基于生成对抗残差学习的矿山远程监控图像去噪算法

金属矿山 ›› 2024, Vol. 53 ›› Issue (5): 286-.

基于生成对抗残差学习的矿山远程监控图像去噪算法

樊培利1　王建军2　艾　薇3

1. 山西水利职业技术学院信息工程系,山西运城 044000;2. 河南理工大学机械与动力工程学院,河南焦作 454000; 3. 黄河水利委员会山西黄河河务局,山西运城 044000

出版日期:2024-05-15 发布日期:2024-06-14

Mine Remote Monitoring Image Denoising Algorithm Based on Generated Residuals Learning

FAN Peili1　WANG Jianjun2　AI Wei3

Online:2024-05-15 Published:2024-06-14

摘要/Abstract

摘要： 在矿山远程监控系统中,由于监控摄像头位置和环境等因素限制,往往会导致图像中存在各种噪声,如椒盐噪声、高斯噪声等,这些噪声会对图像质量产生严重影响,同时也会给后续的图像分析和处理带来很大困难。因此,如何准确地去除噪声,提高图像质量,一直是矿山远程监控系统中的重要问题。生成对抗学习是一种基于对抗生成网络(Generative Adversarial Networks,GAN)的图像处理技术,可以有效去除图像中的噪声。据此,提出了一种基于生成对抗残差学习的矿山远程监控图像去噪算法。该算法首先通过GAN 生成器学习得到一组残差图像,然后通过残差学习方式将原始图像与残差图像相加得到去噪后的图像。同时,为提高算法的鲁棒性和适用性,还引入了噪声分布估计网络和自适应控制机制。试验结果表明:该算法可以有效去除矿山远程监控图像中的噪声,并且具有较好的鲁棒性和适用性。

樊培利, 王建军, 艾　薇. 基于生成对抗残差学习的矿山远程监控图像去噪算法[J]. 金属矿山, 2024, 53(5): 286-.

FAN Peili, WANG Jianjun, AI Wei. Mine Remote Monitoring Image Denoising Algorithm Based on Generated Residuals Learning[J]. Metal Mine, 2024, 53(5): 286-.

扫码分享