【摘要】：煤礦井下環(huán)境復(fù)雜,存在一些危險區(qū)域,人員的誤入會對生命造成危害。井下安裝著監(jiān)控系統(tǒng),通過監(jiān)控視頻檢測人員,能夠及時發(fā)現(xiàn)危險情況并阻止,對于煤炭安全生產(chǎn)意義重大。本文針對煤礦井下圖像質(zhì)量差,低照度,光照不均勻等問題,研究礦井圖像增強和井下人員檢測算法,主要工作內(nèi)容與創(chuàng)新如下:(1)針對井下圖像光照不均勻,照度低的問題,提出了一種基于同態(tài)濾波和Curvelet變換的礦井圖像增強算法。該算法使用同態(tài)濾波對圖像校正,調(diào)整圖像亮度;采用Curvelet變換對原圖和校正后的圖像分解,通過基于SML取大的方法融合兩者的高頻子帶,保證圖像清晰度,提出局部能量方差積法將兩者低頻分量融合,更大保留圖像視覺信息;利用Curvelet反變換還原圖像,并對其進行局部對比度處理,避免對比度下降。實驗結(jié)果表明,增強效果良好,高亮區(qū)域得到了抑制,低亮度區(qū)域有所增強。(2)針對礦井人員檢測效果不佳,漏檢與誤檢嚴(yán)重的問題,提出一種基于自適應(yīng)局部相似模型(ALSP)的多特征融合井下人員檢測算法。該算法融合圖像ALSP特征和灰度共生矩陣(GLCM)特征,針對傳統(tǒng)LBP算法對噪聲敏感問題,研究自適應(yīng)局部閾值改進LSP算法,以更好的表征局部紋理特征;同時GLCM描述圖像全局紋理特征,將ALSP特征與GLCM特征融合,更能表現(xiàn)圖像紋理;再提取圖像HOG特征,使用PCA對HOG特征降維,融合HOG特征作為最終特征,使用訓(xùn)練好的SVM分類器對測試圖像檢測。實驗結(jié)果表明,本文算法在礦井下有較好的檢測效果,且漏檢率與誤檢率都有所降低。
【圖文】：

圖 4-6 正樣本Figure 4-6 Positive sample圖 4-7 負(fù)樣本Figure 4-7 Negative samplesSVM 對于非線性小樣本的分類有優(yōu)勢，計算快，可以提高檢測速度，因此，本文選擇支持向量機 SVM 訓(xùn)練分類器。訓(xùn)練前需要做一些準(zhǔn)備工作：將得到的

44圖 4-7 負(fù)樣本Figure 4-7 Negative samplesSVM 對于非線性小樣本的分類有優(yōu)勢，計算快，可以提高檢測速度，因此，本文選擇支持向量機 SVM 訓(xùn)練分類器。訓(xùn)練前需要做一些準(zhǔn)備工作：將得到的正負(fù)樣本分別放在 pos 和 neg 兩個文件夾下，提取樣本文件路徑并標(biāo)記正樣本為1，負(fù)樣本為 0，將正樣本路徑放在 pos.txt 文件里，負(fù)樣本路徑放在 neg.txt 里，讀取這兩個文件得到圖像路徑和標(biāo)記。本章運行環(huán)境為 opencv2.4.13+vs2015，測試電腦 CPU 為 2.5GHZ，內(nèi)存為8GB，SVM 具體訓(xùn)練方法為：分別提取正負(fù)樣本的 HOG 特征、改進的 LSP 特征、灰度共生矩陣特征，使用 PCA 方法對 HOG 特征降維，使用串行融合方法將上述三個特征融合，最后將得到的新的特征向量使用 SVM 訓(xùn)練得到分類模型。使用測試集進行行人檢測，具體檢測流程如下：1）使用第三章的圖像增強方法對測試圖片進行預(yù)處理，
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TD76;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 田小平;程新;吳成茂;劉一博;;基于同態(tài)濾波的彩色圖像增強[J];西安郵電大學(xué)學(xué)報;2015年06期

2 高輝;趙艷芹;董殿偉;;基于小波變換的礦井監(jiān)控圖像增強研究[J];計算機與數(shù)字工程;2015年04期

3 楊勇;童松;黃淑英;;快速離散Curvelet變換域的圖像融合[J];中國圖象圖形學(xué)報;2015年02期

4 姜柏軍;鐘明霞;;改進的直方圖均衡化算法在圖像增強中的應(yīng)用[J];激光與紅外;2014年06期

5 趙宏宇;肖創(chuàng)柏;禹晶;白鷺;;馬爾科夫隨機場模型下的Retinex夜間彩色圖像增強[J];光學(xué)精密工程;2014年04期

6 黃向東;鄧?yán)驖?;一種基于Retinex的礦井非均勻照度圖像增強算法[J];科學(xué)技術(shù)與工程;2014年05期

7 高戰(zhàn)立;余桂英;;一種基于Curvelet變換的彩色圖像融合算法[J];中國計量學(xué)院學(xué)報;2013年04期

8 韓希珍;趙建;;結(jié)合偏微分方程增強圖像紋理及對比度[J];光學(xué)精密工程;2012年06期

9 賈慧星;章毓晉;;車輛輔助駕駛系統(tǒng)中基于計算機視覺的行人檢測研究綜述[J];自動化學(xué)報;2007年01期

10 楊明,宋雪峰,王宏,張鈸;面向智能交通系統(tǒng)的圖像處理[J];計算機工程與應(yīng)用;2001年09期

，

本文編號：2676951