煤礦井下運(yùn)輸異物檢測(cè)關(guān)鍵技術(shù)研究
發(fā)布時(shí)間:2021-01-07 22:59
煤礦井下皮帶造價(jià)昂貴,而異物的存在可能會(huì)造成皮帶損傷甚至撕裂,帶來巨大經(jīng)濟(jì)損失,因此研究?jī)?yōu)化煤礦皮帶運(yùn)輸機(jī)的異物檢測(cè)方法十分重要。皮帶目標(biāo)檢測(cè)是運(yùn)用智能分析技術(shù),通過去除背景部分,將運(yùn)動(dòng)目標(biāo)摘取出來,從而對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行準(zhǔn)確有效的分析。本文以礦井皮帶為對(duì)象,優(yōu)化現(xiàn)有方法并重點(diǎn)研究下列方面內(nèi)容:視頻防抖動(dòng)、紋理圖像分割、目標(biāo)準(zhǔn)確跟蹤以及皮帶異物檢測(cè)算法,主要?jiǎng)?chuàng)新點(diǎn)如下:1.基于二進(jìn)制描述子的快速視頻防抖動(dòng)研究。由于井下環(huán)境復(fù)雜,攝像頭會(huì)出現(xiàn)間歇性抖動(dòng),導(dǎo)致無法獲得清晰流暢的視頻源。針對(duì)上述問題,本文對(duì)比實(shí)值描述子和二進(jìn)制描述子特征提取算法在時(shí)空消耗方面的性能差異,選用二進(jìn)制描述子特征提取和匹配算法。同時(shí),采用隨機(jī)抽樣一致性算法去除誤匹配,并通過透視變換為圖像進(jìn)行運(yùn)動(dòng)補(bǔ)償,最終得到穩(wěn)定的視頻幀序列。2.基于平穩(wěn)方向波域概率圖模型的紋理圖像分割研究。在平穩(wěn)方向波域中,將隱馬爾可夫鏈和馬爾可夫隨機(jī)場(chǎng)結(jié)合為一種概率圖模型,通過最小化能量函數(shù)得到紋理圖像分割結(jié)果。該方法解決了分割圖像過程中細(xì)粒度不足的問題。實(shí)驗(yàn)結(jié)果表明,相比于其他算法,所設(shè)計(jì)方法在同質(zhì)區(qū)域和不同區(qū)域的邊界分割上可以獲得更好的性能。3...
【文章來源】:中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校
【文章頁數(shù)】:123 頁
【學(xué)位級(jí)別】:博士
【部分圖文】:
SIFT高斯金字塔和SURF高斯金字塔
構(gòu)建金字塔后便開始極值點(diǎn)的尋找,首先要對(duì)特征點(diǎn)進(jìn)行初步定義,經(jīng)過Hessian 矩陣的處理之后,依次分析每一層的各個(gè)像素點(diǎn),將其與上下鄰域及本鄰域內(nèi)的像素點(diǎn)進(jìn)行對(duì)比,判斷其是否為這些像素點(diǎn)中的最大值或最小值,如果是,則該像素點(diǎn)為初步特征點(diǎn);若不是,則將其放棄,繼續(xù)尋找下一個(gè)特征點(diǎn)。與 SIFT 算法類似,不好的極值點(diǎn)需要被去除。同樣地使用三維線性插值來取得亞像素級(jí)的特征點(diǎn),要預(yù)設(shè)一個(gè)閾值,將所有低于該閾值的點(diǎn)刪除,并通過閾值的不斷改變減少特征點(diǎn)的個(gè)數(shù),最終獲取最具代表性的特征點(diǎn)。4)確定特征點(diǎn)主方向在確定特征點(diǎn)主方向的過程中,為保證旋轉(zhuǎn)不變性和提高魯棒性,需要在一定的領(lǐng)域范圍內(nèi)來統(tǒng)計(jì)特征點(diǎn)的 Harr 小波特征。具體如圖 2-5 所示,特征點(diǎn)用坐標(biāo)軸原點(diǎn)來表示,以該點(diǎn)為圓心,以 R 為半徑畫一個(gè)圓,在該圓中作一個(gè) 60度的扇形區(qū)域并對(duì)此扇形區(qū)域內(nèi)的 Harr 小波特征進(jìn)行統(tǒng)計(jì)。要使用高斯權(quán)重系數(shù)來計(jì)算得到該區(qū)域的 Harry 小波特性,離原點(diǎn)越遠(yuǎn),權(quán)重越小,反之亦然。之后通過進(jìn)一步的計(jì)算以獲取該區(qū)域的一個(gè)矢量值,特征點(diǎn)主方向便可由該矢量的方向來表示,特征值的大小則由該矢量值來表示。
