【摘要】：煤礦是我國能源結(jié)構(gòu)中最重要的資源,在保障我國的能源安全中起著決定性的作用。但我國的煤礦生產(chǎn)效率低下且安全隱患多,使煤礦安全問題日益成為社會關(guān)注的焦點(diǎn)。近幾年來,我國全面推廣無人／少人化開采工作面,遠(yuǎn)程視頻監(jiān)控系統(tǒng)得到了迅速發(fā)展,通過遠(yuǎn)程視頻監(jiān)控系統(tǒng),地面工作人員可以實(shí)時監(jiān)控井下工作情況。煤礦視頻監(jiān)控對圖像質(zhì)量有較高的需求,但由于煤礦生產(chǎn)的特殊環(huán)境,獲得的監(jiān)控圖像存在偏暗、對比度低、分辨率低、視覺效果差等問題。提高圖像質(zhì)量可以從硬件和軟件兩方面入手。通過提升硬件設(shè)備可以獲得更準(zhǔn)確的圖像,但大規(guī)模部署的經(jīng)濟(jì)成本高,且對圖像質(zhì)量的提升有限,該方法不具備現(xiàn)實(shí)可行性。軟件的方法即圖像的超分辨率復(fù)原方法,它利用圖像的先驗(yàn)知識或圖像序列之間的互補(bǔ)信息,恢復(fù)出丟失的高頻信息以獲得高分辨率的圖像。選擇合適的超分辨率方法對煤礦監(jiān)控圖像進(jìn)行增強(qiáng)處理成為研究者的主要課題。本文對三種主流的圖像超分辨率方法在煤礦監(jiān)控系統(tǒng)中的應(yīng)用進(jìn)行了研究,分析比較了基于插值、基于重建和基于學(xué)習(xí)的圖像超分辨率方法,結(jié)合煤礦井下監(jiān)控圖像的特點(diǎn)分析了三種算法的優(yōu)劣,由于基于學(xué)習(xí)的超分辨率算法能充分利用先驗(yàn)知識保存圖像紋理,相對而言對圖像噪聲不敏感,本文選擇基于學(xué)習(xí)的超分辨率做更進(jìn)一步的研究。本文使用直方圖匹配算法和模糊K均值聚類對基于學(xué)習(xí)的超分辨率方法進(jìn)行改進(jìn),提出了一種改進(jìn)的近鄰嵌入算法。使用直方圖相似度匹配進(jìn)行訓(xùn)練圖像的選擇,使用巴氏系數(shù)作為衡量圖像灰度直方圖相似度的標(biāo)準(zhǔn),在兼顧時間效率的前提下同時能達(dá)到較高的匹配率；選擇一階梯度和高斯特征作為表示圖像塊的特征向量,能更好的含括圖像的高頻和低頻信息,一定程度上避免了噪聲對超分辨率結(jié)果的影響；使用模糊K均值算法對訓(xùn)練圖像塊進(jìn)行聚類,以獲得更優(yōu)化的權(quán)重系數(shù),優(yōu)化了最近鄰選擇過程。該算法通過訓(xùn)練集的學(xué)習(xí),能有效避免邊緣模糊,較好地保存圖像紋理,提供更多的細(xì)節(jié)信息。對比實(shí)驗(yàn)表明,使用本文提出的算法復(fù)原所得的圖像的均方根誤差(RMSE)和峰值信噪比(PSNR)均優(yōu)于控制核回歸方法(SKR)和迭代反投影法(IBP),且在包含較多紋理區(qū)的圖像復(fù)原實(shí)驗(yàn)中表現(xiàn)明顯更佳,RMSE相較于SKR和IBP分別提高了30%和16%,PSNR相較于SKR和IBP分別提高了20%和5%,該方法能在一定程度上減少受到噪聲的影響,有效地減少整體的模糊,保留較高對比度,能較清晰地保留圖像紋理部分,對豎型邊緣產(chǎn)生的鋸齒效果有一定程度的改善。實(shí)驗(yàn)證明,使用本文方法得到的超分辨率復(fù)原圖像能夠更清晰、完整、準(zhǔn)確地反映井下工作面的生產(chǎn)情況,滿足煤礦監(jiān)控的各種需求。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TD76;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 李堯;張勇;李了了;;1種新穎的圖像超分辨率算法的設(shè)計與實(shí)現(xiàn)[J];計算機(jī)與應(yīng)用化學(xué);2009年07期

