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。     

矿山遥感图像自适应加权改进中值滤波算法

矿山遥感图像的质量受成像区域环境的影响较大,加之成像器件固有的缺陷,易导致获取的图像存在一定程度的失真,影响对遥感图像的判读和分析。为此,在中值滤波（Median filtering,MF）算法的基础上进行了加权改进,提出了一种适合于遥感图像处理的自适应加权改进中值滤波算法（Adaptive weighted improved median filtering,AWIMF）。首先将遥感图像划分为多个尺寸为7 ×7的图像块,对每个图像块分别统计像素点灰度极大（小）值,将该类像素点标记为第1类疑似噪声点;其次计算每个图像块的像素点灰度中值,将各图像块中的每个像素点灰度值与对应的像素点灰度中值作差,将较大差值对应的像素点标记为第2类疑似噪声点,将2次检测均被标记为疑似噪声点的像素点确定为噪声点;然后,以每个噪声点为中心选取尺寸为5× 5 的滤波窗口,根据滤波窗口内各像素点灰度值与所在滤波窗口的像素点灰度中值的差值计算权重,分别将各像素点灰度值与对应的权重进行加权计算,实现对噪声点的高效滤波;最后,采用直方图规定化算法（Histogram specification,HS）对滤波后的图像对比度进行调节。采用内蒙古白云鄂博矿区遥感图像进行试验,结果表明,所提算法的性能相对于中值滤波及其已有的几类改进型算法而言,优势较明显。     

矿区沉陷DEM多重滤波方法研究

针对传统地表移动监测方法周期较长、工作量大的问题,通过无人机LiDAR和点云滤波获取地面点云,并构建沉陷DEM,实现地表沉陷监测的方法具有快速、高效的优势;由于现有点云滤波和插值算法构建的沉陷DEM模型仍会包含噪声,限制了该技术在矿区的普及,因此,进一步研究了沉陷DEM噪声的去除方法,对比分析了多重滤波与经典滤波方法。实验分析结果表明：在几种去噪方法中,中值滤波组合维纳滤波的去噪效果最好,保留了下沉盆地的细节特征,能够满足矿区地表形变监测的基本要求。     

双树复小波变换域矿区遥感图像自适应滤波

矿区遥感图像因受成像环境、成像器件固有缺陷等因素的影响容易出现不同程度的失真,为此,结合双树复小波变换（Dual-tree complex wavelet transform,DTCWT）多尺度图像分析的优良特性,提出了一种矿区遥感图像自适应滤波算法。首先对获取的视觉效果不佳的遥感图像进行直方图均衡化处理,使得增强后的图像灰度分布较为合理,提高图像的对比度;然后对增强后的图像进行双树复小波变换,对获得的高频分解系数采用改进的多级中值滤波算法进行处理;最后,将低频分解系数与滤波后的高频分解系数进行逆双树复小波变换。其中改进的多级中值滤波算法相对于经典多级中值滤波算法进行了2点改进：①将原有的4个方向滤波窗口扩展为7个,更有利于保持图像中信息的多方向特性;②对新增设的3个滤波窗口分别进行加权中值滤波,将上述7个滤波窗口的滤波值采用一种基于图像灰度值相关性的判别方法进行处理,剔除与待滤波像素点相关性不强的滤波值,将剩余的滤波值计算均值输出;MATLAB平台试验结果表明：新算法的总体性能相对于经典多级中值滤波、中值滤波、双边滤波等算法而言,优势较为明显。     

