矿山井筒视频图像实时配准的改进Sift算法

针对传统矿山井筒视频图像在匹配过程中存在的匹配精度低、实时性不强的问题,提出了一种矿山井筒视频图像配准的改进Sift算法。该算法以Harris角点检测代替Sift算法的极值检测,首先构建高斯尺度空间,提取满足尺度不变形要求的角点特征;然后采用Forsnter算子对提取点进行精确定位,并基于Sift算法的特征描述方式对提取点进行描述;最后利用Ransac法和随机K-D树完成特征点匹配。试验结果表明:改进Sift算法的匹配精度优于优传统Sift算法,可以大幅缩短矿山井筒视频图像配准时间,有助于实现矿山井筒视频图像实时匹配。     

基于改进SIFT算法的矿山井筒视频图像实时配准

针对尺度不变特征转换（SIFT）算法在矿山井筒视频图像匹配时不满足实时性要求,提出了改进的SIFT算法。在保证配准精度的情况下,通过减少尺度变换,构造简单的特征描述子并将Bray Curtis距离作为相似性度量,可以大幅缩短算法执行时间,提高配准精度。实验结果表明,改进的SIFT算法对图像旋转、尺度及亮度的线性变化具有不变特性,运算速度比改进前至少提高4倍,对矿山井筒视频图像具有较好的实时匹配效果。     

基于图像深度特征学习的矿山井筒设施隐患检测方法研究

针对人工完成矿山井筒设施检测时面临成本高和安全威胁等问题，提出利用采集的井筒设施监控视频图像，采用基于图像深度特征学习的矿山井筒设施隐患检测方法对井筒设施进行隐患检测。构建包含大量正常设施图像和少量隐患图像的数据集；同时构建包含特征提取网络和分类网络的并行神经网络作为训练网络，在正常图像集、外部图像集和少量隐患图像数据集上，设计联合损失函数对网络进行训练；通过聚类策略选择具有代表性的正常图像深度特征作为特征模板，通过模板匹配实现隐患图像检测。试验结果表明，在构建的矿山井筒井架设施图像数据集上，所提算法训练的特征提取模型能有效提高图像特征的表达能力，模型的隐患检测精度可达到92%以上，为利用矿山井筒设施图像进行矿山井筒的隐患检测提供了新思路。     

基于三维视频融合的矿山视频监控技术研究

传统矿山视频监控存在视频数据量大、视频图像之间关联性差、缺乏与三维空间位置信息的直接联动等问题,监管人员在面对多个碎片化的监控视频图像时难以有效复现场景及位置,这使得突发事件发生时不能及时解决相关问题,严重影响了应急救援工作及时有效开展。针对以上问题,提出了一种基于三维视频融合的矿山视频监控方法,利用三维视频融合技术,将实时监控视频作为纹理构建几何体,通过特征点选择、匹配与矿山三维模型进行融合,在此基础上为了使三维视频纹理融合效果更好,采用拉普拉斯网格形变算法对视频几何体纹理的畸变进行校正。试验结果表明:三维视频融合具有较强的视觉观感效果,视频与视频之间相互关联,整合了碎片化的视频;视频与三维模型融合,解决了三维空间数据与视频不联动的问题,弥补了传统视频监管技术的不足,丰富了矿山监测的技术手段。     

综采工作面多视觉全局坐标系研究

现阶段综采工作面分布的摄像仪较分散,且煤矿智能化应用多需大场景且高分辨率的图像,井下广角视觉相机与全景相机的引用试图恢复尽可能宽广的综采工作面视野,但是由于设备从单一测点进行图像采集,获得的图像会出现畸变,甚至图像失真,因此有必要进行多视觉全局坐标系的技术研究。介绍图像采集装置的安装设计,使其满足所采集图像有一定重叠且特征稳定,探讨该布置方式下的图像标定方法,利用最小二乘法的方式能更好的进行摄像仪模型的标定,拟合精度高且鲁棒性低。通过对工作面图像进行灰度范围压缩或拉伸,提出一种改进型直方图均衡化方法,提高了工作面低照度情况下的图像细节体现与部分强光下的抑制效果,使得井下环境的辨识度更高,优化其图片质量。通过比较目前比较成熟的特征点提取算法,最终采用Surf算法进行特征点的匹配与提取,分配特征点的主方向并完成特征点的描述子。针对该算法出现的误匹配特征点较多的情况,研究消除误匹配特征点的RANSIC算法,并通过角点检测配对的方式提高了有价值的特征点数量。最终通过坐标点坐标建立透视矩阵表达式与全局坐标系从而完成图像的拼接,采用加权平滑的方法对拼接的图像进行去裂缝处理,最终实现多视觉图片的快速有效融合。试验表明该方法可有效增强井下图像细节,去除井下图像误匹配特征点,可快速消除拼接的裂缝,并能快速准确的完成两、三幅图像的拼接融合。     

