基于图像纹理特征的矿井水灾感知方法
孙继平
曹玉超
1.中国矿业大学(北京)机电与信息工程学院,北京,1000832.中国矿业大学(北京)机电与信息工程学院,北京,100083
摘要：现有水灾监测报警方法存在着适应性差、误报和漏报率高等问题,难以满足煤矿安全生产需求.为此,提出了基于图像纹理特征的矿井水灾感知方法:在巷道顶部或巷帮、采煤工作面支架等设置摄像机,实时采集采掘工作面和巷道底板图像;通过双树复小波变换,提取水、煤、岩石图像纹理特征,建立水灾图像识别模型;对学习样本进行双树复小波变换,提取1,2级系数,统计其方差与期望值,利用相应的方差与期望值构造泊松分布模型,并估计其各个方向模型的强度参数.对待测样本同样进行双树复小波变换后,利用1,2级系数的方差与期望值构成的模型强度参数向量与样本参数向量进行皮尔逊相似性比较,最终确定待测样本分类.根据水灾图像识别模型,对实时监测的图像进行识别,当分割图像具有水灾纹理特征时,进行水灾报警.采集了水灾模拟实验图像,建立了图像数据库.对所提出的模型编制了相应的实验程序,进行了模型的训练和实验验证.研究了水、煤、岩石在双树复小波域泊松分布下系数统计值的分布规律,并对模型的性能进行了参数化的评估.通过实验验证了基于图像纹理特征的矿井水灾感知方法的可行性.实验表明,基于图像纹理特征的矿井水灾感知方法,识别水灾准确率大于81％.
关键词：矿井水灾水灾感知图像识别图像纹理双树复小波变换
分类号：TP391.41(计算技术、计算机技术)TD745(矿山安全与劳动保护)
资助基金：国家重点研发计划(2016YFC0801800)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 2936-2944 )
英文信息