煤矿井下监控系统中图像超分辨率复原方法的研究与实现

发布时间：2020-02-09 22:35

【摘要】：煤矿是我国能源结构中最重要的资源,在保障我国的能源安全中起着决定性的作用。但我国的煤矿生产效率低下且安全隐患多,使煤矿安全问题日益成为社会关注的焦点。近几年来,我国全面推广无人／少人化开采工作面,远程视频监控系统得到了迅速发展,通过远程视频监控系统,地面工作人员可以实时监控井下工作情况。煤矿视频监控对图像质量有较高的需求,但由于煤矿生产的特殊环境,获得的监控图像存在偏暗、对比度低、分辨率低、视觉效果差等问题。提高图像质量可以从硬件和软件两方面入手。通过提升硬件设备可以获得更准确的图像,但大规模部署的经济成本高,且对图像质量的提升有限,该方法不具备现实可行性。软件的方法即图像的超分辨率复原方法,它利用图像的先验知识或图像序列之间的互补信息,恢复出丢失的高频信息以获得高分辨率的图像。选择合适的超分辨率方法对煤矿监控图像进行增强处理成为研究者的主要课题。本文对三种主流的图像超分辨率方法在煤矿监控系统中的应用进行了研究,分析比较了基于插值、基于重建和基于学习的图像超分辨率方法,结合煤矿井下监控图像的特点分析了三种算法的优劣,由于基于学习的超分辨率算法能充分利用先验知识保存图像纹理,相对而言对图像噪声不敏感,本文选择基于学习的超分辨率做更进一步的研究。本文使用直方图匹配算法和模糊K均值聚类对基于学习的超分辨率方法进行改进,提出了一种改进的近邻嵌入算法。使用直方图相似度匹配进行训练图像的选择,使用巴氏系数作为衡量图像灰度直方图相似度的标准,在兼顾时间效率的前提下同时能达到较高的匹配率；选择一阶梯度和高斯特征作为表示图像块的特征向量,能更好的含括图像的高频和低频信息,一定程度上避免了噪声对超分辨率结果的影响；使用模糊K均值算法对训练图像块进行聚类,以获得更优化的权重系数,优化了最近邻选择过程。该算法通过训练集的学习,能有效避免边缘模糊,较好地保存图像纹理,提供更多的细节信息。对比实验表明,使用本文提出的算法复原所得的图像的均方根误差(RMSE)和峰值信噪比(PSNR)均优于控制核回归方法(SKR)和迭代反投影法(IBP),且在包含较多纹理区的图像复原实验中表现明显更佳,RMSE相较于SKR和IBP分别提高了30%和16%,PSNR相较于SKR和IBP分别提高了20%和5%,该方法能在一定程度上减少受到噪声的影响,有效地减少整体的模糊,保留较高对比度,能较清晰地保留图像纹理部分,对竖型边缘产生的锯齿效果有一定程度的改善。实验证明,使用本文方法得到的超分辨率复原图像能够更清晰、完整、准确地反映井下工作面的生产情况,满足煤矿监控的各种需求。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TD76;TP391.41

【相似文献】

相关期刊论文 前5条

1 李尧;张勇;李了了;;1种新颖的图像超分辨率算法的设计与实现[J];计算机与应用化学;2009年07期

2 卢紫微;吴成东;;基于重建方法的图像超分辨率技术发展现状分析与方向预测[J];辽宁石油化工大学学报;2014年02期

3 张宇;黄伟志;陈凯歌;;灰度图像超分辨方法研究和实验对比分析[J];河南工程学院学报(自然科学版);2012年04期

4 黎智辉;彭思龙;王永强;许小京;;基于样本库的人脸图像处理方法[J];影像科学与光化学;2012年02期

5 ;[J];;年期

相关会议论文 前7条

1 张煜东;吴乐南;奚吉;王水花;;变长小生境算法用于图像超分辨率复原[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 张东;韩军;;图像超分辨率重建算法研究[A];2010年西部光子学学术会议摘要集[C];2010年

3 杨浩;高建坡;陈向东;吴镇扬;;利用示例图像获取先验知识的图像超分辨率重建算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

4 闫允一;郭宝龙;;基于小波的图像超分辨率重建算法研究[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

5 顾莹;朱秀昌;;基于CS的图像超分辨率重建[A];2010年通信理论与信号处理学术年会论文集[C];2010年

6 韩玉兵;殷玮玮;吴乐南;;基于Wavelet-HMM的图像超分辨率重建[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

7 张琼;付怀正;沈民奋;;基于稀疏表示的彩色图像超分辨率重建算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

相关博士学位论文 前10条

1 曹明明;基于邻域嵌入的图像超分辨率重建研究[D];南京邮电大学;2015年

2 李小燕;基于广义图像先验的图像超分辨率重建算法研究[D];西南交通大学;2015年

3 康凯;图像超分辨率重建研究[D];中国科学技术大学;2016年

4 徐海明;图像超分辨率重建关键技术的基础研究[D];中国科学技术大学;2013年

5 李娟;基于稀疏表示的图像超分辨率复原研究[D];武汉科技大学;2016年

6 张剑;图像超分辨率重建问题研究[D];中南大学;2010年

7 何宇清;图像超分辨率重建关键技术研究[D];天津大学;2007年

8 曹聚亮;图像超分辨率处理、成像及其相关技术研究[D];国防科学技术大学;2004年

9 肖建平;图像超分辨率算法与硬件实现研究[D];华中科技大学;2006年

10 黄淑英;基于空间域正则化方法的图像超分辨率技术研究[D];中国海洋大学;2013年

相关硕士学位论文 前10条

1 雷倩;基于深度学习的图像超分辨率重构[D];河北师范大学;2015年

2 马莹;基于字典学习的图像超分辨率复原算法研究[D];燕山大学;2015年

3 张志超;单幅图像超分辨率重建算法研究[D];郑州大学;2015年

4 王贺青;基于稀疏表示和非下采样轮廓波变换的单幅图像超分辨率[D];哈尔滨工业大学;2015年

5 曹柱利;基于学习的毫米波图像超分辨率算法研究[D];电子科技大学;2014年

6 吴秀秀;基于配准的肺4D-CT图像超分辨率重建研究[D];南方医科大学;2015年

7 熊智;车牌图像超分辨率重建算法研究[D];南昌航空大学;2015年

8 赵新;图像超分辨率重建系统的研究与实现[D];河北工业大学;2015年

9 王保全;基于混合专家模型的快速图像超分辨率方法研究与实现[D];哈尔滨工业大学;2015年

10 徐光耀;基于稀疏表示的人脸图像超分辨率技术研究[D];上海交通大学;2015年

，

本文编号：2577967