基于改进Zero−DCE 模型的矿井低照度图像增强方法

打开文本图片集

摘要：煤矿井下监控图像中存在噪声，清晰度低，且颜色和纹理信息缺失，采用基于机器学习的图像增强方法时还面临低照度−正常照度图像配对数据集采集困难的问题。提出一种改进零参考深度曲线估计（Zero−DCE）模型，并将其应用于矿井低照度图像增强。使用Leaky ReLU 激活函数替换Zero−DCE 模型中的ReLU 激活函数，以加快模型收敛速度，提升低照度图像特征学习效率；在Zero−DCE 模型浅层与深层网络之间的跳跃连接处引入卷积块注意力模块（CBAM），以提高模型对图像关键特征的表达能力；在浅层网络中引入非对称卷积块（ACB），以优化模型对局部图像特征的学习能力和细节特征的表现能力；在深层网络中采用串联卷积核（CCK），以降低模型参数量和计算量，缩短模型训练时间。（剩余13758字）