煤矿井下运输异物检测关键技术研究

发布时间：2021-01-07 22:59

　　煤矿井下皮带造价昂贵,而异物的存在可能会造成皮带损伤甚至撕裂,带来巨大经济损失,因此研究优化煤矿皮带运输机的异物检测方法十分重要。皮带目标检测是运用智能分析技术,通过去除背景部分,将运动目标摘取出来,从而对运动目标进行准确有效的分析。本文以矿井皮带为对象,优化现有方法并重点研究下列方面内容:视频防抖动、纹理图像分割、目标准确跟踪以及皮带异物检测算法,主要创新点如下:1.基于二进制描述子的快速视频防抖动研究。由于井下环境复杂,摄像头会出现间歇性抖动,导致无法获得清晰流畅的视频源。针对上述问题,本文对比实值描述子和二进制描述子特征提取算法在时空消耗方面的性能差异,选用二进制描述子特征提取和匹配算法。同时,采用随机抽样一致性算法去除误匹配,并通过透视变换为图像进行运动补偿,最终得到稳定的视频帧序列。2.基于平稳方向波域概率图模型的纹理图像分割研究。在平稳方向波域中,将隐马尔可夫链和马尔可夫随机场结合为一种概率图模型,通过最小化能量函数得到纹理图像分割结果。该方法解决了分割图像过程中细粒度不足的问题。实验结果表明,相比于其他算法,所设计方法在同质区域和不同区域的边界分割上可以获得更好的性能。3... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：123 页

【学位级别】：博士

【部分图文】：

SIFT高斯金字塔和SURF高斯金字塔

构建金字塔后便开始极值点的寻找，首先要对特征点进行初步定义，经过Hessian 矩阵的处理之后，依次分析每一层的各个像素点，将其与上下邻域及本邻域内的像素点进行对比，判断其是否为这些像素点中的最大值或最小值，如果是，则该像素点为初步特征点；若不是，则将其放弃，继续寻找下一个特征点。与 SIFT 算法类似，不好的极值点需要被去除。同样地使用三维线性插值来取得亚像素级的特征点，要预设一个阈值，将所有低于该阈值的点删除，并通过阈值的不断改变减少特征点的个数，最终获取最具代表性的特征点。4）确定特征点主方向在确定特征点主方向的过程中，为保证旋转不变性和提高鲁棒性，需要在一定的领域范围内来统计特征点的 Harr 小波特征。具体如图 2-5 所示，特征点用坐标轴原点来表示，以该点为圆心，以 R 为半径画一个圆，在该圆中作一个 60度的扇形区域并对此扇形区域内的 Harr 小波特征进行统计。要使用高斯权重系数来计算得到该区域的 Harry 小波特性，离原点越远，权重越小，反之亦然。之后通过进一步的计算以获取该区域的一个矢量值，特征点主方向便可由该矢量的方向来表示，特征值的大小则由该矢量值来表示。

图 2-6 特征描述子Figure 2-6 Feature descriptor通过上述计算，即可获得这些子区域中的值，之后使用这些子值（共计 64 个）来描述特征点，即该特征向量是 64 维的，与 SIF相比，维数减少了一半，这样不仅可以缩短特征描述的时间，同时的时间。2.2.2 二进制描述子特征提取算法（1）BRIEF 算法BRIEF 是较早将二进制描述子运用于视频图像处理方面的算的实值描述子，二进制串来描述特征点将一个特征值用简单的二使得计算更加方便，所消耗的时间变少，极大地提高了处理视频具体实现如下：1）对图像进行高斯滤波以减少噪声干扰。2）将特征点作为中心，取 S*S 的邻域大窗口，随机地在该窗的子窗口，将子窗口内的像素和作对比，进行二进制赋值，由式


本文编号：2963406