[發(fā)明專利]一種煤礦井下圖像預處理方法

有效

• 申請?zhí)枺?/td>: 201410041951.3
• 申請日: 2014-01-28
• 公開（公告）號: CN103942557B
• 公開（公告）日: 2017-07-11
• 發(fā)明（設計）人: 王媛彬
• 申請（專利權）人: 西安科技大學
• 主分類號: G06K9/60
• 分類號: G06K9/60
• 代理公司: 西安創(chuàng)知專利事務所61213
• 代理人: 景麗娜

1.一種煤礦井下圖像預處理方法，其特征在于該方法包括以下步驟：

步驟一、圖像采集；通過CCD攝像頭(1)實時獲取煤礦井下待檢測區(qū)域的數(shù)字圖像，并通過視頻采集卡(2)且按照預先設定的采樣頻率對CCD攝像頭(1)所獲取的數(shù)字圖像同步進行采集，并將每一個采樣時刻所采集的數(shù)字圖像同步傳送至處理器(3)；

所述CCD攝像頭(1)與視頻采集卡(2)相接，所述視頻采集卡(2)與處理器(3)相接；本步驟中，各采樣時刻所采集數(shù)字圖像的大小均為M×N個像素點；

步驟二、圖像處理：所述處理器(3)按照時間先后順序?qū)Σ襟E一中各采樣時刻所采集的數(shù)字圖像分別進行圖像處理，且對每個采集時刻所采集數(shù)字圖像的分析處理方法均相同；對步驟一中任一個采集時刻所采集的數(shù)字圖像進行處理時，均包括以下步驟：

步驟201、圖像接收與同步存儲：所述處理器(3)將此時所接收的當前采樣時刻所采集的數(shù)字圖像同步存儲在數(shù)據(jù)存儲器(4)內(nèi)，所述數(shù)據(jù)存儲器(4)與處理器(3)相接；

步驟202、處理時間判斷：所述處理器(3)根據(jù)預設的處理頻率，分析判斷此時是否需對當前采樣時刻所采集的數(shù)字圖像進行處理：當需對當前采樣時刻所采集數(shù)字圖像進行處理時，進入步驟203；否則，轉(zhuǎn)入步驟204；步驟一中所述采樣頻率不小于本步驟中所述的處理頻率，且所述采樣頻率為所述處理頻率的整數(shù)倍；

步驟203、圖像增強與分割處理：通過處理器(3)對當前采樣時刻所采集的數(shù)字圖像進行增強與分割處理，過程如下：

步驟2031、圖像增強：處理器(3)調(diào)用圖像增強處理模塊，對當前采樣時刻所采集的數(shù)字圖像進行增強處理，獲得增強處理后的數(shù)字圖像；

步驟2032、圖像分割：處理器(3)調(diào)用圖像分割處理模塊，且按照基于二維模糊劃分最大熵的圖像分割方法對步驟2031中增強處理后的數(shù)字圖像即待分割圖像進行分割，過程如下：

步驟Ⅰ、二維直方圖建立：采用處理器(3)建立所述待分割圖像的關于像素點灰度值與鄰域平均灰度值的二維直方圖；該二維直方圖中任一點記為(i,j)，其中i為該二維直方圖的橫坐標值且其為所述待分割圖像中任一像素點(m，n)的灰度值，j為該二維直方圖的縱坐標值且其為該像素點(m，n)的鄰域平均灰度值；所建立二維直方圖中任一點(i,j)發(fā)生的頻數(shù)記為C(i,j)，且點(i,j)發(fā)生的頻率記為h(i,j)，其中

步驟Ⅱ、模糊參數(shù)組合優(yōu)化：所述處理器(3)調(diào)用模糊參數(shù)組合優(yōu)化模塊，且利用粒子群優(yōu)化算法對基于二維模糊劃分最大熵的圖像分割方法所用的模糊參數(shù)組合進行優(yōu)化，并獲得優(yōu)化后的模糊參數(shù)組合；

本步驟中，對模糊參數(shù)組合進行優(yōu)化之前，先根據(jù)步驟Ⅰ中所建立的二維直方圖，計算得出對所述待分割圖像進行分割時的二維模糊熵的函數(shù)關系式，并將計算得出的二維模糊熵的函數(shù)關系式作為利用粒子群優(yōu)化算法對模糊參數(shù)組合進行優(yōu)化時的適應度函數(shù)；

步驟Ⅲ、圖像分割：所述處理器(3)利用步驟Ⅱ中優(yōu)化后的模糊參數(shù)組合，并按照基于二維模糊劃分最大熵的圖像分割方法對所述待分割圖像中的各像素點進行分類，并相應完成圖像分割過程，獲得分割后的目標圖像；

步驟204、返回步驟201，對下一個采樣時刻所采集的數(shù)字圖像進行處理；

步驟Ⅰ中所述待分割圖像由目標圖像O和背景圖像P組成；其中目標圖像O的隸屬度函數(shù)為μ_o(i,j)＝μ_ox(i；a,b)μ_oy(j；c,d) (1)；

背景圖像P的隸屬度函數(shù)μ_b(i,j)＝μ_bx(i；a,b)μ_oy(j；c,d)+μ_ox(i；a,b)μ_by(j；c,d)+μ_bx(i；a,b)μ_by(j；c,d) (2)；

式(1)和(2)中，μ_ox(i；a,b)和μ_oy(j；c,d)均為目標圖像O的一維隸屬度函數(shù)且二者均為S函數(shù)，μ_bx(i；a,b)和μ_by(j；c,d)均為背景圖像P的一維隸屬度函數(shù)且二者均為S函數(shù)，μ_bx(i；a,b)＝1-μ_ox(i；a,b)，μ_by(j；c,d)＝1-μ_oy(j；c,d)，其中a、b、c和d均為對目標圖像O和背景圖像P的一維隸屬度函數(shù)形狀進行控制的參數(shù)；

步驟Ⅱ中對二維模糊熵的函數(shù)關系式進行計算時，先根據(jù)步驟Ⅰ中所建立的二維直方圖，對所述待分割圖像的像素點灰度值的最小值g_min和最大值g_max以及鄰域平均灰度值的最小值s_min和最大值s_max分別進行確定；

步驟Ⅱ中計算得出的二維模糊熵的函數(shù)關系式為：

式(3)中其中h_ij為步驟Ⅰ中所述的點(i,j)發(fā)生的頻率；

步驟Ⅱ中利用粒子群優(yōu)化算法對模糊參數(shù)組合進行優(yōu)化時，所優(yōu)化的模糊參數(shù)組合為(a,b,c,d)；

步驟2031中對當前采樣時刻所采集的數(shù)字圖像進行增強處理時，采用基于模糊邏輯的圖像增強方法進行增強處理。