改进的ORB-FLANN煤矸石图像高效匹配方法

针对煤矸石分拣机器人分拣煤矸石时,带式输送机输送带打滑、跑偏以及带速波动造成的目标煤矸石位姿变化,从而导致抓取失败或空抓漏抓等问题,提出了一种改进的ORB-FLANN (Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)煤矸石识别图像与分拣图像高效匹配方法。提出改进ORB的特征点检测方法对煤矸石识别图像与分拣图像进行特征点检测,实现快速检测图像特征点;提出改进FLANN匹配算法对图像特征点进行匹配,实现煤矸石识别图像与分拣图像高效匹配。针对传统ORB方法对煤矸石图像特征检测时间长、重复率低问题,提出了改进ORB特征检测方法,提高了图像特征点检测速度和重复率;针对传统FLANN匹配方法对煤矸石图像匹配精确率低问题,提出了融合PROSAC算法的改进FLANN匹配方法,剔除错误特征匹配点对,提高了图像匹配的精确率。在自主研发的双机械臂桁架式煤矸石分拣机器人试验平台上应用文中方法、SURF特征匹配方法、HU不变矩匹配方法、SIFT特征匹配方法和ORB特征匹配方法分别进行了不同带速、尺度、...     

一种基于多尺度特征复用残差网络的矿山图像重建算法

针对矿山图像重建中细节损失导致重建质量低下的问题,提出了一种基于多尺度特征复用残差网络的矿山图像重建算法,旨在提高矿山场景下图像重建的精度和效率。首先,设计了一个多尺度特征提取模块,通过堆叠多个并行的卷积层和池化层,结合局部残差网络构建图像特征提取模块,通过不同尺度的多路组合网络,从输入图像中充分提取图像的多尺度细节特征。这些特征表示具有不同的语义信息和空间分辨率,能够捕捉到图像中的不同细节和纹理结构。然后,引入了特征复用模块,将不同尺度的特征进行融合和复用,以增强图像重建的准确性。通过多尺度的特征交互和信息传递,可以有效地利用全局和局部的上下文信息,提高图像的重建性能。通过在自建的矿山图像重建数据集上进行试验,结果表明:所提出的算法在重建精度和效率方面均得到了显著提升,与其他深度学习模型相比,该算法在重建图像的细节保留和结构准确性方面表现出更好的性能。此外,该算法具有较快的训练和推断速度,适用于实际应用场景。     

煤泥浮选泡沫图像灰度行程及其统计纹理特征

针对煤泥浮选泡沫灰度图像统计纹理特征问题，通过实验室浮选柱试验，采集了大量的煤泥浮选泡沫图像，分析了泡沫图像的类别及特征，提出了描述浮选泡沫纹理特征的灰度行程矩阵提取算法，并进一步提取灰度行程矩阵的行程因子特征参数来描述浮选泡沫的视觉纹理特征，分析了各特征参数随浮选时间的变化关系.研究表明，泡沫灰度行程因子特征参数能够表征浮选泡沫图像纹理特征，并与特定的泡沫状态相关，可为煤泥浮选视觉监控系统提供泡沫状态信息.     

基于物联网技术的矿山井筒安全监测系统设计

为解决矿山井筒安全监测系统中高清视频数据传输效率低及数据不能共享问题,设计了一个基于物联网技术的矿山井筒安全监测系统。系统基于物联网的3层架构,由前端视频采集装置、井上控制装置、视频数据服务器和后台管理软件4个模块组成,介绍了各个模块的功能及其互联方案。系统采用H.264编码协议对高清监控视频进行编码压缩提高传输效率,利用视频数据服务器实现数据共享,并使用多线程并发数据传输方案解决同时接收多个矿井的视频数据传输问题。该系统将视频采集、存储和分析部分通过物联网技术有机结合在一起,有效简化了系统的操作,提高了高清视频数据的传输速率,实现了不同矿井间视频数据的共享。     

基于多颜色分量CLBP提取的浮选泡沫状态识别

针对不同状态的浮选泡沫图像之间纹理结构相似、颜色差异不明显的问题，提出一种基于色调、饱和度和亮度（HSV）颜色空间的完全局部二进制模式（CLBP）纹理提取的浮选泡沫状态识别方法。首先使用双域去噪在保留纹理细节的同时滤除图像噪声，然后转换为HSV图像，在H、S和V颜色分量上分别提取三个尺度的CLBP纹理特征。将提取的纹理特征归一化后线性排列，建立高维度的纹理分类模型。最后通过一对一模式的支持向量机分类器对四类泡沫状态的样本集进行纹理提取后的分类训练与测试。结果表明，该方法对不同浮选泡沫状态的分类正确率较高，优于其他纹理描述方法，适用于浮选泡沫状态的识别。     

