煤炭科学技术

作者：寇旗旗, 曹猛, 夏小龙, 陈亮亮, 江鹤, 程德强,

关键词：图像去雾, 高尘雾环境, 图像增强, 图像复原, 基于融合, 深度学习,

矿井高尘雾环境下图像去雾技术，在煤矿安全生产与自动化管理中占据关键地位。矿井作业环境特殊，深井、高温高湿区域的矿尘、粉尘与水雾易持续积累，形成高质量浓度、非均匀分布的尘雾环境。这种环境会引发强烈光散射，导致监控图像出现视距骤缩、对比度骤降、细节模糊等问题，直接干扰基于视觉的井下安全隐患识别、人员动态追踪及设备运行状态监测，制约煤矿信息化与智能化开采进程。因此，研究矿井高尘雾图像去雾技术，对保障采掘作业安全、提升自动化管理效率具有不可替代的现实意义。为深入探究矿井高尘雾环境下图像去雾算法的发展轨迹、现状及未来趋势，依据不同原理，将图像去雾算法分为图像增强、图像复原、基于融合和基于深度学习4类方法。详细阐述了各算法的发展历程，列举了其与矿井高尘雾环境图像结合的应用实例，分析了经典算法的优缺点。通过实验，对比分析并总结各类去雾算法在自然图像和矿井高尘雾图像上的优劣，试验显示，自然图像上CNN与Transformer模型性能领先，但矿井环境中CNN模型因适应性更强表现更优。同时总结了目前矿井图像去雾面临的挑战，并展望了图像去雾技术在矿井环境中的应用前景。当前面临专用数据集缺失、动态尘雾与噪声干扰、多维度退化处理难、算法需轻量化及安全特征评估标准缺乏等挑战，未来的研究应致力于开发更加鲁棒且适应性强的去雾算法，并结合矿井环境的特殊性，利用传感器融合、深度学习等先进技术提升去雾效果，同时构建真实矿井数据集，探索无监督学习，融合多源数据，优化算法实时性与轻量化，建立安全导向评估体系，推动矿井视觉监控向智能化升级。

来源：2026年第2期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2026年第2期