基于MCGN煤矿井下低光照图像增强方法研究

摘要

由于煤矿井下地形环境复杂、光照受限，视频监控设备获取的图像常存在亮度不足、对比度低、颜色失真、细节信息丢失等问题.针对上述问题，提出一种基于MCGN(multiscale calibrated gating network，多尺度校准门控网络)煤矿井下多场景低光照图像增强算法，该算法由光照增强网络、细节增强网络、色彩矫正网络以及门控融合网络组成.首先，光照增强网络通过预点亮模块估计光照信息，在此基础上，级联具备空间增强注意力的光照增强模块，增强对遮挡区域和局部暗区的捕捉能力，随后引入自校准模块进一步提升图像整体曝光控制能力.其次，为丰富增强图像中纹理和边缘细节信息，设计多级残差结构构成细节增强网络，确保重要细节信息不丢失.再者，针对图像固有的以及增强过程中产生的颜色失真现象，构建色彩矫正网络和色彩损失函数，利用编解码结构将彩色图像解耦为颜色直方图，基于颜色直方图学习自然光颜色特征，以指导颜色分布矫正.最后，为实现三个网络输出图像有机融合，门控融合网络设计了一种新的门控机制，端到端学习最优融合权重，实现亮度增强、细节恢复和颜色矫正的有效平衡.实验结果表明，该算法在提升图像亮度、丰富纹理特征、还原真实色彩方面成效卓著.同时，该算法具有良好的多场景适用性和较快的推理速度，能满足煤矿井下实际需求，为煤矿安全生产提供有力的技术支撑.

关键词

图像增强 / 低照度图像 / 注意力进制 / 损失函数 / 图像亮度

基金资助

智能计算及应用安徽省重点实验室开放基金项目（AFZNJS2024KF03）