-
题名基于改进YOLOv5的矿山遥感图像去噪方法
- 1
-
-
作者
裴丹
房坤
庆宇东
陈沛
-
机构
洛阳职业技术学院信息工程学院
洛阳船舶材料研究所
中国航空工业集团公司洛阳电光设备研究所
北京航空航天大学可靠性与系统工程学院
-
出处
《工矿自动化》
北大核心
2025年第3期148-155,共8页
-
基金
2022年河南省教育厅高校重点项目(22B520023)。
-
文摘
典型露天矿场景的图像呈现多类型复合噪声特征,信噪比较低且具有显著的空间异质性,现有深度学习模型大多直接迁移自然图像去噪架构,忽视了矿山遥感图像特有的噪声分布规律。针对该问题,提出了一种基于改进YOLOv5的矿山遥感图像去噪方法。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。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。实验结果表明:改进YOLOv5在峰值信噪比(PSNR)和结构相似性指数(SSIM)上均显著优于其他经典去噪方法,相较原始YOLOv5,PSNR提高2.5 dB,SSIM提高了0.05;改进YOLOv5在所有噪声类型下均表现出色,尤其是在高斯噪声环境中,其PSNR和SSIM分别达32.5 dB和0.95,显著优于其他经典去噪方法。
-
关键词
矿山遥感图像去噪
YOLOv5
多尺度特征融合
残差注意力机制
自适应噪声估计
-
Keywords
mine remote sensing image denoising
YOLOv5
multi-scale feature fusion
residual attention mechanism
adaptive noise estimation
-
分类号
TD67
[矿业工程—矿山机电]
-
