为解决液压支架工长时间作业过程中,因身体疲劳不能及时发现护帮板未护帮的问题,采用实时性高的Tiny-YOLOv3算法检测护帮板状态,但检测任务会受到综采工作面尘雾的影响。因此,提出一种融合图像去雾与Tiny-YOLOv3的目标检测算法,并在此基础上优化图像去雾算法的CUDA实现,首先将暗通道图像用RGB单通道图像代替,然后按列分组求大气光值,合并初始透射率的kernel函数并优化精细化透射率计算方式,提升图像去雾速度,保证算法的实时性。实验结果表明,在煤矿护帮板状态检测场景中,融合算法比Tiny-YOLOv3算法的准确率提高了22.8%,且满足实时检测的要求。

在大气散射作用下,雾天的景物图像会变得模糊不清,对比度下降,对雾天景物图像的去雾处理十分重要。通过分析基于直方图的图像增强方法与基于Retinex理论的图像增强算法的优点与不足,提出了一种改进图像增强去雾算法,并通过仿真分析与客观质量评价分析验证该方法的去雾增强效果,证明了该算法对有雾图像的增强效果更为显著。