基于图像纹理的煤岩识别研究

煤岩识别对实现采掘面无人开采具有重要的意义。由于煤、岩石在纹理上的巨大差别,提出了基于图像纹理的煤岩识别研究。利用灰度共生矩阵(GLCM)分别对煤、岩石图像纹理进行特征提取,然后再应用RBF神经网络分析处理所得到的纹理特征数据,进而实现对煤岩的分类识别,通过验证,该方法准确率高,操作简单,值得推广。     

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。     

基于灰度和纹理的煤与矸石特征提取研究

探讨煤与矸石图像在灰度与纹理上的异同,应用图像处理技术对煤与矸石图像进行预处理、图像分割,采用灰度特征和纹理特征相结合的方法进行特征提取,并在Matlab上仿真实现。研究结果表明灰度和纹理能有效的描述煤与矸石的特征,具有较好的鉴别能力,可为煤与矸石的识别和分选提供参考依据。     

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。     

不同混合度下液体介入难辨别煤矸红外图像识别准确率

高准确率的煤矸自动识别对综放开采智能放煤至关重要。针对灰度差异较小的难辨别煤矸种类,提出了“液体介入+红外检测”的煤矸识别新思路,进行了不同混合度下液体介入煤矸识别试验,获得了不同时刻煤矸混合试样的红外图像,借助ImageJ图像处理软件定量计算了煤矸图像的混合度,深入分析了煤矸混合度、介入时间、图像处理方法对液体介入煤矸识别准确率的影响,并从红外温变速率场的角度探讨了提高液体介入煤矸识别准确率的技术路径。研究结果表明：“液体介入+红外检测”方法可有效提高难辨别煤矸识别准确率。不同的煤矸混合度条件下,液体介入后红外图像中煤样所在区域均出现显著温降现象,可作为煤矸混合度自动识别的基础。当混矸率较低时,煤样温度在煤矸红外图像变化中起控制作用;当混矸率小于20%时,煤矸识别准确率随混矸率增大而增大,液体介入后10 s内的平均准确率约85.78%;混矸率在20%～60%内识别准确率较高且较为稳定,平均准确率约为94.38%,且液体介入时间对其影响很小,高准确率区域呈现“倾斜条带状”分布特征。当混矸率大于60%后,不同处理方法的识别准确率均值随混矸率增大呈下降趋势且离散性急剧增加;煤矸图像平均红外...     

不同照度下煤矸图像灰度及纹理特征提取的实验研究

研究煤和矸石在不同照度下的响应特性,设计了差异照度煤矸图像采集系统,进行了煤矸图像采集实验,建立了煤矸灰度子图像数据库,对数据库中的子图像的灰度、纹理特征进行了提取,通过定义归一化特征差异指数以及基于支持向量机(SVM)对实验数据进行了分析与讨论。结果表明:在同一照度下,煤和矸石在灰度及纹理特征上存在差异,且随着照度的改变,煤和矸石的特征也发生变化,同时两者的变化规律存在显著差异。基于不同特征的SVM分类器的识别正确率不同,照度的变化也会对分类器的识别正确率产生影响;当考虑照度因素后,分类器的识别正确率最大增加了13.31%,此外基于多特征多照度融合的SVM分类器性能较好,识别正确率为98-39%。     

基于模糊纹理谱的浮选泡沫图像纹理特征提取

提出一种基于模糊纹理谱的浮选泡沫图像的纹理特征提取方法.该方法根据人眼感知特点定义了一种基于非线性函数的隶属度函数,依据相邻像素与中心像素的灰度变化大小关系统计其模糊纹理单元,计算模糊纹理谱,提取有效描述浮选泡沫纹理的新特征参数一纹理复杂度.并以工况相对稳定情况下的泡沫图像为例,对所提出的方法进行了验证分析,结果表明其有效性,并获得了浮选泡沫的最佳纹理复杂度区间,对浮选的优化操作提供重要的指导意义.     

基于灰度共生矩阵的煤与矸石自动识别研究

为提高煤与矸石识别率,提出了一种基于灰度共生矩阵的煤与矸石纹理特征自动识别方法。分析灰度共生矩阵的基本原理、特征参数,利用灰度共生矩阵提取煤与矸石图像的角二阶距、相关性、对比度和熵这四个特征作为纹理特征,用支持向量机进行识别,并在MATLAB上仿真实现。研究结果表明:用灰度共生矩阵提取纹理特征、用支持向量机识别的方法能有效的描述煤与矸石的纹理特征,为煤与矸石的识别和分选提供重要参考依据。     