圖 2-6 特征描述子Figure 2-6 Feature descriptor通過上述計(jì)算,即可獲得這些子區(qū)域中的值,之后使用這些子值(共計(jì) 64 個(gè))來描述特征點(diǎn),即該特征向量是 64 維的,與 SIF相比,維數(shù)減少了一半,這樣不僅可以縮短特征描述的時(shí)間,同時(shí)的時(shí)間。2.2.2 二進(jìn)制描述子特征提取算法(1)BRIEF 算法BRIEF 是較早將二進(jìn)制描述子運(yùn)用于視頻圖像處理方面的算的實(shí)值描述子,二進(jìn)制串來描述特征點(diǎn)將一個(gè)特征值用簡(jiǎn)單的二使得計(jì)算更加方便,所消耗的時(shí)間變少,極大地提高了處理視頻具體實(shí)現(xiàn)如下:1)對(duì)圖像進(jìn)行高斯濾波以減少噪聲干擾。2)將特征點(diǎn)作為中心,取 S*S 的鄰域大窗口,隨機(jī)地在該窗的子窗口,將子窗口內(nèi)的像素和作對(duì)比,進(jìn)行二進(jìn)制賦值,由式
本文編號(hào):2963406
【文章來源】:中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校
【文章頁數(shù)】:123 頁
【學(xué)位級(jí)別】:博士
【部分圖文】:
SIFT高斯金字塔和SURF高斯金字塔
構(gòu)建金字塔后便開始極值點(diǎn)的尋找,首先要對(duì)特征點(diǎn)進(jìn)行初步定義,經(jīng)過Hessian 矩陣的處理之后,依次分析每一層的各個(gè)像素點(diǎn),將其與上下鄰域及本鄰域內(nèi)的像素點(diǎn)進(jìn)行對(duì)比,判斷其是否為這些像素點(diǎn)中的最大值或最小值,如果是,則該像素點(diǎn)為初步特征點(diǎn);若不是,則將其放棄,繼續(xù)尋找下一個(gè)特征點(diǎn)。與 SIFT 算法類似,不好的極值點(diǎn)需要被去除。同樣地使用三維線性插值來取得亞像素級(jí)的特征點(diǎn),要預(yù)設(shè)一個(gè)閾值,將所有低于該閾值的點(diǎn)刪除,并通過閾值的不斷改變減少特征點(diǎn)的個(gè)數(shù),最終獲取最具代表性的特征點(diǎn)。4)確定特征點(diǎn)主方向在確定特征點(diǎn)主方向的過程中,為保證旋轉(zhuǎn)不變性和提高魯棒性,需要在一定的領(lǐng)域范圍內(nèi)來統(tǒng)計(jì)特征點(diǎn)的 Harr 小波特征。具體如圖 2-5 所示,特征點(diǎn)用坐標(biāo)軸原點(diǎn)來表示,以該點(diǎn)為圓心,以 R 為半徑畫一個(gè)圓,在該圓中作一個(gè) 60度的扇形區(qū)域并對(duì)此扇形區(qū)域內(nèi)的 Harr 小波特征進(jìn)行統(tǒng)計(jì)。要使用高斯權(quán)重系數(shù)來計(jì)算得到該區(qū)域的 Harry 小波特性,離原點(diǎn)越遠(yuǎn),權(quán)重越小,反之亦然。之后通過進(jìn)一步的計(jì)算以獲取該區(qū)域的一個(gè)矢量值,特征點(diǎn)主方向便可由該矢量的方向來表示,特征值的大小則由該矢量值來表示。
圖 2-6 特征描述子Figure 2-6 Feature descriptor通過上述計(jì)算,即可獲得這些子區(qū)域中的值,之后使用這些子值(共計(jì) 64 個(gè))來描述特征點(diǎn),即該特征向量是 64 維的,與 SIF相比,維數(shù)減少了一半,這樣不僅可以縮短特征描述的時(shí)間,同時(shí)的時(shí)間。2.2.2 二進(jìn)制描述子特征提取算法(1)BRIEF 算法BRIEF 是較早將二進(jìn)制描述子運(yùn)用于視頻圖像處理方面的算的實(shí)值描述子,二進(jìn)制串來描述特征點(diǎn)將一個(gè)特征值用簡(jiǎn)單的二使得計(jì)算更加方便,所消耗的時(shí)間變少,極大地提高了處理視頻具體實(shí)現(xiàn)如下:1)對(duì)圖像進(jìn)行高斯濾波以減少噪聲干擾。2)將特征點(diǎn)作為中心,取 S*S 的鄰域大窗口,隨機(jī)地在該窗的子窗口,將子窗口內(nèi)的像素和作對(duì)比,進(jìn)行二進(jìn)制賦值,由式
本文編號(hào):2963406
本文鏈接:http://sikaile.net/kejilunwen/kuangye/2963406.html
最近更新
教材專著