-
题名矿井图像超分辨率重建研究
- 1
-
-
作者
王媛彬
刘佳
郭亚茹
吴冰超
-
机构
西安科技大学电气与控制工程学院
西安市电气设备状态监测与供电安全重点实验室
-
出处
《工矿自动化》
CSCD
北大核心
2023年第11期76-83,120,共9页
-
基金
国家自然科学基金资助项目(52174198)
陕西省重点研发计划项目(2023YBSF-133)。
-
文摘
受井下粉尘大、照度低等环境影响,矿井图像存在分辨率低、细节模糊等问题,现有的图像超分辨率重建算法应用于矿井图像时,难以获取不同尺度图像信息、网络参数过大而影响重建速度,且重建图像易出现细节丢失、边缘轮廓模糊、伪影等问题。提出了一种基于多尺度密集通道注意力超分辨率生成对抗网络(SRGAN)的矿井图像超分辨率重建算法。设计了多尺度密集通道注意力残差块替代SRGAN原有的残差块,采用2路并行且卷积核大小不同的密集连接块,可充分获取图像特征;融入高效通道注意力模块,加强对高频信息的关注度;采用深度可分离卷积对网络进行轻量化,抑制网络参数的增加;利用纹理损失约束网络训练,避免网络加深时产生伪影。在井下数据集和公共数据集上对提出的矿井图像超分辨率重建算法和经典超分辨率重建算法BICUBIC,SRCNN,SRRESNET,SRGAN进行实验,结果表明:所提算法在主客观评价上总体优于对比算法,网络参数较SRGAN减少了2.54%,峰值信噪比与结构相似度较经典算法指标均值分别提高了0.764 dB和0.05358,能更好地关注图像的纹理、轮廓等细节信息,重建图像更符合人眼视觉。
-
关键词
矿井图像
超分辨率重建
超分辨率生成对抗网络
多尺度密集通道注意力残差块
高效通道注意力模块
深度可分离卷积
纹理损失
-
Keywords
mine image
super resolution reconstruction
super-resolution generative adversarial network
multi scale dense channel attention residual blocks
efficient channel attention module
depthwise separable convolution
texture loss
-
分类号
TD67
[矿业工程—矿山机电]
-