基于视觉技术的煤岩特征分析与识别

为研究煤岩自动识别技术,提出了一种基于视觉技术的煤岩特征分析与识别方法。首先根据煤和岩石图像分析煤岩纹理差异;然后根据灰度共生矩阵分别计算煤和岩石纹理特征向量;最后选择计算出的纹理特征向量作为神经网络输入来分别识别煤和岩石2种情况。实验结果表明,煤和岩石纹理特征值差别较大,采用能量、对比度、相关性和熵作为特征向量均可实现煤和岩石自动识别,且以熵值作为特征向量的煤岩识别效果最好。     

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%。     

边缘融合的多字典超分辨率图像重建算法

由于煤矿井下特殊的环境导致井下图像一般比较模糊和边缘特征比较弱,而目前基于字典学习的图像超分辨率重建算法通常是将全部图像块利用训练的单一字典进行重建,忽视了各图像块之间的差异性,不利于重建边缘不清晰的矿井图像。结合矿井图像特征提出一种边缘融合的多字典超分辨率图像重建方法,该算法根据各图像块的梯度统计信息将图像块进行分类并训练对应的字典库,重建时将不同字典重建的图像块融合成完整的高分辨率图像;此外为了提高图像的边缘信息,预处理阶段低分辨率图像进行边缘融合以增强边缘特征,重建的高分辨率图像利用学习的先验知识进行边缘融合以修正重建过程中出现的误差。实验表明,该算法的重建效果优于其它基于字典学习的超分辨率图像重建方法,能够很好地重建图像的边缘细节,并抑制重建过程中产生的重影和振铃效应,平均PSNR值提高1.19 d B。     

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。     

基于煤矿视频监控系统的图像增强方法研究

针对煤矿视频监控系统中采集的井下图像质量差的问题,提出了一种先在空域上采用中值滤波降噪,然后用自适应直方图均衡进行增强处理的方法,可以有效地降低煤矿井下的脉冲噪声,增强了井下低对比度图像的可视化效果。实验证明,该方法可以增强煤矿井下图像的清晰程度,使煤矿视频监控系统更好地发挥功效。     

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。     

基于视频技术的煤矿在线应急预警系统研究

研究基于视频技术的煤矿在线应急预警系统,提升煤矿在线应急反应能力和预警能力。该系统由矿井内控制层、地面网络层和在线应急预警层组成,矿井内控制层利用传感器、USB摄像头等设备,通过V4L2视频图像采集技术采集视频图像;地面网络层通过视频监控设备控制视频监控、地面控制等设备,并利用视频处理服务器采集矿井现场视频数据和完成报警,同时这些矿井现场视频数据传输至在线应急预警层;在线应急预警层使用模糊积分法构建在线应急预警模型,实现煤矿在线应急预警,并向客户端发出预警通知信息。实验表明,当视频图像数据量为8 000 h,系统传输耗时仅为0.8 s,在线应急反应能力好;预警的矿井应急程度与实际矿井应急程度一致,在线应急预警性能卓越。     

基于视频技术的煤矿监控系统设计

为加快智能矿山建设,针对煤矿带式输送机、水泵房等重要设备监测中存在的问题,建立了煤矿智能监测和识别系统,介绍了其组成和实现功能。由于煤矿的低照明和低对比度,从视频监控系统捕获的图像有时不太清晰,针对煤矿的特殊环境,提出了一种图像增强的方法。该方法首先通过中值滤波降低了以煤矿噪声为主的脉冲噪声,然后改进了自适应直方图均衡,大大提高了对比度和照度。实验结果表明,该方法能有效地提高井下图像的质量。煤矿监控系统集成了数据采集、视频监控、智能分析和故障报警等功能,智能监控了井下生产现场和大型设备,实现了无人值守操作,为数字矿山建设提供了强有力的支持。     

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。     

基于倾斜摄影技术的煤矿地区土地利用动态变化预测系统

设计了基于倾斜摄影技术的煤矿地区土地利用动态变化预测系统,有效预测煤矿地区土地利用动态变化,为煤矿地区土地合理利用与管理提供可靠参考依据。利用无人机倾斜摄影技术采集煤矿地区土地利用相关数据,对土地利用动态变化预测数据执行单独存储操作,调用各类地图与土地利用变化数据库数据,将其传输到土地动态预测中心,通过采集土地利用图像的增强去噪、畸变纠正后,生成并存储土地利用DSM图像,经DSM数据中相对应的土地高程值提取,实现土地利用动态变化预测。实验结果表明,该系统可有效预测煤矿地区土地利用的动态变化,满足实际煤矿区土地利用动态变化预测工作需要;图像增强及畸变纠正后,图像色彩、光线、饱和度以及清晰度均有所提升,且不再倾斜。