矿井图像增强和井下人员检测算法的研究

摘要

煤矿井下环境复杂，存在一些危险区域，人员的误入会对生命造成危害。井下安装着监控系统，通过监控视频检测人员，能够及时发现危险情况并阻止，对于煤炭安全生产意义重大。本文针对煤矿井下图像质量差，低照度，光照不均匀等问题，研究矿井图像增强和井下人员检测算法，主要工作内容与创新如下： （1）针对井下图像光照不均匀，照度低的问题，提出了一种基于同态滤波和Curvelet变换的矿井图像增强算法。该算法使用同态滤波对图像校正，调整图像亮度；采用Curvelet变换对原图和校正后的图像分解，通过基于SML取大的方法融合两者的高频子带，保证图像清晰度，提出局部能量方差积法将两者低频分量融合，更大保留图像视觉信息；利用Curvelet反变换还原图像，并对其进行局部对比度处理，避免对比度下降。实验结果表明，增强效果良好，高亮区域得到了抑制，低亮度区域有所增强。 （2）针对矿井人员检测效果不佳，漏检与误检严重的问题，提出一种基于自适应局部相似模型（ALSP）的多特征融合井下人员检测算法。该算法融合图像ALSP特征和灰度共生矩阵（GLCM）特征，针对传统LBP算法对噪声敏感问题，研究自适应局部阈值改进LSP算法，以更好的表征局部纹理特征；同时GLCM描述图像全局纹理特征，将ALSP特征与GLCM特征融合，更能表现图像纹理；再提取图像HOG特征，使用PCA对HOG特征降维，融合HOG特征作为最终特征，使用训练好的SVM分类器对测试图像检测。实验结果表明，本文算法在矿井下有较好的检测效果，且漏检率与误检率都有所降低。

目录

声明

致谢

变量注释表

1 绪论

1.1研究背景和意义

1.2国内外研究现状

1.2.1 图像增强方法研究现状

1.2.2 行人检测方法研究现状

1.3研究存在的问题

1.4论文的研究内容和组织结构

1.4.1 研究内容

1.4.2 组织结构

2 图像增强和人员检测方法

2.1图像增强方法

2.1.1 空域增强方法

2.1.2 频域增强方法

2.1.3 融合增强方法

2.2行人检测方法

2.2.1 背景建模方法

2.2.2 统计学习方法

2.3本章小结

3 基于同态滤波和Curvelet变换的矿井图像增强算法

3.1 结合同态滤波和 Curvelet 变换的矿井图像增强算法

3.1.1 同态滤波

3.1.2 Curvelet变换

3.1.3 改进的融合规则

3.1.4 局部对比度增强

3.2 实验结果分析

3.3算法应用于矿井彩色图像

3.4本章小结

4 基于ALSP的多特征融合井下人员检测算法

4.1.1 ALSP 算法

4.1.2 灰度共生矩阵

4.1.3 PCA降维

4.1.4 特征融合

4.1.5 模型的生成

4.2.1 检测结果评价指标

4.2.2 结果分析

4.3本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历

学位论文原创性声明

学位论文数据集