矿井视频监控图像改进非局部均值滤波算法

矿井成像条件较为复杂,导致视频监控系统所获取的图像往往具有对比度低、且参杂大量随机噪声的特点,给实时监控矿井生产状况带来了不便。为此,采用灰色关联度法改进非局部均值滤波算法,提出了一种矿井视频监控图像改进非局部均值滤波算法。该算法首先对原始矿井视频监控图像采用均值滤波算法进行预处理,得到预滤波图像,分别对原始矿井视频监控图像和预滤波图像划分为5×5大小的图像块,将该2幅图像中对应位置图像块的像素点灰度值集合分别记为待比较序列和参考序列,计算其灰色关联度值,将较小的灰色关联度值对应的原始矿井视频监控图像中的图像块标记为疑似噪声图像块;其次对每个疑似噪声图像块分别统计其像素灰度极大、极小值,并将该类像素点标记为噪声点;然后以每个噪声点为中心取大小为3×3的图像块,进行非局部均值滤波;最后对滤波后的矿井视频监控图像采用直方图均衡化方法进行对比度拉伸,改善图像的视觉效果。试验结果表明：本研究算法无需对图像中每个像素点灰度值进行逐一滤波,提高了图像处理效率,有助于实现矿井视频监控图像的高效处理。     

江西盘古山钨矿区开采沉陷预计的GA-SVA算法

传统矿山开采沉陷监测方法存在耗时较多且精度不高等不足,且难以对矿区开采沉陷发展趋势进行准确预计。以江西盘古山钨矿区为例,将遗传算法(Genetic algorithm,GA)与支持向量机(Support vector machine,SVM)算法相结合,提出了一种基于GA-SVM算法的开采沉陷预计方法。首先利用遗传算法(GA)对支持向量机(SVM)进行选择、变异和交叉,生成精度符合要求的数据集群;然后采用GA-SVM算法对概率积分法开采沉陷预计参数进行了训练,对矿区开采沉陷进行了预计。研究表明:基于GA-SVA算法的开采沉陷预计值与实测值的误差小于5%,基于该算法的预计值构建的矿区数字高程模型(Digital elevation model,DEM)与基于实测数据构建的数字高程模型(DEM)具有高度的一致性,表明利用所提算法预计矿山开采沉陷具有较高的精度。     

一种改进的遥感图像去噪自适应中值滤波算法

遥感图像在其获取、传输的过程中,受多种因素的影响,会含有大量噪声而使图像降质。文中在分析标准的中值滤波算法和自适应中值滤波算法的基础上,结合均值去噪提出了一种改进自适应遥感图像去噪方法。通过MATLAB实验证明:在噪声密度较大时,该算法能有效的滤除遥感图像椒盐噪声,同时可更好的保存原始图像的细节和边缘信息。与其它传统方法相比,文中介绍的方法更具有一定的优势。     

基于小波阈值法的矿山遥感图像非局部均值去噪

矿山遥感图像在获取、压缩、传输、解码的过程中易混入大量随机噪声,导致图像清晰度较低,难以直接进行分析研究。为此,将小波变换与非局部均值滤波算法(Non-local means filtering algorithm,NLM)相结合提出了一种基于小波阈值法的矿山遥感图像非局部均值去噪算法。该算法首先结合小波硬阈值、软阈值去噪模型以及现有的改进型小波阈值去噪模型的特点,建立一种改进型小波阈值去噪模型并用于去除遥感图像中的随机噪声;然后将原始遥感图像与小波去噪后的图像作差运算,得到原始差值图像,再对原始差值图像进行非局部均值滤波,得到滤波后的差值图像;最后将小波去噪后的图像与滤波后的差值图像进行融合。采用MATLAB语言编写程序,试验数据为白云鄂博矿区的2幅遥感图像,采用峰值信噪比(Peak signal noise to ratio,PSNR)和算法耗时等指标对算法去噪效果进行评价。试验结果表明:所提算法的去噪结果明显优于小波软阈值去噪模型及非局部均值滤波,此外,该算法耗时相对于其余2类算法而言也有一定的优势,对于提高矿山遥感图像的判读精度有一定的参考价值。     

