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%。     

基于小波的煤岩图像特征抽取与识别

针对目前采掘工作面是事故易发多发地带和煤岩界面的识别基本由人工来完成的现状,为了减少人员伤亡以及实现采矿自动化,研究了煤岩的自动识别技术。介绍了煤岩图像识别基础和小波变换原理,讨论了小波函数以及滤波长度、分解尺度的设置情况,提出利用Daubechies小波对煤岩图像进行分解,构造相应的纹理导向度,获得特征值参数表,最后通过Minkowski距离计算公式,得到待测样品与煤岩样品的空间距离,根据距离大小来实现对待测样品的识别。结果表明：该方法通过小波分解再抽取相应的特征值充分表达了煤岩图像的纹理特征信息,而且能成功识别煤岩图像获得了比其他分解方法更高的识别准确率。研究结果可为煤岩界面的自动识别提供理论参考,提供了新的思路。     

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。     

煤岩图像识别方法研究

煤岩图像识别是实现采掘工作面无人化的基础。研究了字典学习法、小波变换法、灰度共生矩阵法等主流算法在煤岩图像识别应用中的适用范围和存在的问题。提出了基于多参数融合的煤岩识别方法:提取温度、声音、振动、粉尘浓度、图像等特征参量,结合各自的优点,采用深度学习等先进技术,能够有效提高煤岩图像的鲁棒性及识别率。     

基于Curvelet变换和压缩感知的煤岩识别方法

针对小波难以表达煤岩图像的边缘曲线特征,影响识别精度的问题,提出一种基于曲波变换的方法,对煤岩图像边缘进行稀疏表示。该方法通过曲波变换对煤岩图像进行曲波分解,得到各尺度层曲波系数,保留图像变换后的Coarse层低频系数,基于压缩感知理论,利用随机高斯矩阵对高频系数进行测量,实现高维系数降维,Coarse层低频系数与降维后的高频系数通过级联构成煤岩图像特征向量,最后结合支持向量机对煤岩图像进行分类识别。实验表明:通过曲波分解提取的特征能够有效地表达煤岩图像边缘的曲线特征,所提出方法煤岩的分类准确率达93.75%,比Haar小波方法提高了4.37%,所用降维方法比线性降维方法提取的特征向量更加有利于煤岩图像的分类识别。     

基于小波分解子带直方图匹配的 矿井视频图像增强方法

井下光源不充足,机械运行振动以及大量煤尘等因素的存在导致视频监控系统实时获取的图像较模糊且参杂了大量的颗粒噪声。为改善矿井视频图像质量,将空间域直方图匹配方法引入小波变换域中,提出了一种基于小波分解子带自适应直方图匹配的图像增强方法。首先对矿井视频图像与经过直方图均衡化处理后的矿井视频图像分别进行小波变换,以直方图均衡化处理后的图像的低频小波分解子带灰度直方图为基准,将矿井视频图像的低频小波分解子带直方图与之进行匹配,获得增强后的低频小波分解子带;然后针对均值滤波方法存在的缺陷,提出了一种基于滤波窗口自适应划分的加权改进均值滤波算法,并将其应用于去除矿井视频图像高频小波分解子带中的颗粒噪声;最后对直方图匹配后的低频小波分解子带和滤波后的高频小波分解子带进行逆小波变换,得到了视觉效果较佳的矿井视频图像。利用C++语言分别对直方图均衡化、同态滤波、均值滤波以及所提方法进行了编程实现,采用实地获取的山西阳泉某煤矿井下视频监控图像进行试验,对试验结果引入边缘保持指数（Edge protection index,EPI）进行评价,结果表明,所提方法对矿井视频图像的处理效果相对于其余方法而言优势较明显。     

基于支持向量机的煤岩图像特征抽取与分类识别

为了尽可能减少作业人员数目,研究了煤岩图像的自动识别技术,介绍了煤岩图像的识别基础、小波变换和支持向量机原理,分析了煤岩图像纹理在多尺度分解情况下的特点以及支持向量机的参数设置,利用煤岩图像基于灰度共生矩阵的纹理统计量角二阶矩、对比度、相关性、均值、方差构造纹理特征子向量P1,利用煤岩图像不同尺度分解下的角二阶矩、对比度、相关、均值、方差构造纹理特征子向量P2,利用不同尺度分解系数构造纹理特征子向量P3,结合3个特征子向量构造纹理特征向量,最后结合支持向量机对煤岩图像进行分类识别。对不同的特征抽取方式以及煤岩的不同分类进行了比较分析。结果表明：该特征抽取以及分类方法能有效的表达纹理信息,对煤岩的识别准确率达到了97.959 2%,与不使用小波的方法相比提高了7.01%。研究结果可为煤岩界面的自动识别提供依据。     

