基于深度学习的煤岩单图像超分辨率重建研究.pdfVIP

摘要

受光照条件、噪声干扰和传感器限制等因素的影响，图像采集设备获取的煤岩图像

通常质量较差，主要表现为图像模糊、细节信息缺失、边缘模糊、色彩失真等问题。由

于噪声干扰、灰度失真、纹理缺失等原因，现有的图像超分辨率重建方法直接应用于煤

岩图像往往难以取得理想的效果。本文对煤岩图像超分辨率重建方法进行研究，针对煤

岩图像对细节要求高，部分方法对相邻区域的信息聚合能力较弱的问题，提出了一种轻

量化的煤岩图像超分辨率重建方法ISTFormer；针对图像输入像素的利用有限，融合的注

意力机制算法复杂度较高，实时性较差的问题，设计了一种基于VMamba和RLFN融合

的图像超分辨率方法R-VMamba；并构建了一套煤岩数据集，缓解了煤岩超分辨率领域

数据集不足的问题。本文的具体研究内容有以下三个方面：

（1）本文提出了一种轻量化的煤岩图像超分辨率重建方法ISTFormer，该方法融合

了注意力机制和迭代上下采样，增强了模型的信息聚合能力，挖掘出更多的LR图像特

征。结合全局置换自注意块GPSAB和局部卷积块LCB