维度网讯，中国矿业大学程德强教授课题组在图像质量评价领域取得研究进展，相关论文以中国矿业大学为第一单位、程德强教授为第一作者，发表于国际学术期刊《模式识别》(Pattern Recognition)。该研究提出的少标签无参考图像质量评价框架，可有效提升矿井井下等低照度、高粉尘环境中的智能视觉与图像增强能力，对矿业生产中煤岩识别、作业行为分析等环节具有直接技术支撑作用。

当前，煤矿井下环境中粉尘、水雾与弱光条件普遍存在，易导致监控图像模糊与细节缺失。传统图像质量评价方法通常依赖大量标注数据进行模型微调，而井下场景难以获取充足标注样本，且不同矿井的光照与粉尘条件差异显著。程德强团队提出的少标签图像质量评价框架，通过从新场景与已有场景中筛选具有代表性与可迁移性的样本来构建训练数据，在减少对大规模标注数据依赖的同时，提升了预测精度与泛化性能。

该框架基于逼近理想解排序法，从数据与模型两个层面进行综合评估。在新场景中，利用CLIP模型在零样本条件下获取数据的失真分布与模型预测难度，通过多指标融合确定代表性样本。在已有场景中，采用相似度筛选机制识别可迁移样本，并引入非线性质量分数对齐模块实现跨场景一致评价。在五个无参考图像质量评价基准数据集上的实验结果表明，该方法达到了当前最先进水平。

无参考图像质量评价技术通过分析图像内在特征评估视觉质量，无需参考图像，在井下等无法获取标准参考图的场景中具有实用价值。中国矿业大学(China University of Mining and Technology，CUMT)创办于1909年，位于江苏省徐州市，其工程学、地球科学进入ESI全球前1‰。论文第一作者程德强教授现任该校信息与控制工程学院党委书记，主持国家重点研发计划课题等科研项目20余项，其团队研究成果已在60余座煤矿示范应用。

该研究成果在矿业领域的应用前景包括：通过对去雾、去尘等增强后图像进行有效质量评估，为煤岩识别与作业行为分析提供更清晰、稳定的视觉输入;同时可推广至自动驾驶视觉感知、遥感影像质量控制及智能安防视频监控等领域。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com