基于无人机LiDAR的榆神矿区采煤沉陷建模方法改进

煤矿地表沉陷监测中常规的大地测量和InSAR等遥感手段均有一定的局限性。利用无人机LiDAR对沉陷区进行地面扫描,通过多期数据叠加可快速获取地表沉陷盆地的精细特征。然而,按现有的主流点云滤波及插值算法所构建的沉陷模型往往包含显著噪声,限制了该技术在矿区的实际应用。以榆神矿区某开采工作面地表为实验区,针对其地形起伏而植被覆盖度较低的地理环境,利用低空无人机Li DAR获取2期4组地面点云数据,结合常规地表移动实测数据,研究基于激光点云的矿区沉陷建模改进方法。分别采用专业化数字高程模型插值、反距离权重插值、克里金插值、自然邻域插值、样条函数插值及三角网渐进加密滤波、基于高程阈值的滤波、多尺度曲率滤波、基于坡度阈值的滤波、渐进形态学滤波等主流点云插值和滤波算法,构建实验区数字高程模型(DEM)并进行误差对比分析,发现专业化数字高程模型插值及三角网渐进加密滤波算法的效果相对较优,但两期DEM叠加生成的初始沉陷模型仍然精度不足,主要包含点云平面位置误差、非地面点噪声、点云内插误差、水域覆盖范围变化等引起的模型误差。在分析上述误差分布特征及其改进途径的基础上,提出基于小波阈值的沉陷模型去噪优化方案。针对沉陷盆地和非沉陷区域选用不同的小波参数,先利用非沉陷区下沉值为零的先验条件,对全区域数据进行多层次小波分解,再对沉陷区进行低层次小波分解,最后将两者结果进行镶嵌处理。实测验证表明,经上述小波去噪后的沉陷模型精度得到显著改善,并有效保留了沉陷盆地的细节特征,沉陷模型的总体标准差在50 mm以内,能够满足西部矿区地表大变形监测的基本要求。进一步根据沉陷模型边缘的随机误差特征,提出了基于下沉坡度临界值的沉陷边界提取方法,为机载LiDAR技术用于西部矿区采煤沉陷的高效监测与精细建模提供了可行方案。     

融合概率积分模型与D-InSAR的开采沉陷预计

矿区地表植被多,开采沉陷速度快、量值大,所产生的地质灾害较一般性的地表沉陷严重,极易使得2景SAR影像失去相干性,造成解缠错误。针对矿区SAR影像相干性较低、下沉盆地中央相位值易丢失的情况,结合合成孔径雷达干涉差分技术（Differential interferometric synthetic aperture radar,D-InSAR）和基于遗传算法的概率积分模型,提出了一种矿区开采下沉盆地预计方法。以该方法利用矿区下沉盆地边缘一定数量的相干系数较高且下沉较明显的D-InSAR监测值和下沉盆地中央最大下沉点与拐点附近的少量观测值对某矿II3720工作面进行试验,首先利用概率积分模型反演概率积分法预计参数并采用遗传算法进行多次优化,然后利用得到的参数对该工作面下沉盆地进行模拟预计,结果表明：通过该方法得出的下沉盆地参数及下沉值与实测值较接近,有助于弥补由于矿区SAR影像干涉效果不佳而导致的预计精度不高的不足,通过少量的观测数据可较为有效地预计矿区下沉盆地,对于提高矿山开采沉陷监测与预计的精度有一定的参考价值。     

矿井视频图像小波域改进非局部均值滤波

由于井下粉尘较多,光照不均匀,易导致矿井视频图像中含有大量噪声,实时获取的矿井视频图像整体较模糊,影响了对其进行分析判读。对此,基于小波变换,提出了一种小波域矿井视频图像滤波算法。该算法首先对矿井视频图像进行2层小波变换,对获得的低频和高频小波分解系数分别进行逆小波变换,得到空间域原始图像的低频图像和高频图像;其次根据低频图像对比度较低、基本不受到噪声干扰的特点,对其采用同态滤波算法进行增强处理;然后,在对非局部均值滤波（Non-local means filtering,NLM）算法特点分析的基础上,分别从相似性权重计算、图像块搜索范围自适应确定等方面对其进行了改进,提出了一种改进型非局部均值滤波算法（Improved non-local means filtering,INLM）,采用该算法对高频图像进行去噪处理;最后将增强后的低频图像和去噪后的高频图像进行叠加,得到质量较高的矿井视频图像。采用一幅贵州省兴仁县王家寨煤矿井下视频图像进行试验,并将文中所提算法与非局部均值滤波算法及其2类改进型算法进行性能对比,采用结构相似度指数（Structure similarity,SSIM）、均方根误差（Root mean square error,RMSE）等指标对各算法性能进行评价,结果表明：新算法对于矿井视频图像的处理效果优于其余算法,对于高效处理矿井视频图像有一定的参考价值。     