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。     

基于小波变换的影像融合算法与效果评价

在众多的图像融合技术中,基于小波变换的图像融合方法已成为目前研究的一个热点。小波变换具有多分辨率等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。在阐述小波变换的Mallat算法的同时,对遥感影像融合的分析与评价进行了深入的探讨,提出了综合利用3类统计参数进行评价的方法。经实验,评价结果与理论分析结果和目视效果相吻合,说明这些参数可以作为遥感影像融合客观效果的评价准则。     

基于改进Prewitt算子的矿井视频图像小波阈值去噪

由于矿井成像环境的复杂性,导致所获取的图像较为模糊且存在一定程度的噪声,有必要采用适当的方法滤除其中的噪声并提高图像的清晰度。为此,提出了一种结合边缘检测的小波域矿井视频图像去噪算法。首先对噪声图像采用均值滤波算法进行预处理;然后对分别从检测模板、自适应阈值设定方法对经典的Prewitt算子进行适当改进,并采用改进的Prewitt算子提取预处理后图像的边缘轮廓信息,从而获得边缘图像和非边缘图像;最后对于非边缘图像,采用一种基于自适应阈值的改进小波阈值函数模型进行去噪处理,该模型充分结合了小波硬、软阈值去噪模型的优势,能够随着小波分解层数的变化自适应调整阈值大小。为了验证该算法的有效性,采用2幅实地获取的山东兖州某煤矿井下视频监控图像进行试验,并与小波硬、软阈值函数模型及2类已有的改进型小波阈值函数模型进行去噪效果对比。结果表明,该算法的去噪效果优于其余几类函数模型,且算法耗时略占优势,对于提高矿井视频监控图像的质量具有一定的参考价值。     

数字化存储及检索算法在医学影像中的应用

在综合分析DICOM3标准的基础上,阐述了医学影像的数字化采集方案设计:采用SA-DWT小波变换方法实现影像压缩编码,建立医学影像数据库。在基于内容的图像查询中,提出了基于小波模极大值及多尺度不变距相结合的检索算法,并给出相关算法的实现及实验效果分析。     

基于Curvelet变换的低分辨率煤岩识别方法

针对小波变换仅能有效表达图像中的点奇异性,难以提取煤岩图像曲线特征的弱点,以及高分辨率煤岩图像计算量大,难以满足煤岩识别实时性要求的问题,提出了一种基于曲波变换的低分辨率煤岩识别方法.该方法通过曲波变换对煤岩图像进行曲波分解,得到各尺度层曲波系数,利用主分量分析进行降维,并将结果分别输入不同k-NN分类器中,对分类结果加权融合,实现煤岩图像的分类识别.实验表明:通过曲波分解提取的特征能够有效地表达煤岩图像的曲线特征,与现有方法相比较,所提出方法具有更高的识别率,平均识别率达95.0%,在煤岩图像分辨率较低情况下也可以获得很高的识别率,满足煤岩识别实时性的要求.     

基于小波包神经网络的电机故障诊断分析与研究

由于传统基于傅立叶变换的利用频域对电机故障的信号分析中无法对奇异信号点的时域信息进行检测。针对上述问题,提出基于小波包神经网络的电机故障诊断的方法。结合电机振动的非平稳随机性的特点。利用小波包多分辨率分析方法对电机的采样信号进行分解,提取电机故障状态特征并作为BP神经网络输入样本的特征向量,利用神经网络的自学习和模式识别的特点最终输出电机故障类型。通过MATLAB仿真结果可以证实该方法可行性。     

