礦業(yè)視頻圖像

前言

面向礦業(yè)領(lǐng)域應(yīng)用的在線視頻分析系統(tǒng)，即計(jì)算機(jī)視覺(jué)系統(tǒng)，包括圖像采集與增強(qiáng)、圖像分割、特征提取、特征與模型匹配和基于領(lǐng)域知識(shí)識(shí)別圖像內(nèi)目標(biāo)等過(guò)程，除了圖像采集，大部分是軟件處理過(guò)程。采選過(guò)程的在線視頻分析系統(tǒng)是采選過(guò)程自動(dòng)化和信息化的基礎(chǔ)，蘊(yùn)藏著巨大的應(yīng)用前景，是解決無(wú)人采礦、采區(qū)變形、運(yùn)輸設(shè)備自動(dòng)導(dǎo)航等問(wèn)題的支撐技術(shù)。礦山行業(yè)是我國(guó)的基礎(chǔ)行業(yè)，其自動(dòng)化、信息化程度與國(guó)際水平有一定的差距，礦業(yè)軟件在國(guó)內(nèi)市場(chǎng)的潛力巨大，很少有國(guó)產(chǎn)軟件占據(jù)市場(chǎng)。采選過(guò)程計(jì)算機(jī)視覺(jué)應(yīng)用系統(tǒng)和關(guān)鍵技術(shù)有很大的市場(chǎng)需求，能夠針對(duì)性地解決目前爆破、選礦、破碎和浮選過(guò)程存在的安全、節(jié)能、增效、降耗等問(wèn)題。礦業(yè)領(lǐng)域在線視頻分析系統(tǒng)由于需要領(lǐng)域知識(shí)與圖像分析技術(shù)的結(jié)合，目前國(guó)內(nèi)研究尚處于初始階段，利用視覺(jué)信息實(shí)時(shí)提取采選過(guò)程的參數(shù)，能夠指導(dǎo)采選生產(chǎn)。采場(chǎng)爆破過(guò)程需要計(jì)算機(jī)視覺(jué)系統(tǒng)，粒度分析及礦石識(shí)別用于控制爆破成本和安全預(yù)警。運(yùn)輸和破碎是金屬礦山的兩大能耗環(huán)節(jié)，決定產(chǎn)業(yè)的成本，傳送帶是礦石運(yùn)輸?shù)闹饕緩街?，礦石在傳送帶上送入破碎機(jī)和碾磨機(jī)，在線視頻分析系統(tǒng)能夠提取礦石的粒度分布信息，反饋調(diào)節(jié)破碎和磨礦設(shè)備孔徑，大大降低能耗。浮選過(guò)程產(chǎn)品質(zhì)量和回收率與浮選泡沫的狀態(tài)（顏色、大小、紋理、穩(wěn)定性、流動(dòng)性等）密切相關(guān)，浮選泡沫變化由操作工人用肉眼觀測(cè)，難以及時(shí)準(zhǔn)確掌控浮選泡沫狀態(tài)。粒度分布信息是采選系統(tǒng)的重要參數(shù)，從鉆探、爆破到最終產(chǎn)品，各環(huán)節(jié)合理的粒度分布決定當(dāng)前及下游操作的能耗成本。在線視頻分析礦業(yè)混合物的組分和屬性，也利于采選過(guò)程的優(yōu)化控制。

內(nèi)容概要

本書(shū)應(yīng)用圖像增強(qiáng)、數(shù)學(xué)形態(tài)學(xué)變換、目標(biāo)標(biāo)記、特征匹配等數(shù)學(xué)及圖像處理技術(shù)，以視頻圖像為處理對(duì)象，對(duì)視頻中大量的、相似的、邊界模糊的目標(biāo)進(jìn)行標(biāo)識(shí)，對(duì)目標(biāo)的邊界進(jìn)行分割，并對(duì)其形態(tài)特征進(jìn)行統(tǒng)計(jì)。內(nèi)容包括灰度變換、雙邊濾波、距離變換及重構(gòu)、目標(biāo)標(biāo)記、分水嶺礦石圖像分割、泡沫圖像分割及浮選泡沫測(cè)速等。本書(shū)主要應(yīng)用于采礦場(chǎng)爆破、礦石傳送和浮選泡沫的視頻處理，對(duì)圖像中的礦石和泡沫目標(biāo)進(jìn)行分割及形態(tài)統(tǒng)計(jì)。    本書(shū)主要為計(jì)算機(jī)、自動(dòng)控制、資源及安全等領(lǐng)域從事圖像處理和模式識(shí)別工作的研究人員和工程技術(shù)人員提供參考，也可作為相關(guān)專(zhuān)業(yè)的研究生教材。

