摘要: 矿山采矿环境较为复杂，监控图像经常遭受粉尘及设备振动的干扰，导致其出现明显的模糊和噪声，这对矿山的安全监测以及智能分析精度产生较大的影响。基于此，研究提出构建融合注意力机制与交叉门控融合模块的矿山图像去噪算法。该方法通过引入变分自编码器生成器构建矿山图像还原模型，并在该基础上融合交叉门控融合网络和注意力机制，使得网络能够动态地为煤矿图像的边缘特征权重进行分配。实验结果表明，研究所构建模型的MSE、PSNR、RMSE、SNR与SSIM值分别为62.2457、32.3025dB、5.3269、21.3658dB和0.9934，优于其他去噪算法。说明研究所构建模型对煤矿图像去噪后重构的误差最小，对噪声的抑制能力最强，且能在不同噪声场景下保持较高精度的去噪。此外研究所提算法处理后的图像比其他3个算法处理的图像更加清晰，失真和模糊程度较低，噪点去除较为明显。研究为矿山智能化建设中获取的低质量图像复原去噪提供了可行的解决方案，并提升了煤矿井下对目标识别和安全隐患监测等任务的精度。