2 盧紫微;吳成東;;基于重建方法的圖像超分辨率技術(shù)發(fā)展現(xiàn)狀分析與方向預(yù)測[J];遼寧石油化工大學(xué)學(xué)報;2014年02期

3 張宇;黃偉志;陳凱歌;;灰度圖像超分辨方法研究和實(shí)驗(yàn)對比分析[J];河南工程學(xué)院學(xué)報(自然科學(xué)版);2012年04期

4 黎智輝;彭思龍;王永強(qiáng);許小京;;基于樣本庫的人臉圖像處理方法[J];影像科學(xué)與光化學(xué);2012年02期

5 ;[J];;年期

相關(guān)會議論文 前7條

1 張煜東;吳樂南;奚吉;王水花;;變長小生境算法用于圖像超分辨率復(fù)原[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

2 張東;韓軍;;圖像超分辨率重建算法研究[A];2010年西部光子學(xué)學(xué)術(shù)會議摘要集[C];2010年

3 楊浩;高建坡;陳向東;吳鎮(zhèn)揚(yáng);;利用示例圖像獲取先驗(yàn)知識的圖像超分辨率重建算法[A];第一屆中國高校通信類院系學(xué)術(shù)研討會論文集[C];2007年

4 閆允一;郭寶龍;;基于小波的圖像超分辨率重建算法研究[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會論文摘要集[C];2004年

5 顧瑩;朱秀昌;;基于CS的圖像超分辨率重建[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

6 韓玉兵;殷瑋瑋;吳樂南;;基于Wavelet-HMM的圖像超分辨率重建[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

7 張瓊;付懷正;沈民奮;;基于稀疏表示的彩色圖像超分辨率重建算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 曹明明;基于鄰域嵌入的圖像超分辨率重建研究[D];南京郵電大學(xué);2015年

2 李小燕;基于廣義圖像先驗(yàn)的圖像超分辨率重建算法研究[D];西南交通大學(xué);2015年

3 康凱;圖像超分辨率重建研究[D];中國科學(xué)技術(shù)大學(xué);2016年

4 徐海明;圖像超分辨率重建關(guān)鍵技術(shù)的基礎(chǔ)研究[D];中國科學(xué)技術(shù)大學(xué);2013年

5 李娟;基于稀疏表示的圖像超分辨率復(fù)原研究[D];武漢科技大學(xué);2016年

6 張劍;圖像超分辨率重建問題研究[D];中南大學(xué);2010年

7 何宇清;圖像超分辨率重建關(guān)鍵技術(shù)研究[D];天津大學(xué);2007年

8 曹聚亮;圖像超分辨率處理、成像及其相關(guān)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2004年

9 肖建平;圖像超分辨率算法與硬件實(shí)現(xiàn)研究[D];華中科技大學(xué);2006年

10 黃淑英;基于空間域正則化方法的圖像超分辨率技術(shù)研究[D];中國海洋大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 雷倩;基于深度學(xué)習(xí)的圖像超分辨率重構(gòu)[D];河北師范大學(xué);2015年

2 馬瑩;基于字典學(xué)習(xí)的圖像超分辨率復(fù)原算法研究[D];燕山大學(xué);2015年

3 張志超;單幅圖像超分辨率重建算法研究[D];鄭州大學(xué);2015年

4 王賀青;基于稀疏表示和非下采樣輪廓波變換的單幅圖像超分辨率[D];哈爾濱工業(yè)大學(xué);2015年

5 曹柱利;基于學(xué)習(xí)的毫米波圖像超分辨率算法研究[D];電子科技大學(xué);2014年

6 吳秀秀;基于配準(zhǔn)的肺4D-CT圖像超分辨率重建研究[D];南方醫(yī)科大學(xué);2015年

7 熊智;車牌圖像超分辨率重建算法研究[D];南昌航空大學(xué);2015年

8 趙新;圖像超分辨率重建系統(tǒng)的研究與實(shí)現(xiàn)[D];河北工業(yè)大學(xué);2015年

9 王保全;基于混合專家模型的快速圖像超分辨率方法研究與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

10 徐光耀;基于稀疏表示的人臉圖像超分辨率技術(shù)研究[D];上海交通大學(xué);2015年

，

本文編號：2577967