基于无人机图像处理的爆堆粒度特征分布研究

发布时间：2021-03-19 10:49

　　爆堆矿石粒度特征是衡量爆破效果的重要指标之一,矿石粒度分布合理不仅可以降低二次破碎工作量,减少采矿成本,而且还能够提高开采效率。通常爆堆粒度分析方法有筛分法、二次爆破岩块统计、爆堆直接测量等人工测定方法,这些方法耗时长,精度有限,效率低,不能满足工程需要,因此,有必要利用现代化信息技术手段,通过无人机快速采集采场爆堆图像信息,开发快速精准的矿石粒度辨识算法,为露天矿生产爆破提供决策依据。本文在研究国内外爆堆矿石粒度分布的文献和矿山实际处理方法的基础上,提出了基于无人机爆堆数据采集的矿石粒度辨识模型和算法:首先,通过无人机进行爆堆图像数据采集以及爆堆图像数据空间校准;第二,借助二维经验小波进行降噪处理和图像纹理增强,第三,利用亲和度图方法对爆堆图像进行辨识和分割,得到矿石颗粒准确边缘分割图;第四,对标记的矿石颗粒图像计算其粒径、周长和面积并进行统计分析。研究表明,基于无人机图像处理技术的爆堆矿石粒度辨识模型和算法,有效克服了传统测量的不足,能够经济、有效地统计出爆堆粒度的整体分布情况,准确性达到94%以上。论文中提出的爆堆矿石粒度分布辨识方法为快速有效评价爆堆爆破效果提供了一种新的途径,... 

【文章来源】：西安建筑科技大学陕西省

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

正射投影时无人机成像示意图

西安建筑科技大学硕士学位论文183.1.2图像失真检测无人机图像的几何变形通常由风速、采场作业震动、无人机飞翼转动、相机结构等因素影响产生。无人机搭载的相机相对于传统相机结构简单，传感器尺寸较小，防抖能力较弱，成像边缘易出现失真，镜头容易发生枕形或桶形畸变[90]。无人机在出厂前会对镜头进行校正，减少镜头带来的失真变形。相机传感器具有三维空间姿态感应能力，后期通过无人机飞行姿态参数对畸变图像进行针对性校正。无人机在采集图像过程中，空间姿态会随着飞行条件不断调整；若镜头主光轴没有垂直于地面，则成像形状变为非规则的四边形，如图3.2地面投影所示。由公式（3-1）和（3-2）可知，无人机成像变形由SX、SY、SZ和三个角参数、、影响[90]。因此，利用以上6个姿态位置参数，借助摄影测量学构建准确的无人机图像校正模型[90]。图3.1正射投影时无人机成像示意图Fig.3.1SchematicdiagramofUAVimageduringorthographicprojection图3.2像空间坐标系Fig.3.2Imagespacecoordinatesystem在EEEEOXYZ坐标系统中，投影中心点为(,,)SSSXYZS。S的垂直地面点为C；B水平面一个矿石抽象点，在像空间坐标系下的坐标为(,,)SSSXYZB，过B点作EAB⊥CX，则A的坐标为(,,)SSSXYZA[90]。AB在相机感光元件上的成像为ab，

西安建筑科技大学硕士学位论文22值判断，则可得到噪声的分布特征；其中，极值检测成为关键步骤。本文随机选取露天矿采场无人机图像，通过傅里叶变换分别对爆堆图像的行和列进行快速傅里叶变换，采用Littlewood-Paley算子对噪声特征检测，同时进行H自适应函数分割信号，对所有爆堆图像数据进行2DEWT降噪处理，然后逆变换重构图像，最后平滑处理，得到降噪无人机图像。基本流程如图3.5所示。图3.5二维经验小波变换无人机图像算法流程图Fig.3.5Flowchartof2dempiricalwavelettransformUAVimagealgorithm3.2.2爆堆图像噪声检测针对无人机爆堆图像噪声随机分布特征，本文首先对其噪声进行特征分布研究；首先利用傅立叶变换，将时域边界集合通过频谱幅值中的局部最大值法获得。但是，爆堆图像除具有高纹理特征变换外，它们的频谱很难分割出不同模态，因此要检测有效的傅里叶支撑就必须采用不同的标准。利用局部极大值法检测后，本文将基于傅立叶频谱并改进这种检测方法。为了获取待测噪声信号的傅里叶频谱()，SU计算信号()的快速傅里叶变换（FFT）[91]。图3.6傅里叶频谱的分割Fig.3.6ThedivisionoftheFourierspectrum爆堆图像的频谱被分割成N+1条分界线；设为其分界线，即={},=UAV图像导入FFT极值检测Littlewood-Paley噪声特征检测2DEWT降噪H函数自适应分割2DEWT逆变换重构平滑处理UAV图像导出

【参考文献】：
期刊论文
[1]基于多特征与卷积神经网络的SAR图像分类方法[J]. 王永乐,续婷,杜敦伟,白艳萍.  数学的实践与认识. 2020(06)
[2]基于WipFrag软件在某石灰石矿爆堆块度分析的应用研究[J]. 洪国敏,盛晓雅,韩建文.  采矿技术. 2020(02)
[3]形态学图像处理下的矿石粒度的检测[J]. 张建立,叶平坤,孙深深.  机械设计与制造. 2020(03)
[4]板式换热器波纹板深度在线检测方法研究[J]. 李飞,张平,苑玮琦.  仪器仪表学报. 2020(02)
[5]基于数字图像处理的含缺陷混凝土破裂过程研究[J]. 席仕军,左宇军,孙文吉斌,邬忠虎,刘镐.  应用力学学报. 2020(01)
[6]非局部多尺度分数阶微分图像增强算法研究[J]. 黄果,许黎,陈庆利,蒲亦非.  电子与信息学报. 2019(12)
[7]基于改进亲和度图的矿石颗粒图像分割研究与实现[J]. 孙国栋,林凯,高媛,徐昀.  仪表技术与传感器. 2019(12)
[8]露天矿山台阶深孔爆破大块成因及解决措施[J]. 杨超.  工程爆破. 2019(06)
[9]数字图像处理技术与MATLAB应用[J]. 张广才,万守鹏,何继荣.  软件. 2019(11)
[10]基于EWT和Meyer自适应阈值的微震降噪[J]. 卢才武,夏峰.  地球物理学进展. 2020(03)

硕士论文
[1]基于分形理论矿岩爆堆块度分布规律的研究[D]. 赵明.内蒙古科技大学 2015
[2]图像处理技术在岩石爆破块度分析中的应用[D]. 杨金保.中国地质大学（北京） 2009



本文编号：3089459