基于改进YOLOv5的矿山遥感图像去噪方法
-
摘要: 摘 要 矿山作业环境复杂，图像采集过程中常受到噪声干扰，导致图像质量下降，影响安全监控和自动化设备的运行效率。为解决这一问题，本文提出了一种基于改进YOLOv5算法的矿山图像去噪方法。首先，针对传统YOLOv5在高噪声环境下性能不稳定的问题，引入了多尺度特征融合模块，以增强模型对不同尺寸噪声的识别能力，同时结合残差注意力机制，提升了模型对有用特征的提取能力，增强了去噪效果的鲁棒性。其次采用自适应噪声估计技术，根据图像不同区域的噪声特性动态调整去噪参数，实现了更为精准的噪声抑制。实验结果显示，与现有经典去噪方法相比，改进后的YOLOv5在峰值信噪比上提高了2.5 dB，结构相似性指数提高了0.15，显著优于现有方法。为矿山安全监控和智能化管理提供了一定的技术支持。
-
计量
- 文章访问数: 8
- HTML全文浏览量: 5
- PDF下载量: 0
下载:
