提升小波变换域矿井光照不均匀图像双直方图均衡化增强

由于矿井光照不均匀,加之大量粉尘附着于监控摄像头表面,导致获取的视频图像对比度不高且含有大量随机分布的颗粒状噪声。为提高该类图像的对比度,充分发挥矿井视频监控系统的效能,基于提升小波变换（Lifting wavelet transform LWT）,提出了一种矿井不均匀光照图像的自适应增强算法。首先采用直方图规定化算法（Histogram specification,HS）对获取的矿井图像进行初步增强;其次对初步增强后的图像进行提升小波变换,由于图像中的随机噪声主要集中分布于高频小波分解系数中,低频小波分解系数基本不存在噪声,故保留低频小波分解系数,对高频小波分解系数提出了一种基于反正弦函数的改进阈值函数去噪模型进行噪声抑制;然后对低频小波分解系数和去噪后的高频小波分解系数进行重构,得到不含噪声的矿井图像;最后采用双直方图均衡化算法（Bi-histogram equalization,BHE）对去噪后的图像进行进一步增强。将所提算法分别与直方图规定化、反锐化掩膜、小波阈值去噪等算法进行性能对比,并采用峰值信噪比（Peak noise to ratio,PSNR）、均方根误差（Root mean square error,RMSE）以及边缘保持指数（Edge protection index,EPI）等指标对试验结果进行评价,结果表明：所提算法对于矿井光照不均匀图像的处理效果相对于其余算法而言效果较优,对于高效处理矿井视频图像有一定的参考价值。     

基于复小波域的自适应贝叶斯估计SAR图像相干斑抑制算法

提出了一种基于复小波域的自适应贝叶斯估计SAR图像相干斑抑制算法。该方法将传统小波的软阈值去加性噪声的特性与双树复小波变换的方向选择性结合起来,可以自适应选择有效的阈值来保留边缘等细节。应用贝叶斯估计来计算复小波系数的最佳值。该估计算子假设信号和噪声的复小波变换系数分别满足阿尔法稳定分布和高斯分布。实验结果表明该算法的去噪性能优于现有的基于离散小波变换的算法。     

融合小波变换的矿井视频图像非局部均值滤波

矿井视频监控系统的相当一部分图像信息采集传感器处于低照明、高密度粉尘的环境中,导致获取的图像出现忽明忽暗、噪声较多的现象,很大程度上干扰了对井下生产状况的有效监控。为此,将小波阈值去噪算法与非局部均值滤波算法（Non-local means filtering,NLM）相结合,提出了一种井下视频图像去噪算法。该算法对获取的原始矿井视频图像进行单层小波变换,对得到的低频系数和高频系数分别进行如下处理：①将低频系数进行单层小波变换,得到次低频系数1和次高频系数1,对次高频系数1采用改进型小波阈值去噪模型进行噪声抑制后与次低频系数1进行重构,得到低频图像;②将高频系数进行单层小波变换,得到次低频系数2和次高频系数2,对次高频系数2予以舍弃,对次低频系数2采用小波软阈值去噪模型处理后进行系数重构,得到高频图像。对获取的低频、高频图像进行融合,并对融合后的图像进行非局部均值滤波,得到高清晰度的矿井视频图像。采用VB语言对所提算法进行编程试验,并与小波硬阈值去噪模型、小波软阈值去噪模型、非局部均值滤波算法进行试验对比,结果表明：该算法去噪后的矿井视频图像清晰度以及峰值信噪比（ Peak singnal noise to ratio,PSNR）、均方根误差（Root mean square error,MSE）等指标明显优于其余3类算法。     

矿山遥感图像小波域模糊隶属度阈值去噪算法

矿山遥感图像作为一类重要的矿山测量数据,其质量在很大程度上受到矿区成像环境的影响。鉴于小波变换的图像多尺度分析特性,提出了一种小波域遥感图像模糊隶属度阈值去噪算法。该算法首先对失真的矿山遥感图像采用均值滤波算法进行预处理,消除一部分图像噪声。然后对预处理后的图像进行3层小波分解,对于基本不受噪声污染的低频小波分解系数不作处理,根据高频小波分解系数的噪声分布特征,设计了模糊隶属度阈值去噪模型用于去除其中的噪声,该模型对小波软阈值去噪模型进行了2点改进:1根据图像局部区域噪声信息与非噪声信息难以有效区分的情况,设计了模糊隶属度因子,通过设定特定的小波阈值,对不同的高频小波分解系数是否含有噪声进行自适应判定;2顾及到图像小波分解层数以及各高频小波分解系数的幅值,对经典小波贝叶斯阈值计算方法进行了改进。最后将原始低频小波分解系数与去噪后的高频小波分解系数进行重构,得到高清晰度的矿山遥感图像。采用山东兖州矿区的1幅遥感图像进行试验,并引入了边缘保持指数(Edge protection index,EPI)、信噪比(Signal noise to ratio,SNR)进行去噪效果评价,结果表明:所提算法对于失真的矿山遥感图像的去噪效果明显优于小波硬阈值、软阈值去噪模型,并且相对于已有的2类改进型去噪模型,优势也较显著。     

