煤炭学报

作者：寇旗旗, 汪鹏, 崔文, 江鹤, 程德强,

关键词：煤矿智能化, 煤矿安全生产, 图像增强, 图像超分辨率重建, 深度学习,

基于我国煤炭工业在能源安全与经济发展中的重要地位以及国家“双碳”目标和能源革命战略的时代背景，煤矿智能化建设逐渐成为煤炭工业转型升级的核心路径。煤矿智能化旨在通过技术创新推动煤炭产业的高质量发展，不仅要求提升生产效率和安全性，还强调对复杂环境下数据的精准获取与处理能力。然而，矿井环境复杂多变，光照不足、粉尘弥漫、设备噪声影响等因素导致采集到的图像质量普遍较低，严重制约了基于视觉的智能化监测与分析系统的应用效果。低质图像在煤矿安全生产、设备状态监测、灾害预警等关键环节中难以满足高精度识别与分析的需求，成为制约煤矿智能化进程的技术瓶颈之一。在此背景下，图像超分辨率重建技术作为一种能够从低分辨率图像中恢复高分辨率细节的关键技术，近年来受到了学术界和工业界的广泛关注，并逐渐成为解决矿井复杂环境下图像质量问题的有效手段。超分辨率重建技术通过利用图像处理与深度学习等方法，能够显著提升低质图像的清晰度与细节表现力，从而为煤矿智能化提供高质量的视觉数据支持。由于矿井环境的特殊性对图像超分辨率技术有着更高的要求以及更广的需求，因此针对矿井复杂环境下的低质图像超分辨率重建关键技术进行研究具有重要的理论意义和实际应用价值。系统性地阐述了图像超分辨率重建技术的研究现状及其在矿井复杂环境下的应用进展。首先，从方法角度对图像超分辨率重建技术进行了分类概述，详细介绍了基于插值、基于重建和基于学习的3类主要方法的基本原理及其数学基础；其次，从技术发展脉络出发，梳理了从传统方法到深度学习方法的演进过程，重点分析了基于卷积神经网络、生成对抗网络以及Transformer等主流深度学习方法的技术特点与实现机制，并对各类方法的性能指标、适用场景及局限性进行了对比分析，同时结合矿井复杂环境对基于深度学习的主流超分模型的性能效果进行了试验分析；在此基础上，结合矿井环境的特殊性，深入探讨了低照度、高噪声、非均匀退化等矿井复杂条件下图像超分辨率重建面临的技术挑战，从物理退化模型构建、多模态数据融合、轻量化网络设计等维度提出了针对性的解决思路；最后，立足当前研究进展与实际应用需求，对矿井图像超分辨率重建技术的未来发展方向进行了展望。通过系统梳理理论方法、总结技术进展、分析挑战对策，该研究旨在为矿井复杂环境下图像超分辨率重建的理论创新提供方法学参考，为相关技术的工程化应用提供实践指导，进而推动煤矿智能化建设与安全生产水平的提升。

来源：2026年第2期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2026年第2期