書(shū)籍目錄

第一章　序言  1.1  圖像處理在礦業(yè)領(lǐng)域應(yīng)用和意義  1.2　礦業(yè)領(lǐng)域數(shù)字圖像  1.3　礦業(yè)領(lǐng)域的圖像處理研究    1.3.1　礦石分割研究    1.3.2　浮選泡沫分割研究    1.3.3　特征提取研究  1.4　計(jì)算機(jī)視覺(jué)系統(tǒng)  1.4.1　機(jī)器視覺(jué)  1.4.2　控制照明  1.4.3　數(shù)字圖像處理  1.4.4　模式識(shí)別第二章　圖像增強(qiáng)　2.1　灰度變換  　2.1.1　線性灰度變換　  2.1.2　分段線性變換　2.2　雙邊濾波  　2.2.1　高斯濾波器　  2.2.2　雙邊濾波原理  　2.2.3　雙邊濾波器　  2.2.4　雙邊濾波實(shí)驗(yàn)結(jié)果  　2.2.5　雙邊濾波討論　  2.2.6　雙邊濾波程序　2.3　結(jié)論第三章  礦石圖像二值化　3.1　圖像二值化　3.2　灰度共生矩陣  　3.2.1　灰度共生矩陣概念和原理　  3.2.2　灰度共生矩陣的特征參數(shù)  　3.2.3　灰度共生矩陣程序　3.3　基于雜亂度的局部閾值分割方法  　3.3.1　圖像雜亂度　  3.3.2　基于C(t)曲線加權(quán)閾值算法  　3.3.3　基于c(t)曲線程序　3.4　基于連通度的分割技術(shù)　  3.4.1　形狀連通性測(cè)度單閾值分割  　3.4.2　形狀連通性測(cè)度程序　3.5  自適應(yīng)二值化  　3.5.1  自適應(yīng)二值化算法　  3.5.2　自適應(yīng)二值化程序　3.6　實(shí)驗(yàn)結(jié)果及分析  　3.6.1　C(t)曲線和直方圖二值化　  3.6.2　C(t)曲線和直方圖加權(quán)二值化  　3.6.3　形狀連通度和自適應(yīng)二值化　3.7　結(jié)論第四章　圖像形態(tài)學(xué)重構(gòu)　4.1　圖像形態(tài)學(xué)基本變換  　4.1.1　腐蝕　  4.1.2　腐蝕程序  　4.1.3　膨脹　  4.1.4　開(kāi)運(yùn)算  　4.1.5　閉運(yùn)算　4.2　距離變換  　4.2.1　距離變換基本原理　  4.2.2　倒角模板處理  　4.2.3　距離變換實(shí)驗(yàn)　  4.2.4　距離變換程序　4.3　圖像形態(tài)學(xué)重構(gòu)  　4.3.1　灰度圖像重構(gòu)基本原理　  4.3.2　灰度圖像重構(gòu)結(jié)果及討論  　4.3.3　灰度圖像重構(gòu)程序  4.4　結(jié)論第五章　圖像種子區(qū)域提取　5.1　標(biāo)記提取  　5.1.1　連通區(qū)域標(biāo)記處理　  5.1.2　標(biāo)記后處理  5.2　泡沫圖像標(biāo)記區(qū)域提取  　5.2.1　高亮區(qū)域提取　  5.2.2　種子區(qū)域去噪  　5.2.3　泡沫標(biāo)記區(qū)域提取程序  5.3　礦石圖像種子區(qū)域提取　  5.3.1　標(biāo)記區(qū)域提取  　5.3.2　標(biāo)記閾值選取　  5.3.3　種子區(qū)域選取  　5.3.4　標(biāo)記區(qū)域提取程序……第六章　分水嶺礦石圖像分割第七章　基于區(qū)域生成的泡沫圖像分割第八章　基于身線群的泡沫圖像分割第九章　視頻測(cè)速參考文獻(xiàn)

