基于U-Net和改进分水岭算法的露天矿爆堆矿石图像分割方法

爆破大块率是反映爆破效果的关键指标,其统计精度主要依赖于爆堆矿石图像分割的准确性。由于爆堆矿石图像中存在矿石目标分布密集、边缘对比度低等问题,致使传统图像分割方法难以准确分割爆堆矿石图像。因此,提出了一种基于U-Net和改进分水岭算法的露天矿爆堆矿石图像分割方法,以实现大块率的精准统计。首先利用无人机在哑巴岭露天矿爆破现场拍摄爆堆矿石图像,制作爆堆矿石图像数据集;然后利用深度学习算法建立了UNet网络架构,同时融合了高级语义信息和低级语义信息,建立了爆堆矿石图像分割模型,再利用训练后的模型对爆堆矿石图像进行初步分割,进一步采用基于距离运算的分水岭算法优化了分割结果;最后评估了该方法的分割精度。试验结果表明:该算法可准确分割露天矿爆堆矿石图像,为露天矿爆破大块率统计、爆破效果智能评价提供技术支持。     

一种改进分水岭算法的浮选泡沫图像分割方法

为了解决煤泥浮选泡沫图像分割中传统分水岭算法的过分割问题,提出了一种基于自适应标记提取的改进分水岭算法。该方法首先对浮选泡沫图像进行高斯滤波,再运用基于形态学的扩展最大值技术从泡沫图像中自适应提取标记,利用标记对梯度图像进行修改,最后使用分水岭算法对修正后的梯度图像进行分割。试验结果表明,改进后的算法克服了标记提取需要先验知识、分割过程繁琐等问题,使参数选取更加合理,分割结果更加准确。     

基于改进粒子群优化算法的遥感图像阈值分割

针对粒子群优化算法在其优化过程中所存在的一些问题,引进了恰好可以弥补其不足的捕食搜索算法,从而提出了一种基于捕食搜索策略的粒子群优化算法;进而将基于捕食搜索策略的粒子群优化算法和基于最大熵的多阈值图像分割方法相结合,实现了改进的智能优化算法对遥感图像的分割。     

煤泥浮选泡沫图像分割算法研究

针对工业现场采集的泡沫图像噪声大、对比度低、气泡粘连等特点,提出了一种基于双边滤波与限制对比度自适应直方图均衡的分水岭分割模型。首先通过双边滤波对原始泡沫图像进行去噪处理;其次,针对泡沫图像对比度低的特点,采用限制对比度自适应直方图均衡(CLAHE)增强图像对比度以及防止噪声的放大,最后利用分水岭变换对预处理之后的图像进行分割处理。实验结果证明该模型的有效性,预处理之后分割的图像能够有效改善直接处理所带来的欠分割现象。     

分水岭算法的泥石流边界自动识别

泥石流是一种严重的突发性地质灾害,泥石流灾害信息的自动识别是一项较新的研究课题。综合泥石流灾害的地学原理,运用基于数字形态学的标记分水岭分割算法,探讨泥石流流域的自动识别,并以西藏帕里河流域的SPOT-5全色影像为数据对该算法进行试验。结果表明:算法较好地分割出泥石流流域,在泥石流灾害的自动识别方面具有良好的运用前景。     

高炉渣离心粒化图像颗粒分割研究

高炉渣机械离心粒化过程中,基于图像识别的颗粒分割是实现粒径实时检测的关键因素。针对于高炉渣图像颗粒黏结而给测试带来困难的问题,在对图像做去噪处理后,结合改进的分水岭算法做颗粒分割,实现了黏结颗粒的准确分割。针对分水岭算法缺陷,结合积分图像的快速算法,对颗粒图像做局部阈值的二值化处理,并由形态学做细节弥补,采用了基于形态学重构距离图像算法以改进分水岭算法来分割颗粒图像,提高了处理效率,同时抑制了过分割现象,并准确地分割了黏结颗粒的图像,该算法为准确快速提取颗粒的特征参数奠定了基础。     

