基于蓝图分离卷积的轻量化矿井图像超分辨率重建方法

作     者：寇旗旗 程志威 程德强 陈杰 张剑英 KOU Qiqi;CHENG Zhiwei;CHENG Deqiang;CHEN Jie;ZHANG Jianying

作者机构：中国矿业大学计算机科学与技术学院江苏徐州221116 中国矿业大学信息与控制工程学院江苏徐州221116 

出 版 物：《煤炭学报》 (Journal of China Coal Society)

年 卷 期：2024年第49卷第9期

页      面：4038-4050页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(52204177 52304182) 

主　　题：煤矿井下图像 超分辨率重建 注意力机制 特征融合 轻量化 

摘      要：煤矿井下复杂受限空间中,人造光源照明不均匀、工作面尘雾浓度大及复杂电磁干扰等环境因素都会严重影响井下监控视频的高清成像。针对受复杂环境影响下的矿井图像出现分辨率较低、模糊不清的问题以及目前图像超分辨率重建方法多以牺牲网络深度和宽度为代价来提高图像重建效果,从而导致算法的复杂度大幅增加、网络模型的内存占用率变大、难以应用到实际边缘移动设备中的问题,提出了一种基于蓝图分离卷积的轻量化矿井图像超分辨率重建方法。首先,该方法使用高效率的蓝图分离卷积替换残差块中的标准卷积,设计出一种轻量残差注意力模块,接着引入坐标注意力机制并添加跳跃连接对残差块进行改进,使模型保持较低参数量和计算量的同时也具备良好的特征提取能力。其次设计了一种增强层次特征融合模块,对网络中的不同层次特征以先局部再全局的方式融合,进一步促进网络中的信息流动,增强模型的特征利用率。最后在网络末端添加像素注意力机制,用于增强网络对信息特征的关注度,提高模型的特征表达能力,为图像重建模块提供更丰富的细节特征。实验结果表明,基于蓝图分离卷积的轻量化超分辨率重建网络所重建后的图像质量不仅在客观指标和视觉感受上均优于其他对比算法,而且能够在模型性能和复杂度之间取得更好的权衡。当缩放因子为4时,相比于轻量级算法AWSRN-M,参数量相当的情况下,在煤矿井下测试集上客观指标PSNR平均值提升了0.1772 dB,SSIM平均值提升了0.0107,浮点运算量减少了66.9%。结果证明了所提方法可以有效提取不同层次的细节特征信息,实现浅层特征和深层特征的深度融合,且更加高效地重建出纹理细节清晰的高分辨率图像。