一种基于改进光流法的电子稳像算法

针对煤矿井下机载抖动视频序列低照度、低清晰度以及易受噪声影响的特点,提出了一种基于改进光流法的电子稳像算法。算法利用SUSAN算子获取帧间匹配特征点,并提出基于金字塔改进光流模型,实现抖动视频序列的全局运动矢量计算。为克服机载图像中局部运动目标和移动背景的影响,利用RANSAC算法去除误匹配点,提出稳像参考帧的动态更新机制。针对矿下机载摄像抖动的不确定性,运用均值滤波求解运动补偿矢量,在保留主动运动的同时过滤随机抖动。理论分析和实验结果表明,提出的算法不仅保留了光流法获取运动矢量的精度,而且提高了算法的实时性,对于煤矿井下机载抖动视频序列具有较好的稳像效果。     

露天矿滑坡位移监测的ASIFT算法

针对现有的大型露天矿边坡大变形监测方法存在的不足,提出了一种基于ASIFT图像特征匹配算法的滑坡位移监测方法。首先基于露天矿滑坡真实地形空间分布形态,设计了滑坡物理模型,并利用高分辨率数码相机获取模型滑动过程中的序列影像;然后利用ASIFT特征匹配算法对滑坡各阶段光学影像进行特征点提取与匹配,并利用RANSAC随机抽样一致算法剔除误匹配点;最后利用滑坡体运动特征矢量集模型计算出特征点空间矢量位移,从而实现了滑坡位移场标定与滑坡范围确定。研究表明：所提算法对于滑坡蠕变阶段的位移监测效果一般,但可有效监测滑坡中后期发生明显变形时的位移,该算法的特征点匹配数量及匹配正确率均明显优于SIFT算法,且位移矢量标定精度也得到明显提高,反映出该算法适合于大型滑坡后期发生大变形时的位移量监测。     

Relief-MRMR-SVM在煤矸图像分类的研究

煤和矸石的图像分类是实现煤矸自动分选的关键环节。为提高煤矸分选模型的准确性和稳定性,提出了一种结合Relief、MRMR算法及SVM分类器构建的混合式特征选择及分类方法,提取煤矸图像的颜色及纹理共26个特征对其分类进行研究。在提取纹理时联合使用了LBP局部和GLCM全局特征,有助于提高分类的准确性。利用该特征选择方法选出最优特征子集后,用粒子群和支持向量机算法构建PSO-SVM最佳参数模型进行煤矸分类。结果显示,该方法能剔除较多冗余特征,提高煤矸分类的效率|在两个数据集上,该模型的平均分类准确率分别达到96.12%和94.17%,证明了方法的有效性和模型的稳定性。     

基于多尺度卷积神经网络和LBP算法的浮选工况识别

针对泡沫浮选加药状态检测困难、识别效率低和主观性强等问题，提出了一种结合多尺度卷积神经网络(CNN)特征及改进局部二值模式(LBP)计算方法的核随机权神经网络(K-RVFLNs)浮选工况识别方法。首先，对泡沫浮选图像进行非下采样Shearlet多尺度分解，将原始图像分解为不同频率尺度，设计多通道CNN网络对多尺度图像进行特征提取; 再通过改进LBP算法提取特征作为补充，将CNN提取的图像特征与LBP特征进行融合; 最后，通过核随机权神经网络映射到更高维空间进行分类决策，实现浮选加药状态的精确识别。实验结果表明，采用多尺度CNN及LBP-TOP特征融合的方法识别的精度比传统LBP算法提高了5.34 %，比采用单CNN特征的方法提高了3.76 %，结合K-RVFLNs实现浮选工况分类准确率高达96.38 %，识别精度和稳定性较现有方法有较大提升，且减少了人工干预，有利于提高生产效率。     

基于LBP和GLCM的煤岩图像特征提取与识别方法

针对煤矿开采工作面无人化要求,提出一种基于LBP和GLCM的煤岩图像特征提取与识别方法。采用LBP算法判断煤块与岩石纹理存在差异性,然后通过GLCM实现煤块与岩石图像在水平、直角、45°、135°方向上的灰度共生矩阵,并完成对能量、熵值、对比度、逆差分矩等4个煤岩图像纹理特征参数提取。试验表明:LBP算法在检测煤块与岩石局部纹理特征差异的过程中,具有一定的高效性,但存在不足,后续通过GLCM提取的煤岩图像特征参数,可以找到适用于煤岩分类的特征参数,增加煤岩识别的鲁棒性。     

人脸图像自动校准研究

研究了利用计算机实现人脸图像的自动校准方法。在YCbCr色彩空间中建立肤色特征的二维高斯模型,并根据二维高斯模型进行图像肤色二值化。对面积稍大的每个连通区域进行模板匹配,在每一区域中找出匹配最佳的部分作为人脸区域,完成人脸检测。在检测出的人脸区域中,根据亮度信息和肤色二值化图像反色来定位人眼,最后将提取出的人脸图像进行归一化处理,包括几何归一化和灰度归一化。实验结果表明,校准率较高,具有较强鲁棒性。     

一种抗几何攻击数字水印改进算法

主要研究抗几何攻击的数字图像水印算法。利用SIFT特征点匹配的思想对基于图像的视觉特征算法进行改进。实验结果表明,改进算法不仅能够抗常规攻击,而且抗几何攻击能力也非常强,尤其是算法的通用性得到进一步提高。