提升小波变换域矿井光照不均匀图像双直方图均衡化增强

由于矿井光照不均匀,加之大量粉尘附着于监控摄像头表面,导致获取的视频图像对比度不高且含有大量随机分布的颗粒状噪声。为提高该类图像的对比度,充分发挥矿井视频监控系统的效能,基于提升小波变换（Lifting wavelet transform LWT）,提出了一种矿井不均匀光照图像的自适应增强算法。首先采用直方图规定化算法（Histogram specification,HS）对获取的矿井图像进行初步增强;其次对初步增强后的图像进行提升小波变换,由于图像中的随机噪声主要集中分布于高频小波分解系数中,低频小波分解系数基本不存在噪声,故保留低频小波分解系数,对高频小波分解系数提出了一种基于反正弦函数的改进阈值函数去噪模型进行噪声抑制;然后对低频小波分解系数和去噪后的高频小波分解系数进行重构,得到不含噪声的矿井图像;最后采用双直方图均衡化算法（Bi-histogram equalization,BHE）对去噪后的图像进行进一步增强。将所提算法分别与直方图规定化、反锐化掩膜、小波阈值去噪等算法进行性能对比,并采用峰值信噪比（Peak noise to ratio,PSNR）、均方根误差（Root mean square error,RMSE）以及边缘保持指数（Edge protection index,EPI）等指标对试验结果进行评价,结果表明：所提算法对于矿井光照不均匀图像的处理效果相对于其余算法而言效果较优,对于高效处理矿井视频图像有一定的参考价值。     

火成岩储层裂缝特征及测井解释方法综述

裂缝是进行火成岩储层预测的关键,为了更准确地研究火成岩裂缝测井解释问题,探讨了火成岩储层裂缝特征以及各类常规测井曲线、成像测井、地层倾角测井对裂缝的响应特征;介绍了目前在常规测井基础之上拓展的指数曲线法、综合概率法和模式识别法等在识别裂缝中的应用;此外,国内外还利用比值法、杨氏模量等其他半定量方法以及人工神经网络识别裂缝特征。为进一步对裂缝进行精确描述,归纳了利用成像测井、双侧向测井以及斯通滤波等方法在定量计算储层裂缝参数（裂缝产状、裂缝视孔隙度,裂缝张开度和裂缝渗透率等）方面的应用和研究现状,最后指出了研究趋势。     

Froth delineation based on image classification

This paper describes a set of image segmentation algorithms for mineral froth images, based on gray-value valley detection and a kind of image classification. The size, shape, texture and color of froth bubbles are very important pieces of information for production optimization in mineral processing. In order to determine these parameters, bubbles in a froth image first have to be delineated. Froth images display a large variation of image patterns and quality, thus it is difficult to use only a single algorithm for segmenting all images. To achieve successful segmentation the images are first classified into image classes. Then sets of segmentation algorithms are used, based on the different image classes. The segmentation algorithms and classification algorithms have been tested in a laboratory and in industrial on-line systems for froth images, the test results show that they are robust for froth images. The processing speed for the segmentation algorithm is much faster than for a standard morphological segmentation algorithm. The processing accuracy is comparable to manual drawn result. This test shows that the algorithms work satisfactorily.     

基于小波算法的计算机超声图像信息系统研究

为了更好的去除超声图像噪声,该文采用了基于小波的图像去噪算法。首先对原超声图像取对数,让图像的乘性噪声变为加性噪声,然后用维纳滤波结合小波变换进行处理。处理结果表明,和几种常用的去噪算法(如中值滤波、维纳滤波、PM(Perona_Malik)算法等)相比,基于小波的方法在去除干扰噪声的同时,能够很好地保护图像的细节。     

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。     

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%。     

深埋采场压架切顶诱发井下泥石流形成机理与防控

灰岩地区隧道修建过程中,制约安全高效建设的最主要因素是隧道掘进工作面前方的不良地质情况,加之溶洞、断层与破碎带等不良地质具有较强的隐蔽性,如何提高隧道短距离超前地质预报的判释水平显得尤为重要。为便于对地质雷达信号图谱特征进行定量解释,开展了基于时域有限差分法的正演模拟与室内物理模型实验。在小波变换与奇异性检测原理的基础上,构造了与地质雷达发射子波波形相似度高的雷达小波基,添加到小波分析工具箱中,提出了一种新的基于雷达小波基的小波变换时能密度法,将其应用于空洞充填物正演模拟与模型实验地质雷达信号的定量识别,并与波形分析法、Db4小波变换法和雷达小波变换法的识别结果进行比较。研究结果表明,波形分析法虽能有效识别空洞充填物的尺寸大小,但需通过反射系数等先验知识来确定空洞充填物的界面反射位于波峰或波谷;Db4小波变换模极大值法易得到地质雷达信号奇异点,但奇异点的提取位置与不同小波基的时频局部化特征有关,Db4小波变换法识别结果的相对误差约15%;雷达小波变换模极大值法与小波变换时能密度法的识别效果均较好,但小波变换时能密度法的分辨率更高,且不需选择最优尺度。当空洞充填物的尺寸大于电磁波波长时,小波变换时能密度法识别结果的相对误差小于5%。