章節(jié)摘錄

插圖：采選生產(chǎn)過(guò)程視頻處理的核心過(guò)程為圖像增強(qiáng)、圖像目標(biāo)定位和目標(biāo)分割。由于采選生產(chǎn)過(guò)程視頻的采集環(huán)境、視頻內(nèi)容存在較大差異，高適應(yīng)性的圖像增強(qiáng)處理可以提高圖像處理系統(tǒng)的適應(yīng)性和后續(xù)分割過(guò)程的準(zhǔn)確性。由于礦石圖像的復(fù)雜性，在圖像增強(qiáng)后，需要借助形態(tài)學(xué)變換將相連的目標(biāo)區(qū)域分開(kāi)，并使每個(gè)目標(biāo)區(qū)域內(nèi)部出現(xiàn)明顯的標(biāo)識(shí)特征。再利用分割計(jì)算將圖像內(nèi)的多個(gè)目標(biāo)的邊界進(jìn)行分割。礦石圖像處理面臨諸多挑戰(zhàn)：（1）傳送帶上礦石圖像，經(jīng)常處于高粉塵污染環(huán)境，自然光導(dǎo)致圖像的顏色及亮度差異巨大，且在礦石周?chē)纬申幱啊＃?）礦石堆積，粒度差異巨大，形態(tài)呈現(xiàn)沒(méi)有規(guī)則的多面體，幾何信息對(duì)礦石的分割作用有限。整幅圖像中幾乎沒(méi)有背景信息，僅顏色信息難以區(qū)分礦石，而且目標(biāo)的紋理信息很不規(guī)則，同一礦石表面的紋理有較大差異，單獨(dú)的紋理信息也難以識(shí)別礦石。圖像增強(qiáng)有選擇地突出有用信息，削弱或抑制一些無(wú)用信息。按處理域的不同分為空域增強(qiáng)方法和頻域增強(qiáng)方法?？沼蛟鰪?qiáng)針對(duì)圖像的二維空間位置進(jìn)行處理，即直接對(duì)每一像素或鄰域的灰度值進(jìn)行變換；頻域增強(qiáng)針對(duì)圖像的二維頻率空間進(jìn)行處理，即直接對(duì)高頻或者低頻內(nèi)容進(jìn)程變換，圖像在低頻時(shí)比高頻明顯有更多的能量（信息），低通濾波器去除高頻信號(hào)的內(nèi)容，盡可能保存低頻信號(hào)，即圖像的細(xì)節(jié)信息，高通濾波器去除低頻信號(hào)的內(nèi)容，盡可能保存高頻信號(hào)，即圖像的邊緣信息。采選圖像由于目標(biāo)表面凸凹不平、顏色紋理信息差別很大，目標(biāo)內(nèi)部和目標(biāo)邊緣的頻域處理不易區(qū)分，故沒(méi)有對(duì)其進(jìn)行頻域增強(qiáng)處理?？沼蛟鰪?qiáng)按技術(shù)可分為灰度變換和空域?yàn)V波?；叶茸儞Q是基于點(diǎn)操作，將每一個(gè)像素的灰度值按照一定的數(shù)學(xué)變換公式轉(zhuǎn)換為一個(gè)新的灰度值，使感興趣目標(biāo)的灰度更突出、更容易提取.包括對(duì)比度增強(qiáng)、直方圖均衡化等方法。

編輯推薦

《礦業(yè)視頻圖像:目標(biāo)識(shí)別與分割》由石油工業(yè)出版社出版。

圖書(shū)封面

評(píng)論、評(píng)分、閱讀與下載

---

    礦業(yè)視頻圖像 PDF格式下載

---