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。     

基于HSI色彩空间和分水岭算法的冰雹特征参数测量

为了促进冰雹灾害等级评估工作的高效进行，提出一种测量冰雹特征参数的方法。该方法统计冰雹图片的HSI颜色范围，用先验的颜色范围来分割出冰雹并通过形态学滤除噪声，针对冰雹颗粒粘连情况运用基于分水岭算法分割边界。分别采用统计像素法、Freeman链码和改进的最小外接矩形法来测量冰雹颗粒的面积、周长和直径并与相关算法进行了实验比较。实验结果表明该方法精准度高、相关性较好，冰雹周长、面积和直径的均方根误差(Root Mean Square Error, RMSE)分别为0.208 1 cm、0.212 4 cm²和0.931 4 cm,决定系数(R²)分别为0.881 4、0.873 6和0.931 4,测量值平均误差在2%～6%之间。研究结果可为冰雹灾害相关的研究者提供准确的数据参考。     

基于改进分水岭-凹点分割的矿石粒径分级检测方法

为了提高混凝土行业的生产质量，需要对矿石大小做粒径分析，传统方法是采用人工筛分处理，过程中需要耗费大量的人力物力，同时，也存在检测时间长和检测精度低等问题；针对这一难题，通过利用计算机视觉技术，提出了一种基于改进分水岭-凹点分割的矿石粒径分级检测新方法；首先，利用图像自适应中值滤波和改进的多尺度形态学处理，提取矿石轮廓特征；其次，采用改进的分水岭分割和凹点分割相结合，获得矿石之间粘连形成的深凹点集合；最后，引入反向链码模板对凹点集进行有效的分离，从而对矿石粒径做出精准的统计分析；实验结果表明，该算法的粒径分级与人工筛分的粒径分级相比较，两者之间的累积误差率在5%以内，具有较高的准确性与实用性，值得大力的推广与应用。     

粘连颗粒图像的分割方法综述

粘连图像分割作为颗粒计数、分类、定级评价、识别的基础环节,其实际应用价值不言而喻.本文简要介绍现有的传统分割算法和基于深度学习的分割算法种类,根据粘连颗粒尺寸小、随机散落、数量众多、形状不规则及边缘特征模糊等特点,结合粘连分割算法在各种领域中的应用现状,重点阐述基于分水岭、凹点、U-Net语义分割的方法,介绍关键技术,...     

基于形态学梯度重建的分水岭分割

提出一种基于形态学梯度重建的分水岭图像分割方法。该方法存形态学梯度图像的基础上，利用形态学开闭重建运算对梯度图像进行重建，在保留重要区域轮廓的同时去除了细节和噪声。避免了标准分水岭仔在的过分割现象及传统形态学开闭运算先平滑原始图像．后进行分水岭变换而造成的区域轮廓位置偏移。仿真实验证明．无论从消除过分割还是区域轮廓定位等性能方面，该方法均具有较好的分割效果。整个分割过程无需进行分割后的区域合并处理，降低了分割的复杂性；且分割过程只需选择合活的结构元素大小，增强了算法的灵活性。