图像检索中基于OC-SVM的主动相关反馈算法

提出一种单类支持向量机(One-Class Support Vector Machine,OC-SVM)和主动学习相结合的图像内容检索方法.在相关反馈过程中选择最具信息的样本训练支持向量机,在保证检索机性能的前提下,可有效减少相关反馈的次数和所需学习样本的数量,通过两者的互补来有效地提高图像检索的精度.试验表明,该方法较好地解决了图像检索中的小样本、样本不对称及反馈样本选择问题,能够显著提高图像检索的效率和性能.     

基于计算机的色彩图像检索方法探究

文章提出一种新的基于计算机的色彩图像检索方法,阐述了基于内容的图像检索的概念、必要性和现实意义。该方法不仅精度高、速度快,还能保证图像内容描述的精确性,能够较好地满足人的视觉感受。最后讨论了本领域的研究发展和应用现状。     

探讨基于多小波的图像融合技术

基于多小波的图像融合具有良好的效果,具备比较直观等优点。文章剖析了多小波图像融合的原理,重点研究了基于多小波的图像融合的实现,涉及到多小波基、多小波分解层数及融合规则的合理选择,通过实验分析基于多小波图像融合技术的有效性。     

基于序列图像学习的巷道掘进机定位方法

煤矿综掘工作面受限于狭小空间、工艺繁杂、环境恶劣等特殊条件,导致用工多、安全性差、效率低等问题,亟需研发更加安全高效的智能化掘进技术与装备。巷道掘进机作为综掘工作面的核心设备,对其智能化进行研究具有重要的社会价值和经济意义。为实现巷道掘进机的智能化作业,首先需要解决的关键问题是为掘进机机体定位,精确、鲁棒的机体位姿检测方法是保障巷道智能掘进有效性的首要条件。因此,针对巷道掘进机机体定位问题,提出了一种基于时间序列图像学习的机体绝对六自由度位姿实时检测方法。首先,通过在掘进机机体安装一台单目相机,并在掘进机后方设置人工特征对象,设计适用于巷道狭长、非结构化环境的视觉定位方案。然后,提出用于时间序列图像融合的深度学习模型,其中,使用一种训练好的多尺度变分自编码器辅助的卷积神经网络（MSVAE-CNN）的编码器模型提取时间序列图像中每个样本的多尺度潜在空间特征,以保证图像特征提取的鲁棒性;基于双向长短期记忆（LSTM）网络构建时间序列图像特征融合模型,并同时估计所有时间步图像样本对应的机体位姿参数,当推理某个时间步图像对应的位姿参数时,其他时间步的信息都可作为先验知识,通过学习图像样本之间的...     

图像分割的多尺度方法研究

作为一种典型的多尺度(或多分辨)分析工具,小波变换已经在很多的信号与图像处理的任务中得到了成功的应用。首先分析了现有的图像分割方法,指出了图像的多尺度特性,以及利用小波变换挖掘图像的多尺度特性的必要性。在分析了小波变换的原理、步骤的基础上,研究了多尺度方法在图像分割问题中的应用。     

利用遥感图像进行土地利用分类方法的研究

以徐州市1987年9月的Landsat TM 影像为信息源，利用3种方法对徐州市的土地利用进行了分类，并对分类结果进行了分析对比，最后提出用综合阈值法对城市土地利用进行分类，此方法能很好地区分城镇用地和裸地等不容易区分的地类，有效地降低混合像元带来的影响，提高土地利用信息的精度.     

基于字典学习的煤岩图像特征提取与识别方法

现今的煤岩图像识别方法取得了一些阶段性的成果,但还无法满足实际需求。为了挖掘新的煤岩图像识别方法,研究了基于字典学习的煤岩图像特征提取与识别技术,提出用字典学习算法提取煤岩图像特征。字典学习算法采用随机选择的方法对字典进行初始化和更新。结合分类算法对煤岩图像进行分类识别,结果表明:通过字典学习,能简单有效表达煤岩图像的特征信息,获得了较高的识别率,且该特征提取方式具有较好的发展前景。研究结果可为煤岩界面的自动识别提供新的思路和方法。     

基于深度学习的矿用设备焊缝图像特征提取

在基于线结构光视觉传感器的焊缝跟踪系统技术中,激光条纹提取的精度和速度是2个关键指标。在实际的焊接过程中,视觉传感器所采集的图片包含大量复杂的噪声,从而影响了激光条纹提取的精度。为了快速提取焊缝图像中的激光条纹,提出了一种改进的轻量化UNet网络。实验结果表明,所提方法能够满足激光条纹提取任务的精度和速度的要求,具有一定的应用前景。     

基于多小波变换的遥感图像模糊融合算法研究

基于多小波变换方法,提出了一种针对多光谱图像和全色图像的像素级遥感图像模糊推理融合算法.该算法首先利用IHS变换对多光谱图像进行颜色空间转换,然后对1分量和灰度拉伸后的全色图像进行多小波分解分别得到高频部分和低频部分图像.针对高频图像抗噪能力差的问题,提出了一种基于模糊推理的加权融合规则.对融合后的图像进行多小波重构和...     