基于改进Prewitt算子的矿井视频图像小波阈值去噪

由于矿井成像环境的复杂性,导致所获取的图像较为模糊且存在一定程度的噪声,有必要采用适当的方法滤除其中的噪声并提高图像的清晰度。为此,提出了一种结合边缘检测的小波域矿井视频图像去噪算法。首先对噪声图像采用均值滤波算法进行预处理;然后对分别从检测模板、自适应阈值设定方法对经典的Prewitt算子进行适当改进,并采用改进的Prewitt算子提取预处理后图像的边缘轮廓信息,从而获得边缘图像和非边缘图像;最后对于非边缘图像,采用一种基于自适应阈值的改进小波阈值函数模型进行去噪处理,该模型充分结合了小波硬、软阈值去噪模型的优势,能够随着小波分解层数的变化自适应调整阈值大小。为了验证该算法的有效性,采用2幅实地获取的山东兖州某煤矿井下视频监控图像进行试验,并与小波硬、软阈值函数模型及2类已有的改进型小波阈值函数模型进行去噪效果对比。结果表明,该算法的去噪效果优于其余几类函数模型,且算法耗时略占优势,对于提高矿井视频监控图像的质量具有一定的参考价值。     

基于DWT与改进中值滤波的矿井视频监控图像去噪

井下光照不均、煤尘浓度大以及视频图像获取设备电路电压不稳定等各类因素的存在,导致矿井视频监控系统获取的图像存在大量噪声,影响了对矿井各类生产信息的准确判读。为此,将离散小波变换(Discrete wavelet transform,DWT)与改进中值滤波算法相结合,提出了一种矿井视频监控图像高效去噪算法。首先,对获取的矿井视频图像进行自适应噪声检测,根据检测结果,对图像采用改进中值滤波算法处理;然后对滤波后的图像进行3层离散小波变换,鉴于图像的噪声信息绝大部分集中分布于高频分解系数中,故对低频分解系数不作处理;最后对高频分解系数采用一种改进软阈值去噪函数模型进行去噪,将去噪后的高频分解系数与原始低频分解系数进行重构,得到去噪后清晰度较高的图像。采用实地获取的山西潞安某煤矿井下视频图像进行试验,并与小波软阈值去噪、中值滤波等算法进行去噪效果对比分析,此外,对各算法的试验结果分别采用信噪比(Signal noise ratio,SNR)以及算法运行时间进行评价,结果表明:新算法对于矿井视频监控图像的去噪效果优于其余2类算法,且算法运算时间也具有一定的优势。     

基于小波域非对称广义高斯模型的煤岩识别算法

针对采煤工作面无人开采、煤与矸石自动分离等工程实际需求,研究了基于计算机视觉的煤岩识别技术。提出了一种有效的基于小波域统计建模的煤岩识别算法。通过小波变换对煤岩图像进行多级分解;提出表达煤岩纹理细节特征的高频子带系数统计分布符合非对称广义高斯模型的假设,并通过最大似然估计方法确定其模型参数;利用改进的相对熵相似性测度实现煤岩图像的分类判别。结果表明:在小波域中,非对称广义高斯模型能够有力地刻画煤岩图像的纹理特征,与现有的其他算法相比较,所提出算法具有更高的正确识别率,其平均识别率达到了87.77%,为进一步研究煤岩界面的自动检测提供了参考。     

基于双边滤波与小波阈值法的矿区遥感图像处理

矿区遥感图像为开采沉陷监测与预计提供了大量的精确数据,对于实现矿区开采沉陷高精度监测与预计发挥了重要作用。由于矿山遥感图像受到矿区复杂的自然环境、成像系统电压不稳定等因素的干扰,导致实地获取的矿山遥感图像在很大程度上受到噪声干扰,图像整体较模糊,难以准确提取有用信息。为此,将双边滤波算法与小波阈值去噪算法相结合,提出了一种矿区遥感图像去噪算法。鉴于双边滤波算法具有较好的边缘保持性能,故首先采用该算法对矿区遥感图像进行处理,以滤除一部分噪声;然后对初次滤波后的图像进行3层小波分解,对分解得到的低频分解系数不作处理,对高频分解系数提出了一种小波域指数型阈值去噪模型进行滤波;最后通过低频分解系数与滤波后高频分解系数重构,获得了高清晰度的矿山遥感图像。采用某矿区2幅遥感图像进行试验,并采用双边滤波算法、小波软阈值去噪模型与新算法进行试验对比,结果表明:新算法在去除噪声的同时,能够最大限度地保持图像细节信息的完整性,其性能总体优于其余2类算法,对于高效处理矿山遥感图像,进而提高矿山开采沉陷监测与预计精度有一定的参考价值。     

