基于半监督网络的采煤工作面尘雾图像去雾算法

作     者：赵猛 魏玉忠 李正 张俊明 陈俊达 刘小峰 

作者机构：山东科技大学电气与自动化工程学院 内蒙古上海庙矿业有限公司 河海大学人工智能与自动化学院 青岛地球软件技术有限公司 

出 版 物：《煤炭科学技术》 (Coal Science and Technology)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0819[工学-矿业工程] 081903[工学-安全技术及工程] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2022YFC2806603) 教育部“春晖计划”合作科研项目(HZKY20220489) 山东省研究生教育质量提升计划建设项目(SDYKC2022045) 

主　　题：采煤工作面 尘雾图像去雾 半监督学习 对比学习 

摘      要：煤矿井下采煤工作面环境复杂，作业时产生大量煤尘、水雾等不均匀悬浮颗粒，导致监控图像质量下降严重，现有的传统算法存在去雾效果差、过增强、颜色失真等问题，应用深度学习算法存在缺少井下配对尘雾图像和清晰图像等问题，为此提出了一种基于半监督学习网络的去雾算法。该半监督学习网络由生成器与判别器组成：生成器采用编解码器结构，其中编码器以残差网络为主要结构，并在残差块中加入了空间注意力机制，使网络能更好地处理非均匀尘雾。解码器由像素混洗层和卷积层组成，逐级恢复更高分辨率的特征图。判别器以概率图形式作为输出，表示生成器产生的去雾图像与真实清晰图像间的差异。引入了对比学习分支，使去雾后的图像在特征空间接近正样本并远离负样本，改善模型的泛化能力。由于煤矿井下缺少成对非均匀尘雾数据集，采集了大量煤矿井下工作面图像，并根据工作面作业时的尘雾特点，使用大气散射模型和柏林噪声在清晰图像上合成非均匀尘雾图像。合成数据与采集的真实数据一起用于半监督网络的训练，提升了模型在煤矿井下非均匀尘雾条件下的适应能力和性能。为验证提出算法的有效性，选取了4种算法进行了对比。实验结果表明，提出的算法能有效降低图像尘雾浓度，颜色失真较小，提升了图像的可视化效果。