基于改进Otsu的煤体CT图像阈值分割算法的研究

煤体CT图像阈值选取的准确性对于三维重建的模型能否还原真实煤体结构至关重要。Otsu阈值分割法(简称Otsu法)对煤体CT图像中孔裂隙结构的过分割,使得三维重建的煤体模型与实际不符。为克服该缺陷,首先探究了Otsu法对煤体CT图像阈值分割失效的机理,并据此确定合适的权重因子修正Otsu最佳阈值选择公式,提出了一种改进的Otsu阈值分割法(MP-Otsu阈值分割法,简称MP-Otsu法)。最后利用MatLab软件检测MP-Otsu法对煤体CT图像的二维分割效果,同时利用Avizo软件对煤体孔裂隙结构进行三维重建并对比改进前后孔裂隙参数的变化。结果表明:煤体内部矿物含量与Otsu法确定的阈值两者之间呈正相关关系。煤体内部矿物组分的存在导致目标和背景区域方差差异大,低孔隙率导致煤体CT图像灰度分布直方图呈单峰分布且不能提供足够的方差信息,这些特征是Otsu法对煤体CT图像阈值分割失效的主要原因。MP-Otsu法引入矿物含量与Otsu阈值的拟合曲线斜率,目标在图像中所占的大致比例等3个权重因子改进Otsu阈值分割法,得到的二值图像与原图像高度契合,能够准确提取孔裂隙目标区域。三维重建的模型孔隙率和最大喉道尺寸与Otsu法相比分别下降了96.18%和80.07%,有效克服了Otsu法对煤体CT图像过分割的缺陷。此研究能为进一步探究与孔裂隙结构相关的煤体物理特性提供基础。     

基于模糊综合评判的在线图像分割

为使矿岩块度在线检测能精确和快速地进行,提出了一种自适应阈值分割算法:首先选取全局自动阈值分割算法粗分割图像,然后针对粗分割效果较差的目标区域,重复利用阈值分割算法直到无区域可分离。在重复分割前,利用模糊综合评判方法对每一个目标物体的参数(尺寸,形状及梯度等)进行综合评价,若该目标为非正常块度,对其进行重复分割。通过对一次矿山爆破的300多幅矿岩块度图像进行测试表明:在线图像分割算法与新近的聚类分析及图论最小割算法相比,不仅简单而且具有较好的分割效果,在保证在线处理速度的要求下,分割准确率达95%以上,可有效地扩展应用在其它颗粒在线检测系统中。     

煤泥浮选泡沫图像分割与特征提取

针对在煤泥浮选泡沫图像中的煤泥气泡互相粘连、边界模糊的情况,根据分水岭变换模拟浸水原理,提出一种新的、有效的分割算法,同时应用数学形态学中的腐蚀和膨胀算法,解决了经典分水岭算法不能处理的过分割和欠分割问题,使得粘连的煤泥气泡得到了有效的分割.然后计算出各个煤泥气泡的横截面积、周长、形状等物理特征参数,这些参数是实现自动控制浮选过程的重要依据.     

蜣螂算法优化k-means在煤矸石图像分割的应用

针对煤矿井下光照不均匀,采集图像的噪声点会给图像分割带来一定难度,以及k-means算法的k值选择没有参考性需要大量实验等问题,提出一种基于蜣螂算法优化k-means的方法,将蜣螂优化与SSA搜索算法进行对比实验,结果表明收敛速度平均提升了40.58%,适应度值平均降低了31.3%,验证了蜣螂算法优化k-means在煤矸石图像分割中的可行和实用性。     

基于AutoCAD的多边形面积分割算法实现

文中对比有关参考文献提出的多边形面积分割算法,以文献[1]提出的二分法为基础,补充了算法关键步骤的公式和计算方法。基于AutoCAD的VBA开发环境,从底层的角度实现了算法,弥补了AutoCAD下缺少多边形面积分割功能的不足,并将该算法与文献[3]的算法进行了对比测试,结果表明该算法在一般情况下要优于文献[3]的算法。     

关于彩色图像分割算法的研究

主要根据灰度图像的边缘检测算法思想，借助空域微分算子，通过卷积提出了基于边缘的两种彩色图像分割算法。一种是将彩色图像转化为灰度图像，再进行分割处理；另一种是在三基色空间分别进行分割，再加以合成。同时文章采用了迭代阈值设定、区域生长、空间滤波等方法，有效改善了分割结果。     