基于图像纹理特征的矿井水灾感知方法

现有水灾监测报警方法存在着适应性差、误报和漏报率高等问题,难以满足煤矿安全生产需求。为此,提出了基于图像纹理特征的矿井水灾感知方法:在巷道顶部或巷帮、采煤工作面支架等设置摄像机,实时采集采掘工作面和巷道底板图像;通过双树复小波变换,提取水、煤、岩石图像纹理特征,建立水灾图像识别模型;对学习样本进行双树复小波变换,提取1,2级系数,统计其方差与期望值,利用相应的方差与期望值构造泊松分布模型,并估计其各个方向模型的强度参数。对待测样本同样进行双树复小波变换后,利用1,2级系数的方差与期望值构成的模型强度参数向量与样本参数向量进行皮尔逊相似性比较,最终确定待测样本分类。根据水灾图像识别模型,对实时监测的图像进行识别,当分割图像具有水灾纹理特征时,进行水灾报警。采集了水灾模拟实验图像,建立了图像数据库。对所提出的模型编制了相应的实验程序,进行了模型的训练和实验验证。研究了水、煤、岩石在双树复小波域泊松分布下系数统计值的分布规律,并对模型的性能进行了参数化的评估。通过实验验证了基于图像纹理特征的矿井水灾感知方法的可行性。实验表明,基于图像纹理特征的矿井水灾感知方法,识别水灾准确率大于81%。     

基于小波变换的电力设备红外监控图像滤波算法

针对电力设备红外监控图像,提出了一种改进型的半软半硬阈值去噪函数模型。该模型首先对经典的半软半硬阈值去噪函数模型添加了1个小波分解系数相关性因子,使得改进后的模型能够更好的保持图像细节信息的连续性;然后在对传统全局统一阈值的基础上融入了小波分解层数因素,并结合反正弦函数对其进行了改进,使得改进后的阈值能够根据小波分解层数的变化而快速、灵活地调整。为了验证该模型的有效性,对实地获取的电力设备红外监控图像进行去噪试验,结果表明,本研究提出的阈值去噪函数模型的性能明显优于经典小波软、硬阈值函数模型、半软半硬阈值函数模型,对于高效处理电力设备红外监控图像具有一定的参考价值。     

基于局部放电法的矿用高压电缆信号去噪算法研究

干扰噪声直接影响局部放电法有效检测矿用高压电缆故障。基于局部放电法，综合采用理论计算、仿真实验、现场试验的方法，对比分析了短时傅里叶变换和傅里叶分析去噪法的原理和优缺点，提出了一种矿用高压电缆的局部放电去噪算法——小波阈值去噪法，同时，选择了合理的阈值函数和去噪流程。基于此，采用白噪声和连续周期信号作为高压电缆的干扰噪声，进行了模拟仿真实验。结果表明，小波阈值去噪法可有效抑制白噪声，其中，Db2小波性能和去噪效果最好；同时，现场试验结果显示，去噪后信噪比得到了显著增加，验证了小波阈值去噪法的合理性和可靠性。     

基于Hausdorff距离的光纤陀螺阈值滤波算法

要实现采矿机组的智能化，必须对采矿机械的位姿进行实时准确地控制。由于开采工作面环境复杂，可选用捷联惯性导航技术来实现对采矿机械的监测。光纤陀螺作为捷联惯导系统的核心元件，其随机噪声制约着惯性导航系统的精度。传统的建模滤波及小波消噪方法由于其自身的局限性，不能保证准确性和去噪效果。所以结合经验模态分解（Empirical Mode Decomposition，EMD），提出了Hausdorff距离（Hausdorff Distance，HD）筛选准则与阈值滤波相结合的去噪算法。该算法以本征模态函数（Intrinsic Mode Function，IMF）与原始信号概率密度函数（Probability Density Function，PDF）的Hausdorff距离为判别依据，对所有IMF进行筛选，之后引入阈值对筛选出的IMF进行滤波处理，最后将其与余项重构。通过试验比较了软硬阈值的滤波效果，确定了该算法采用硬阈值。为验证算法的有效性，将该算法与其他3种方法进行比较，仿真信号与实测陀螺静态漂移数据的试验结果表明了该方法的优越性，能够有效降低陀螺的各项随机误差。     

