期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于同态滤波方法的煤矿井下图像增强技术研究 被引量:25
1
作者 龚云 颉昕宇 《煤炭科学技术》 CAS CSCD 北大核心 2023年第3期241-250,共10页
视觉同位定位与地图构建技术在井下搜救工作中运用广泛,而机器人采集图像质量的好坏直接决定构图的质量,目前受煤矿井下粉尘和光源的条件影响,收到的图像信息存在的灰度偏暗和对比度低的问题,所以井下图像的增强效果有待提高。针对这一... 视觉同位定位与地图构建技术在井下搜救工作中运用广泛,而机器人采集图像质量的好坏直接决定构图的质量,目前受煤矿井下粉尘和光源的条件影响,收到的图像信息存在的灰度偏暗和对比度低的问题,所以井下图像的增强效果有待提高。针对这一问题,提出一种在HSV空间下结合加权分布自适应伽马校正(Adaptive Gamma Correction with Weighting Distribution,AGCWD)的同态滤波方法。首先对经典同态滤波算法中存在高亮区和阴影区的过增强问题,用AGCWD算法对HSV空间下V分量的像素概率密度进行自适应的伽马校正,非线性地映射出新的概率分布,提高同态滤波对高光区和阴影区的适用性;再使用单参数同态滤波进行处理,以缓解多参数导致的参数过难选择问题;为了保留图像的细节,对单参数同态滤波后的结果进行对比度受限的自适应直方图均衡化(Contrast Limited Histogram Equalization,CLAHE)处理;最后进行HSV逆变换得到RGB空间下的图像,完成图像的增强。结果表明,改进的同态滤波算法相较于CLAHE算法,均值、标准差、峰值信噪比(PSNR)和信息熵分别提高了65.29%、21.58%、17.03%、5.18%,相较于经典同态滤波算法分别提高了52.07%、40.73%、36.23%、8.96%。试验数据表明改进的同态滤波算法能够在增强图像的亮度和对比度、保留图像细节信息的同时还在一定程度上抑制了经典同态滤波对明暗差距大的像片的过增强现象。 展开更多
关键词 图像增强 伽马校正 单参数同态滤波算法 CLAHE算法 图像处理
在线阅读 下载PDF
基于直线段检测和LT描述符的矿井图像线特征匹配算法 被引量:1
2
作者 朱代先 秋强 +2 位作者 孔浩然 胡其胜 刘树林 《工矿自动化》 CSCD 北大核心 2024年第2期72-82,共11页
图像匹配是同步定位与地图构建(SLAM)技术中极为重要的一环,用于根据图像之间的变换关系确定相机位姿。基于线特征的图像匹配方法具有较强的鲁棒性和抗噪能力,更加适用于井下图像匹配,基于深度学习的线描述符对线段遮挡等场景具有较高... 图像匹配是同步定位与地图构建(SLAM)技术中极为重要的一环,用于根据图像之间的变换关系确定相机位姿。基于线特征的图像匹配方法具有较强的鲁棒性和抗噪能力,更加适用于井下图像匹配,基于深度学习的线描述符对线段遮挡等场景具有较高的鲁棒性,性能优于传统描述符,但卷积神经网络架构的描述符将可变长度线段抽象为固定维进行描述,不利于线段长度及视差变化较大图像的匹配。针对上述问题,提出一种基于直线段检测和线描述符的矿井图像线特征匹配算法。在频域利用单参数同态滤波降低图像的照射分量,并增强反射分量,提升亮度及对比度;在YUV空间利用对比度受限的自适应直方图均衡化(CLAHE)算法对亮度分量进行均衡,使亮度分布更加均匀;变换至RGB空间提取直线段检测(LSD)线,引入一种基于Transformer架构的LT描述符构建LSD线的特征向量,最后完成线特征匹配。实验结果表明:该算法结合了同态滤波和CLAHE算法的优点,增强后图像的亮度适中,对比度良好,灰度分布均匀,增强效果优于单参数同态滤波算法、EnlightenGAN算法;该算法提取的线特征数较原图平均提升了32.92%,在不同相似纹理占比、不同程度旋转与平移变化的井下图像匹配中鲁棒性好,平均正确匹配数为61.75对,平均精度为86.83%,优于线二进制描述符(LBD)算法、LBD_NNDR算法、LT算法,能够满足矿井图像稳健匹配的需求。 展开更多
关键词 矿井图像匹配 线特征匹配 单参数同态滤波 CLAHE算法 直线段检测 LSD线 LT描述符 线描述符
在线阅读 下载PDF
基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法
3
作者 丁文博 云龙 《中国煤炭》 北大核心 2024年第S01期75-81,共7页
为解决煤矿带式输送机异物识别的尺度变化问题,提高煤矿生产安全性和效率,提出基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法。通过局部伽马变换和单参数同态滤波对摄像机采集的煤矿带式输送机图像进行增强处理,为后续异物识... 为解决煤矿带式输送机异物识别的尺度变化问题,提高煤矿生产安全性和效率,提出基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法。通过局部伽马变换和单参数同态滤波对摄像机采集的煤矿带式输送机图像进行增强处理,为后续异物识别提供良好基础。将增强后的图像输入到RetinaNet深度网络中,通过其内部特征金字塔网络提取煤矿带式输送机运输图像深度特征,输入到各子网中实现边框回归和分类,同时定义损失函数对网络进行调整。通过大量包含煤矿带式输送机异物的图像来训练RetinaNet深度网络,最终通过训练好的网络实现煤矿带式输送机异物智能识别。通过实验验证,该方法能够迅速且准确地识别出异物,并通过醒目红色标识框对异物进行精确标注,提升带式输送机运输的连续性和稳定性,有效提高煤矿的生产效率和经济效益。 展开更多
关键词 RetinaNet深度网络 煤矿带式输送机运输 异物智能识别 局部伽马变换 单参数同态滤波 特征金字塔网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部