煤炭科学技术

作者：齐爱玲, 付远远, 张广明,

关键词：矿井图像, 超分辨率重建, 多路径自适应卷积, 大核感知块, 并联多注意力机制,

煤矿井下环境复杂，光照条件差，高湿度与悬浮粉尘易形成水雾和辉光，导致高频信息缺失与边缘细节模糊，同时叠加噪声干扰。为提升矿井图像质量，解决矿井场景下超分辨率重建中噪声抑制与细节恢复的协同难题，提出一种基于多路径自适应信息增强的矿井图像超分辨率重建方法。方法上，首先设计残差多路径特征聚集块（Residual Multi-path Feature Aggregation Block, RMFAB），通过残差学习和多路径自适应卷积网络（Multi-path Adaptive Convolution Network, MACN）充分利用不同路径的特征，增强全局与局部高频信息建模能力；其次，引入多注意力融合模块，在通道和空间维度聚焦图像中的高频信息，提升特征表达能力;最后，构建大核感知块（Large Kernel Perception Block, LKPA），利用多尺度卷积扩展感受野并实现层次特征融合，从而优化图像纹理与结构细节。实验在公开矿井数据集CMUID上开展，结果显示该算法在峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）和结构相似性（Structural Similarity, SSIM）指标上优于其他主流先进算法。尤其在缩放因子为4时，该算法在PSNR指标上较Bicubic、CRAFT-SR、PAN、ESRGCNN、DiVANet及SMAFNet分别提升2.88、2.04、1.94、1.52、0.53、0.36 dB；SSIM指标分别提升4.32%、3.37%、3.20%、2.74%、3.19%、1.08%。实验结果表明，该方法实现了对矿井图像多层次特征的精细化提取与融合，在抑制噪声干扰的同时有效恢复了复杂纹理特征，提升了矿井图像的超分辨率重建质量，为煤矿井下智能感知提供了技术支持。

来源：2025年第11期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2025年第11期