發(fā)布時(shí)間：2021-06-29 13:20

　　我國(guó)能源結(jié)構(gòu)特點(diǎn)決定了煤炭是主要能源,煤炭安全生產(chǎn)也一直是國(guó)家強(qiáng)調(diào)的重大問(wèn)題,將智能監(jiān)控技術(shù)深入應(yīng)用在煤礦生產(chǎn)中是預(yù)防和緩解煤礦事故的有效途徑之一。對(duì)監(jiān)控視頻數(shù)據(jù)進(jìn)行場(chǎng)景分類,不僅可以為視頻監(jiān)控工作提供有價(jià)值的參考信息,而且能夠提高監(jiān)控結(jié)果的準(zhǔn)確率,為下一步場(chǎng)景異常情況排查提供基礎(chǔ)。本文以礦井視頻數(shù)據(jù)為研究對(duì)象,針對(duì)具有復(fù)雜背景的場(chǎng)景視頻圖像分類問(wèn)題進(jìn)行研究,主要工作和創(chuàng)新點(diǎn)如下:（1）由于礦井圖像存在噪聲多、對(duì)比度差、光照不均等問(wèn)題,導(dǎo)致礦井視頻圖像質(zhì)量較差,嚴(yán)重影響了礦井場(chǎng)景分類的準(zhǔn)確性,因此提出一種基于對(duì)比度受限反饋函數(shù)的煤礦井下視頻圖像增強(qiáng)算法。該算法首先結(jié)合加權(quán)平均法和中值濾波對(duì)圖像進(jìn)行灰度化和去噪預(yù)處理;然后通過(guò)對(duì)比度受限反饋函數(shù)對(duì)圖像對(duì)比度進(jìn)行限幅增強(qiáng),并調(diào)節(jié)圖像的灰度級(jí),使圖像層次更豐富。實(shí)驗(yàn)結(jié)果表明,該算法可以有效改善煤礦井下視頻圖像失真情況,使圖像層次豐富清晰,且具有較快的處理速度。（2）為了對(duì)礦井視頻的場(chǎng)景進(jìn)行準(zhǔn)確分類,設(shè)計(jì)出一種基于AlexNet和LSTM相結(jié)合的煤礦井下視頻場(chǎng)景分類算法。首先對(duì)輸入的數(shù)據(jù)進(jìn)行預(yù)處理,在背景差分法的基礎(chǔ)上對(duì)礦井視頻背景進(jìn)行提取。該... 

【文章來(lái)源】：西安科技大學(xué)陜西省

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

深度神經(jīng)網(wǎng)絡(luò)發(fā)展圖

圖 2.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖卷積神經(jīng)網(wǎng)絡(luò)中，圖像作為輸入數(shù)據(jù)被看作神經(jīng)元，并在被賦予一個(gè)權(quán)值個(gè)偏置量，通過(guò)對(duì)輸入數(shù)據(jù)做卷積運(yùn)算獲得卷積層的特征圖像，卷積運(yùn)算相對(duì)應(yīng)，而且處理過(guò)程中卷積核的選擇也很重要。然后對(duì)經(jīng)過(guò)卷積操作的加權(quán)，再加上一個(gè)偏置量，達(dá)到特征稀疏的效果。最后，將經(jīng)過(guò)卷積和池果輸入全連接層，并通過(guò)選取合適的激活函數(shù)對(duì)輸入數(shù)據(jù)進(jìn)行最終分類。經(jīng)網(wǎng)絡(luò)中的一些概念進(jìn)行簡(jiǎn)要介紹：) 卷積(Convolution)：卷積中的處理通過(guò)選取合適的卷積核在輸入圖像上，卷積操作不僅對(duì)圖像的維數(shù)進(jìn)行了拓展，亦提高了學(xué)習(xí)所得特征的魯棒的降低網(wǎng)絡(luò)模型中不必要的權(quán)值連接是卷積運(yùn)算的關(guān)鍵任務(wù)。) 池化(Pooling)：池化層主要從兩個(gè)方面對(duì)圖像數(shù)據(jù)進(jìn)行降采樣，一方面圖像的尺寸來(lái)使模型的復(fù)雜度降低；另一方面通過(guò)壓縮特征圖中的特征信征進(jìn)行提取。過(guò)池化層對(duì)卷積得到的特征進(jìn)行壓縮，不僅大大減少了計(jì)算量，而且特征變性也很好，從而有效抑制網(wǎng)絡(luò)模型的過(guò)擬合問(wèn)題[44-45]。在選擇池化方法

最大池化

【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的井下人員目標(biāo)檢測(cè)[J]. 唐士宇,朱艾春,張賽,曹青峰,崔冉,華鋼.  工礦自動(dòng)化. 2018(11)
[2]基于圖像融合技術(shù)的Retinex圖像增強(qiáng)算法[J]. 常戩,劉旺,白佳弘.  計(jì)算機(jī)工程與科學(xué). 2018(09)
[3]基于對(duì)比度增強(qiáng)與小波變換相結(jié)合的紅外與可見(jiàn)光圖像融合算法[J]. 涂一枝,郭立強(qiáng).  淮陰師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(03)
[4]一種多特征融合的場(chǎng)景分類方法[J]. 李志欣,李艷紅,張燦龍.  小型微型計(jì)算機(jī)系統(tǒng). 2018(05)
[5]自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)算法[J]. 李大軍,杜神斌,郭丙軒,聶欣然,楊力偉.  電子技術(shù)應(yīng)用. 2018(03)
[6]一種應(yīng)用小波系數(shù)GSM模型的混合傅里葉-小波電纜瓷套終端紅外圖像去噪方法[J]. 吳炬卓,牛海清,張煌,許佳.  電測(cè)與儀表. 2018(04)
[7]圖像場(chǎng)景識(shí)別中深度學(xué)習(xí)方法綜述[J]. 宋杰,孟朝暉.  計(jì)算機(jī)測(cè)量與控制. 2018(01)
[8]一種改進(jìn)煤礦內(nèi)因火災(zāi)危險(xiǎn)性評(píng)價(jià)方法[J]. 蘆慶和,許猛堂,劉萍,穆靜強(qiáng),劉義宗.  煤礦安全. 2018(01)
[9]基于小波變換的圖像增強(qiáng)處理算法的研究[J]. 頊聰,陶永鵬.  計(jì)算機(jī)與數(shù)字工程. 2017(08)
[10]基于小波變換的圖像融合增強(qiáng)算法[J]. 高林,趙建輝.  火箭推進(jìn). 2017(04)

碩士論文
[1]基于深度學(xué)習(xí)的場(chǎng)景分類[D]. 張建國(guó).遼寧工業(yè)大學(xué) 2016
[2]基于Retinex的彩色圖像増強(qiáng)算法研究[D]. 魏海鋒.安徽大學(xué) 2015
[3]智能視頻監(jiān)控平臺(tái)中運(yùn)動(dòng)目標(biāo)分類的研究與實(shí)現(xiàn)[D]. 顧婷婷.南京郵電大學(xué) 2015



本文編號(hào)：3256518