进为BIOU,从而提高模型的小目标检测性能。在低照度环境绝缘子故障检测实验中,该算法与5种目前常用目标检测算法相比具有较大优势,并且相较于低光目标检测算法IA-YOLO、GenISP with RetinaNet,m AP提升9.77%、10.35%,检测速度提升7.23%、10.16%,证明该算法适用于低照度复杂环境下小目标绝缘子故障检测任务;在正常光照绝缘子故障检测实验中该算法仍保持出色性能,证明该算法能够实现常规光照条件下绝缘子小目标故障检测。

巨厚覆岩矿震孕育破裂特征与应力触发机制

【目的】深部开采巨厚覆岩破断导致引起地表震感的矿震频发,已成为制约矿区高效生产的最严峻难题,亟待改变矿区巨厚覆岩矿震频度高、防控难现状。【方法】以内蒙古自治区鄂尔多斯呼吉尔特矿区某邻空综采工作面频发巨厚覆岩矿震为研究对象,应用厚板理论分析巨厚覆岩结构破断演化规律,提取矿震波形主成分并采用矩张量反演方法定量研究矿震震源破裂机制,基于张拉、压缩及混合破裂震源主应力作用方式修正应力反演模型,改进应力反演算法,分析矿震震源孕育破裂特征及应力场演化规律,定量解析矿震应力触发机制。【结果和结论】结果表明,巨厚覆岩破断运移为矿震孕育触发的动力、能量源;主成分分析方法可快速提取因采矿环境干扰波形的主成分,为矩张量求解提供优质反演数据;修正后应力反演算法能够满足采动诱发非剪切破裂震源应力反演需求,实现对典型张拉、压缩等非剪切破裂矿震震源应力场反演;工作面邻空回采期间,顶板逐层向上与侧向采空区联动破断,采空区影响使得孕震期间顶板活动性增强,巨厚覆岩断裂特征整体呈显著张拉状态;矿震孕育过程中主应力作用方位基本一致,应力形因子分别为0.66、0.71和0.30,覆岩应力分布由单轴挤压转变为挤压张拉状态,最大主应力单轴挤压作用导致巨厚覆岩瞬时断裂释放大量弹性能是诱发“2·6”和“10·30”矿震的主要原因,工作面邻更大范围采空区开采,最大、最小主应力挤压张拉协同作用将可能诱发更大能级矿震。研究结论可为矿区及周边因矿震问题限制高效生产的矿井从源头调控降载减震提供理论支撑。

基于多因素耦合量化表征模型的冲击危险区域划分

针对现有冲击危险评价方法不能准确体现冲击危险因素影响下应力集中变化特征等问题,提出了基于多因素耦合量化表征模型的冲击危险区域划分方法。首先,根据地下煤层的地质条件、巷道分布、开采范围等实际情况,分析得出主要的冲击影响因素;其次,分别参考多因素叠加法和应力分析法,确定各类冲击影响因素的影响范围及相对应力集中系数;然后,基于煤岩体内部微元强度分布函数,构建冲击危险多因素耦合量化表征模型;最后,将冲击影响因素的影响范围及相对应力集中系数代入量化表征模型,得到煤层应力分布结果,根据应力分布结果进行冲击危险等级划分,得到冲击危险区域分布情况。以山东新巨龙能源有限责任公司3煤层为例,通过分析叠加断层、大巷和采空区等主要冲击危险因素引起的应力集中,制定合理的冲击危险等级划分标准,得到了3煤层冲击危险区域划分结果,并进行了现场验证。由评价工作完成前后发生的矿震事件可知,冲击震源主要集中在强冲击危险区域,这与区域划分结果较为吻合,从而验证了该方法能够有效地定量划分煤层冲击危险区域。