近日，中国矿大智能检测与模式识别研究中心负责人、中国矿业大学信息与控制工程学院党委书记程德强教授课题组在图像超分辨领域取得研究进展，研究成果形成论文“Single Image Super-Resolution via Wide-Activation Feature Distillation Network”，以中国矿业大学为第一单位、课题组苏振博士为第一作者、江鹤老师为通信作者，被JCR2区《Sensors》期刊正式录用。图像超分辨率重建在智能矿山的应用中具有重要意义。在智能矿山领域，图像超分辨率重建技术主要解决的是矿井图像质量低、细节模糊、有效信息难以提取的问题。
论文概述
特征提取在单图像超分辨率中起着举足轻重的作用。然而，依赖单一的特征提取方法往往会削弱特征表示的全部潜力，影响模型的整体性能。为解决这一问题，本研究引入了宽激活特征蒸馏网络（WFDN），通过双路径学习实现单图像超分辨率。首先，采用双路径并行网络结构，利用残差网络作为骨干，并结合全局残差连接，以加强特征利用并加快网络收敛。随后，采用特征蒸馏模块，其特点是训练速度快、参数数量少。同时，还集成了宽激活机制，以进一步提高高频特征的表征能力。最后，还引入了门控融合机制，对从双分支提取的特征信息进行加权融合。这种机制在提高重构性能的同时，还能减少信息冗余。广泛的实验证明，在四个基准数据集上进行的定量评估指标测试表明，与最先进的方法相比，所提出的算法取得了稳定而优异的结果。此外， WFDN 在重建具有更丰富的纹理细节、更逼真的线条和更清晰的结构的图像方面表现出色，充分证明了其卓越的优越性和鲁棒性。
图1 整体网络结构
创新点
（1）双路径并行网络结构：单路径网络通常依赖于单一的特征提取方法，难以充分提取和利用图像中的深层特征。为了克服单路径网络的局限性，本研究受 DPN 的启发，采用了双路径并行网络结构。此外，还使用了全局跳转连接来加速信息流、提高性能并加快网络收敛。
（2）宽激活残差特征蒸馏模块：为了全面获取高频特征信息，在残差特征蒸馏模块中引入了宽激活的概念，并采用轻量级注意力机制来学习高频空间位置信息。这种整合增强了网络的特征表示能力，而无需额外的参数或计算开销。
（3）门控特征融合模块：为了缓解无差别元素求和运算造成的关键信息冗余问题，在特征融合阶段引入了门控特征融合模块。该模块通过生成不同的门控权重来处理上下分支的特征信息，从而增强特征信息之间的互补性，最终提高融合特征的重构效果。
图2 图片重建结果图
应用场景
图像超分辨率重建在智能矿山的应用中具有重要意义。在智能矿山领域，图像超分辨率重建技术主要解决的是矿井图像质量低、细节模糊、有效信息难以提取的问题。这些问题主要源于矿井环境的特殊性，如光照不足、尘埃干扰、设备老化等，导致监控系统和图像识别技术在应用过程中受到限制。图像超分辨率重建技术从以下几个方面解决了这些问题：
（1）提升图像清晰度与细节还原：图像超分辨率重建技术能够显著提高图像的清晰度，使原本模糊的矿井图像变得清晰可辨。通过算法优化和模型训练，该技术能够恢复图像中的高频细节信息，如纹理、边缘等，从而提供更丰富的视觉信息。这对于后续的图像分析和识别至关重要，能够显著提升监控系统的有效性和准确性。
（2）增强安全隐患识别能力：在智能矿山中，监控系统需要实时识别和分析各种安全隐患，如设备故障、人员违章行为等。图像超分辨率重建技术的应用能够增强监控系统对安全隐患的识别能力。通过提供更高清晰度的图像，监控系统能够更准确地捕捉和分析潜在的安全风险点，从而及时采取措施，避免事故的发生。这有助于提升矿山的安全管理水平，保障人员和设备的安全。
（3）优化矿山资源利用与降低管理成本：图像超分辨率重建技术还能够通过优化图像处理流程，提高矿山资源的利用效率。通过更精确的图像分析，矿山可以更准确地评估资源的分布和储量，从而制定更合理的开采计划，减少资源浪费。同时，该技术还能降低对高性能计算设备的需求，从而降低矿山的整体管理成本。这有助于提升矿山的经济效益和可持续发展能力。
论文引用格式
Zhen Su, Yuze Wang, Xiang Ma, Mang Sun, Deqiang Cheng, Chao Li and He Jiang. Single Image Super-Resolution via Wide-Activation Feature Distillation Network[J]. 2024, 24(14): 4597.
论文下载链接
https://mdpi-res.com/d_attachment/sensors/sensors-24-04597/article_deploy/sensors-24-04597.pdf?version=1721111098
中国矿业大学智能检测与模式识别研究中心充分发挥人才、软件等优势，立志于用图像处理AI算法取代传统煤矿人为监管，实现全程智能化运行多维度、多角度的视识别、分析及统计，及时发现隐患，保障煤矿安全生产制度落实，进一步提升煤矿安全生产水平，降低煤矿安全事故，为安全生产提供决策支撑。研究中心成立以来，发明了30多种面向矿并特殊作业环境的全矿并视频分析算法，研制了系列云-边-端协同分析的智能分析摄像仪，拥有多种针对煤矿场景下的图像处理相关的高质量论文、核心专利技术以及软件著作权等独立知识产权。研究中心秉持专注人-机-环的作业安全和竭诚服务矿山本质安全的宗旨，主要面向有人员违章环境参数异常、设备工作状态的监管需求的煤矿非煤矿企业，提供安全生产场景的视频分析技术和边缘AI智能装备，践行服务煤矿安全生产的使命担当!
