融合颜色保持与细节增强的煤矿井下图像去雾算法OA

煤矿井下采煤工作面环境复杂,作业过程中产生的煤尘和水雾等不均匀悬浮颗粒严重影响了监控图像的质量.图像处理中常出现去雾不彻底、过度增强和颜色失真等问题,而井下环境中缺乏配对的尘雾与清晰图像,限制了有监督去雾模型的发展.为实现有效的去雾处理,聚焦去雾后图像颜色保真与细节增强的核心问题,提出一种借助非配对数据的双分支融合去雾算法,由参数估计、颜色保持分支、细节增强分支和自适应感知融合四部分构成.首先,采用基于尘雾分布特征的参数估计方法获取初始透射率和大气光值,代入大气散射模型得到初始去雾图像;在颜色保持分支,将通道注意力机制嵌入到U型网络优化透射率,据此进行处理能提升去雾效果、并避免非浓雾区域的颜色失真;细节增强分支构建了包含双重注意力的残差网络架构,通过融合空间和通道信息增强关键特征的表达能力,引入非配对的清晰无雾图像进行对抗训练,提高去雾图像的细节表现力;在双分支融合阶段,兼顾色彩敏感区和纹理复杂区,采用自适应的加权融合策略,得到最终的去雾结果.为评估去雾算法的性能,采用真实的井下图像进行实验,并与多种典型的去雾算法进行对比.结果表明,所提算法信息熵达5.52,雾感知密度评估(FADE)降至0.49,基于感知的图像质量评估(PIQE)降至7.39,能有效去除尘雾、减小颜色失真、提升视觉效果.