一个混合零参考和dehazing网络,用于在低光下共同进行地下图像增强
Qing Du1, Shihao Zhang1, Zhipeng Wang1
1School of Resources Environment and Safety Engineering, University of South China, Hengyang, 421001, Hunan, China.
Scientific reports
|March 25, 2025
概括
这项研究引入了一种新方法,即零参考深度曲线估计-除气网络 (Z-DCE-Net),用于增强地下矿山图像. 这种方法在昏暗,尘土充满的条件下提高了可见性,从而为矿山监督提供了更好的物体检测.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 采矿工程 采矿工程 采矿工程
背景情况:
- 地下矿山视觉传感器面临着诸如低照明,高尘埃和噪音等挑战.
- 现有的图像增强方法在现实地下环境中经常失败,因为它们依赖合成数据.
研究的目的:
- 为真正的地下矿山环境开发一种新的图像增强方法.
- 提高地下视觉传感器捕获的图像质量,以便更好地监控和检测物体.
主要方法:
- 提出了零参考深度曲线估计-排气网络 (Z-DCE-Net),将低光增强和排气相结合.
- 将高阶损失曲线和一个新的损失函数集成到DCE-Net中,用于低光增强.
- 使用AOD-Net进行后处理,以解决色彩扭曲和模糊,提高清晰度.
主要成果:
- 采用Z-DCE-Net方法显著提高了地下矿山图像的视觉质量.
- 与原始图像相比,增强图像在随后的物体检测任务中表现得更好.
结论:
- 拟议的Z-DCE-Net有效地解决了地下矿山图像中低亮度和雾变形的挑战.
- 该方法提供了视觉上优异的增强图像,并提高了对象检测的准确性,有利于矿山监督.