基于噪声检测的矿井视频监控图像投票中值滤波

矿井视频监控由于受到井下光照不均匀、高浓度粉尘、成像器件电压不稳定等因素的影响,导致实时获取的图像对比度不高且含有大量的颗粒状噪声,严重影响对图像的准确判读与分析。为此,对经典中值滤波算法进行了改进,提出了一种融合噪声检测策略与投票统计学原理的改进型中值滤波算法。首先对获取的原始矿井视频监控图像采用双平台直方图均衡化算法(Double platform histogram equalization,DPHE)进行处理,该算法通过对图像各灰度级对应的像素点数目设定2个阈值(平台值)对图像背景信息进行抑制,对图像细节信息进行增强;然后将增强后的图像划分为多个规则图像块,根据各图像块内像素点灰度值的分布特征设计了一种噪声图像块自适应检测方法,若某图像块内的灰度值异常点数目超过一定限值,则该图像块被标记为噪声图像块;最后,对噪声图像块进行投票中值滤波。采用C++语言对所提算法进行了编程,并采用2幅采集于某煤矿井下综采工作面的视频监控图像进行试验,结果表明:所提算法对于不同失真程度的矿井视频监控图像的处理效果优于中值滤波、直方图均衡化等算法,对于最大限度地发挥矿井视频监控系统的作用有一定的参考价值。     

基于BDND的脊波域井下视频图像改进中值滤波算法

井下视频图像总体上色调偏暗,目标信息对比度不高,且由于井下存在大量粉尘,导致图像中存在高密度的随机噪声,增加了图像判读与分析的困难。为此,首先对井下视频图像进行多尺度脊波分解,对分解得到的低频系数和高频系数分别进行系数重构,得到井下视频图像的背景图像和细节图像;其次,根据背景图像灰度直方图的分布特征,采用高斯分布函数进行规定化处理;然后,在分析中值滤波（Median filtering,MF）特征的基础上,采用边界判别噪声检测方法（Boundary discrimination noise detection,BDND）对其进行改进,提出了一种基于BDND的改进中值滤波算法并用于处理细节图像,该算法根据细节图像局部区域灰度值的分布特征,设定2个自适应阈值t₁和t₂,将经过2次噪声检测后处于［t₁,t₂］区间内的灰度值对应的像素点标记为非噪声点,对其余像素点分别进行中值滤波;最后,对于直方图规定化处理后的背景图像和滤波后的细节图像进行叠加。采用C++语言对所提算法进行编程试验,结果表明,该算法对于不同模糊程度的井下视频图像均有较好的滤波效果,其性能相对于中值滤波、加权中值滤波、开关中值滤波等同类算法而言有了一定程度的提升。     

矿井视频监控图像改进模糊中值滤波算法

由于矿井空气粉尘较多且光照不均匀,导致井下视频监控系统获取的图像含有大量噪声且明暗不均,在一定程度上影响了对井下生产状况的实时有效监控。为此,提出了一种改进模糊中值滤波算法。首先设计了一种自适应改进模糊隶属度系数计算方法,该方法将图像滤波窗口内像素点的灰度最小值、最大值、均值等作为阈值来计算不同像素点灰度值的模糊隶属度系数,克服了经典模糊隶属度系数计算时需设置大量阈值的不足;然后根据模糊隶属度系数进行模糊加权中值滤波,并对滤波后图像的灰度直方图进行了均衡化处理。采用C#语言编写算法运算程序,试验数据为2幅某矿井视频监控图像,试验中引入了模糊中值滤波、加权中值滤波、开关中值滤波等算法进行对比分析,并对各算法的试验结果采用峰值信噪比（Peak signal noise to ratio,PSNR）和算法耗时2个指标进行评价,结果表明：改进模糊中值滤波算法相对于其余3类算法而言不仅去噪效果较优,而且耗时较少,对于批量处理矿井视频监控图像有一定的参考价值。     

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。