基于生成对抗残差学习的矿山远程监控图像去噪算法

作者：樊培利; 王建军^*; 艾薇

来源：金属矿山, 2023, 1-10.

• 矿山远程监控图像
• 生成对抗网络
• 残差学习
• 图像去噪

在矿山远程监控系统中，由于监控摄像头的位置和环境等因素的限制，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的影响，同时也会给后续的图像分析和处理带来很大的困难。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(GAN)的图像处理技术，可以有效地去除图像中的噪声。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，然后通过残差学习的方式将原始图像与残差图像相加得到去噪后的图像。同时，为了提高算法的鲁棒性和通用性，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：该算法可以有效地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通用性。

• 单位
  山西水利职业技术学院; 河南理工大学