傳統(tǒng)方法對(duì)于煤矸石X射線圖像分形維數(shù)估計(jì)存在單層次缺陷,提出了基于加權(quán)方差的煤矸石X射線圖像分形維數(shù)最優(yōu)估計(jì)方法。由局域窗口特征檢測(cè)方法獲取圖像的二維邊緣像素特征分量,取其最大值構(gòu)成圖像采集的像素特征量,實(shí)現(xiàn)對(duì)圖像的特征分解。在此基礎(chǔ)上,提取二值化圖像邊緣輪廓特征量,采用包絡(luò)輪廓線分割方法超分辨融合煤矸石X射線圖像,建立煤矸石X射線圖像的模板匹配模型。采用多層次紋理重建方法,獲取圖像的活動(dòng)輪廓多層次分布集,結(jié)合加權(quán)方差獲取圖像方差和標(biāo)準(zhǔn)差,將圖像的分形維數(shù)估計(jì)方差和標(biāo)準(zhǔn)差輸入圖像的相關(guān)性檢測(cè)模板匹配函數(shù)中,進(jìn)行圖像分形維數(shù)最優(yōu)估計(jì)。仿真結(jié)果表明,采用該方法進(jìn)行煤矸石X射線圖像分形維數(shù)估計(jì)的精度較高,自適應(yīng)性較好,提高了煤矸石X射線圖像的識(shí)別和檢測(cè)能力。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖２原嫜的煤＃ｆ石＂Ｘ射線圖像乘．集續(xù)皋??以隨２的煤矸石Ｘ射線圖像為研究對(duì)象，進(jìn)??行煤矸石Ｘ財(cái)線爵像分形維數(shù)估計(jì)，結(jié)合加權(quán)方??

測(cè)模板??匹配函數(shù)中，根據(jù)煤矸石Ｘ射線圖像的顏色特征??分量完成多曷次的分形維數(shù)最優(yōu)估計(jì)，Ａ表示圖??像多層次分形維數(shù)最優(yōu)估計(jì)值。??．４．．（ｓ）二?２－??＼ｄＡ?Ｉ?Ｓｊ）?；Ｍｇ（ｉ?（ｇ－１．））??ｌｇｅ?－?ｌｇ（￡－ｌ）??（２０）??３仿真實(shí)驗(yàn)與結(jié)果分析??數(shù)計(jì)....

圖３煤野石Ｘ．身線圖像分吉寒??根據(jù)？?３的分形結(jié)巣，進(jìn)行多層次的分形維數(shù)??最優(yōu)估計(jì)，釆甩不聞方法得到煤奸石Ｘ射線爵像??

宜。??３．２結(jié)果分析??根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行煤矸石Ｘ??射線圖像的分形維數(shù)估計(jì)，得到原始的煤矸石Ｘ??射線？像采集結(jié)果如圖２所示。??０?５０?１００?１５０?２００?２５０??：時(shí)間．??圖２原嫜的煤＃ｆ石＂Ｘ射線圖像乘．集續(xù)皋??以隨２的煤矸石Ｘ射線圖像為研究對(duì)....

本文編號(hào)：3994606