基于Shearlet变换的矿井机电设备视频监控图像处理

矿井机电设备的高效运行是井下安全生产的重要保障,但由于井下粉尘较多、光照不均匀,导致井下视频监控系统获取的机电设备图像较为模糊,影响了对机电设备运行状况的有效监控。为此,将Shearlet变换与图像区域自适应分类方法相结合,提出了一种矿井机电设备视频监控图像处理算法。首先结合图像局部均值和标准差,设计了一种图像块自适应分类方法,将图像自适应分成同质块、非同质块和边缘块等3类图像块,对同质图像块进行维纳滤波;然后对非同质图像块进行多尺度Shearlet变换,得到低频、高频Shearlet分解系数,对高频Shearlet分解系数提出了一种Shearlet变换域自适应阈值去噪函数模型来去除其中的噪声,将原始低频shearlet分解系数及去噪后的高频Shearlet分解系数进行重构;最后,将边缘图像块和去噪后的同质图像块、非同质图像块进行叠加。采用MATLAB语言分别将维纳滤波、小波硬阈值去噪函数模型、小波软阈值去噪函数模型以及所提算法进行编程并进行试验,结果表明：所提算法处理后的图像视觉效果有了较大程度改善,清晰度较好,对于提高矿井机电设备视频监控图像的质量有一定的参考价值。     

小波变换域井下视频监控图像改进阈值去噪方法

通过对井下视频监控系统实时采集的各类开采、地质环境信息进行有效分析,可为制定井下开采方案以及进行灾害救援提供准确依据。由于井下光照不均匀,粉尘较多,严重干扰了监控探头获取高质量的监控图像。为此,结合小波变换方法,提出了一种小波变换域改进阈值去噪方法。该方法首先对井下视频监控图像进行3层小波分解,得到低频和高频分解系数;其次对低频分解系数进行重构,得到空间域背景图像,采用维纳滤波算法进行处理,以去除其中存在的少量噪声;然后根据经典小波硬、软阈值去噪模型的不足,提出了一种改进型阈值去噪模型,该模型可分别根据不同的高频分解系数自适应设定阈值,可有效去除不同分解层高频系数中的噪声,对去噪后的各高频分解系数进行重构,得到空间域细节图像;最后,分别将去噪后的空间域背景图像和细节图像进行叠加,得到去噪后的井下视频监控图像。采用1幅内蒙古某煤矿井下视频监控图像进行试验,并引入了经典小波硬、软阈值去噪模型及2类已有的改进型阈值去噪模型与所提方法进行试验对比,结果表明,所提方法不仅可有效去除井下视频监控图像中的噪声,而且可保持图像细节信息完整性。     

矿井带式输送机胶带表面异物视频检测系统设计研究

由于煤矿输送带视觉场景噪声高、地下环境复杂，输送带图像的异物识别效率较高。针对煤矿带式输送机存在异物造成输送机损坏的问题，提出了基于SSD技术的带式输送机表面异物视频检测方法。采用深度可分卷积方法减少SSD算法中的参数数量和提高速度；采用GIOU函数计算式代替原始SSD中的位置损失函数，以提高检测精度；对特征映射的提取位置和识别框的比例进行优化，以提高检测精度。实验结果表明，改进算法优于原SSD算法，平均准确率从 87.1% 提高到90.2%，检测帧率从32帧提高到41帧。     

基于VMD的大地电磁信号去噪研究

大地电磁信号是解释地质构造的重要信息载体,其受长周期和随机噪声影响严重,导致地质构造的反演结果出现严重的偏差。为了解决该问题,基于变分模态分解(Variational Mode Decomposition,VMD)提出了一种综合性的大地电磁信号去噪算法。对原始电磁信号进行多分辨VMD处理去除长周期噪声,采用小波包阈值去噪法去除信号的随机噪声,使用信号重构得到去噪处理后的大地电磁信号。使用此方法对工程实测大地电磁信号进行处理,结果表明,此方法能够对大地电磁信号的长周期噪声和随机噪声进行抑制,并且极大限度地保存了信号的有效分量,提高了时域信号的周期性,全频分段的视电阻率曲线得到了明显优化。     

基于小波去噪和EMD的齿轮箱故障诊断研究

提出小波去噪和EMD相结合的齿轮箱故障诊断的新方法。该方法首先对原始信号进行小波阈值去噪,将去噪信号利用EMD方法分解为多个IMF分量,计算各IMF分量和原信号的互相关系数,选择互相关系数较大的IMF分量进行Hilbert包络谱分析,提取故障频率。以互相关准则提取IMF分量避免了IMF分量选择的盲目性。对实测齿轮箱故障信号进行了分析,结果表明该方法能够有效地识别齿轮箱故障频率。