矿井图像的多维特征与残差注意力网络超分辨率重建方法

• Published in: 煤炭科学技术 Vol. 52; no. 11; pp. 117 - 128
• Main Authors: 程健, 米立飞, 李昊, 李和平, 王广福, 马永壮
• Format: Journal Article
• Language: Chinese
• Published: 煤炭智能开采与岩层控制全国重点实验室,北京 100013 01.11.2024; 煤炭科学研究总院有限公司矿山人工智能研究院,北京 100013; 煤炭智能开采与岩层控制全国重点实验室,北京 100013%煤炭科学研究总院有限公司矿山人工智能研究院,北京 100013; 煤炭科学研究总院,北京 100013; 天地科技股份有限公司,北京 100013%煤炭科学研究总院,北京 100013; 天地科技股份有限公司,北京 100013
• Subjects: 注意力机制; 煤矿井下图像; attention mechanism; super-resolution reconstruction; recursive algorithm; coalmine underground images; residual network; 超分辨率重建; 递归算法; 残差网络
• ISSN: 0253-2336
• DOI: 10.12438/cst.2024-1055

TD76%TP18%TP391.41; 煤矿井下环境复杂,受光照、煤尘、水雾的影响,采集的图像往往存在细节模糊、纹理缺失等问题,低分辨率的矿井图像对煤矿安全监控的智能化发展带来诸多制约.图像超分辨率重建作为一种重要的图像处理技术,旨在从矿井低分辨率图像中恢复出清晰的高分辨率图像,从而显著提升煤矿智能监测与安全管理的可靠性.针对矿井图像边缘纹理信息缺失、细节模糊不清等质量退化问题,笔者提出一种矿井图像的多维特征与残差注意力网络超分辨率重建方法.首先,采用多分支网络将动态卷积与通道注意力机制进行并行融合,以"水平-通道""垂直-通道"交互方式来捕获不同的空间统计特性.其次,设计了一种递归稀疏自注意力机制,在线性复杂度下聚合代表性特征图,自适应选择权重分配,减少计算过程中的信息冗余.最后,基于标准多头自注意力机制和残差连接方式构建深层特征提取的基本单元,将获得的特征信息与浅层特征通过跳跃连接共同输入重建模块,完成超分辨率矿井图像重建.实验结果表明,笔者所提方法在客观评价指标和主观视觉分析上较现有主流算法均有明显提升.在矿井数据集的测试中,2倍和 4倍缩放因子下的图像相似性(LPIPS)平均降低 10.97%、9.91%,峰值信噪比(PSNR)平均提升 4.10%、2.30%,证明了该方法在恢复矿井图像结构和纹理细节上的有效性.