最大类间方差法在图像分割中的应用

基于阈值分割的方法,在图像分割过程中,物体像素的灰度级与背景像素的灰度级有不同,可以将物体从背景中较好的分割出来,总能用封闭而且连通的边界定义不交叠的区域。本文针对细胞图像的特点,首先对细胞图像分别利用经典的Sobel算子和Log边缘检测进行阈值分割,此分割方法是基于最大类间方差准则的分割。然后利用最大类间方差法对图像进行阈值分割。分割效果较令人满意。经实验证实运算速度较快,实现起来较为简单。     

金相组织图像智能分析技术研究

金相分析是显示图像分析的一项重要内容,金相图像空间形貌和组织形状非常复杂,包含了大量的专业性信息,给金相图像的处理和识别带来了较大的困难。本文介绍了金相组织图像智能分析系统的构成,从金相图像预处理、图像分割与晶界重建、金相组织特征参数提取、模式识别等方面对系统的关键技术进行了论述,分析了所面临的问题,对进一步的研究方向进行了展望。     

基于深度卷积网络的矿岩图像分割算法研究

在金属矿开采过程中,矿石图像的人工智能分割有着重要作用,但是采场爆堆矿岩分布状况复杂,矿岩图像颗粒粘连严重难以分割。现有的矿岩图像分割方法通常是先利用滤波降噪,再采用分水岭算法分割图像,这种方法存在局限性强和参数调整复杂等问题,不适合用于实际应用。结合矿岩图像特征和矿山实际需求,提出了一种基于U-Net深度卷积网络和Open CV的矿岩图像分割算法,该算法将深度学习创新应用到矿岩图像分割领域,与最大类间方差法、聚类分析、边缘提取等分割方法相比,该算法分割精度高,分割效果好,并且可以直接获取效果图中矿岩块的数量,极大减少了图像的后续处理工作量。     

降落岩石骨料图像阈值分割算法

岩石破碎质量可通过对皮带末端降落过程中岩块摄像图像的分析来实现连续监测。因此,摄像图像的处理是该系统的关键问题。为此,研究了一种降落岩石骨料灰度图像的局部阈值二值化算法,该算法重复分割岩石骨料图像直到图像中所有目标分割完毕。目标分割前,在每一次迭代分割过程中计算目标的尺寸、形状以及其灰度变化范围。本算法已应用于在线系统,相关测试结果表明在一定的条件下分割效果较好。     

煤岩微观图像的K-均值和数学形态学分割算法研究

利用SEM扫描观测平煤十矿戊_(10)-20230工作面煤岩的微观形态,针对灰度区域不明显的煤样SEM图像,探究K-means和数学形态学中先开后闭运算相结合分割算法的可行性与有效性,并采用相关分割算法作对比试验。结果表明:本文算法匹配率75.48%,误分率16.96%,相较于其他4种算法匹配率最高,误分率最低,有明显优势,能够较准确地将孔隙从扫描图像中分割出来;本算法TPF值34.79%,TNF值97.18%,正确分割比例最大,而FNF值65.21%,FPF值2.82%,错误分割比例最小,TPF值与FNF值和为1,TNF值与FPF值和也为1,说明评价指标的正确性。     

基于灰度差分的改进K-means算法在煤矿图像分割的应用

煤矿图像由于其特殊环境造成的非均匀低光照特点,给图像分割带来了困难.针对非均匀低光照的煤矿图像分割问题,提出一种基于灰度差分的改进 KＧmeans图像聚类分割算法.首先计算图像的灰度差分统计特征,包括对比度、熵和平均值,用灰度差分统计特征描述煤矿图像的纹理特征,建立特征向量;然后建立基于纹理特征向量的样本与聚类中心的距离函数,通过 KＧmeans算法的准则函数构建优化问题;最后根据优化问题的聚类结果实现煤矿图像的目标分割.两组煤矿图像分割试验结果的评价指标平均提升了１２％,结合分割视觉效果,说明了改进方法能够实现煤矿图像的有效分割,可得到较好的分割效果.