基于图像分割的煤岩孔隙多尺度分形特征

根据煤岩孔隙系统的精确描述对流体运移机理的重要性,对来自6个不同矿区的煤岩进行了扫锚电镜观测,提出了基于扫锚电镜图像分割的煤岩孔隙多尺度分形研究方法.采用了图像分割算法中的灰度阈值分割、Laplacian边缘算子及Prewin边缘算子检测,提取了煤岩扫描电镜(SEM)图片中的大尺度裂隙、边界曲线以及小尺度孔隙特征;采用盒维数法计算了分形维数,研究了多重孔隙介质分形标度律存在的尺度与SEM放大倍数的关系.结果表明:大尺度裂纹分形标度律存在的下限尺度与7 500倍SEM观测尺度相对应;小尺度孔隙分形标度律存在的上限尺度与2 000倍的SEM观测尺度相对应;细观裂纹分维数反映了煤岩渗透性能;边界分维反映了流动边界的迂曲程度相关于流动阻力;微观孔隙分维相关于吸附性能.     

基于平行图像与深度学习的选矿厂设备群升级辅助决策技术

现有选矿厂设备升级辅助决策技术对神经网络的反向微调结果精度较差,导致选矿厂设备的升级优化效果较差。基于平行图像与深度学习算法,设计选矿厂设备群升级辅助决策技术。使用平行图像的方式采集与渲染选矿厂设备信息,标记语义精度样式,计算修正后图像损失函数。应用深度学习训练辅助决策模型参数获取随机单元激活函数,获取循环次数与误差的重构系数。建立选矿厂设备群升级辅助决策模型。实验结果表明,该技术能以最快的速度得到决策结果,且误差较小,选矿厂设备群升级过程的数据精度与完整性可得到保证。     

超声波层析成像技术中图像重建方法的对比研究

地震层析成像是一种调查和认识地下地质结构的有效方法,被广泛应用于工程与地质灾害和地球物理勘探等领域。它包括模型的参数化、正演计算、反演及图像重建、反演结果的评价四部分,其中反演及图像重建是地震层析技术的关键部分。因此,对图像重建算法的研究就尤为重要。在建立数值模型的基础上,通过对ART和SIRT数字化图像重建效果的分析与比较,得出SIRT方法重建图像效果最好。     

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。     

基于嵌入式技术的煤矿井下通信中图像信号处理方法

以提升煤矿井下视频图像呈现能力为目的,提出基于嵌入技术的煤矿井下通信中图像信号处理方法。利用图像采集单元内的CCD摄像机拍摄煤矿井下视频图像后,将其传输到嵌入式FPGA芯片内,该芯片将煤矿井下视频图像信号缓存在SDRAM内后,再利用双口RAM传输到嵌入式DSP芯片内; DSP芯片启动图像信号处理单元内的图像信号处理算法对煤矿井下视频图像信号进行压缩感知和高分辨率重建后,对其进行缓存处理,再利用FLASH视频模块对处理后的煤矿井下视频图像信号实施动态编辑,并将其回传到嵌入式FPGA芯片内;该芯片利用视频D/A转换器输出处理后的煤矿井下视频图像VGA信号,完成煤矿井下通信中图像信号处理过程。实验表明:经过该方法处理后的煤矿井下视频图像信号的峰值信噪比、图像像素密度以及图像信号灰度值均得到了较好的提升,其具备较好的应用效果。     

基于深度学习的浮选精矿品位预测方法

矿浆品位是浮选工艺中关键参数之一,其对于指导生产,节约药剂,控制产品质量和提高回收率等方面都起着非常关键的作用。为了在线预测浮选精矿品位,解决荧光分析仪检测滞后的问题,研究出了一种不需要主观提取特征的基于深度学习的精矿品位在线预测模型,模型的输入为浮选泡沫图像序列、原矿品位值和尾矿品位值,输出为精矿品位值,属于回归问题。对比了主干网络分别为VGG-16,ResNet-50和MobileNet-V2时预测结果的差异,实验结果显示VGG-16的预测精度和鲁棒性最好,平均预测精度达到12.48%。     

基于融合边缘优化的煤矿图像语义分割方法

由于煤矿井下环境恶劣,使得煤矿井下视频获取的图像严重降质,而现有的基于深度学习的语义分割模型在图片清晰化后存在边缘分割模糊的问题,提出了一种采用融合边缘优化模块处理边界信息并运用门控卷积层连接传统特征提取模块并行处理信息的方法;为监督学习轮廓信息,采用二元交叉熵损失函数提高学习效果,并与常规分支的损失函数共同优化模型分割效果。试验结果表明:对已完成清晰化的煤矿井下图像进行语义分割任务时,基于融合边缘优化模块的方法与其他方法相比整体语义分割精度得到提升并且边缘分割精度更高。