煤矿井下监控系统中图像超分辨率复原方法的研究与实现

摘要

煤矿是我国能源结构中最重要的资源，在保障我国的能源安全中起着决定性的作用。但我国的煤矿生产效率低下且安全隐患多，使煤矿安全问题日益成为社会关注的焦点。近几年来，我国全面推广无人/少人化开采工作面，远程视频监控系统得到了迅速发展，通过远程视频监控系统，地面工作人员可以实时监控井下工作情况。煤矿视频监控对图像质量有较高的需求，但由于煤矿生产的特殊环境，获得的监控图像存在偏暗、对比度低、分辨率低、视觉效果差等问题。
　　提高图像质量可以从硬件和软件两方面入手。通过提升硬件设备可以获得更准确的图像，但大规模部署的经济成本高，且对图像质量的提升有限，该方法不具备现实可行性。软件的方法即图像的超分辨率复原方法，它利用图像的先验知识或图像序列之间的互补信息，恢复出丢失的高频信息以获得高分辨率的图像。选择合适的超分辨率方法对煤矿监控图像进行增强处理成为研究者的主要课题。
　　本文对三种主流的图像超分辨率方法在煤矿监控系统中的应用进行了研究，分析比较了基于插值、基于重建和基于学习的图像超分辨率方法，结合煤矿井下监控图像的特点分析了三种算法的优劣，由于基于学习的超分辨率算法能充分利用先验知识保存图像纹理，相对而言对图像噪声不敏感，本文选择基于学习的超分辨率做更进一步的研究。
　　本文使用直方图匹配算法和模糊K均值聚类对基于学习的超分辨率方法进行改进，提出了一种改进的近邻嵌入算法。使用直方图相似度匹配进行训练图像的选择，使用巴氏系数作为衡量图像灰度直方图相似度的标准，在兼顾时间效率的前提下同时能达到较高的匹配率;选择一阶梯度和高斯特征作为表示图像块的特征向量，能更好的含括图像的高频和低频信息，一定程度上避免了噪声对超分辨率结果的影响;使用模糊K均值算法对训练图像块进行聚类，以获得更优化的权重系数，优化了最近邻选择过程。该算法通过训练集的学习，能有效避免边缘模糊，较好地保存图像纹理，提供更多的细节信息。对比实验表明，使用本文提出的算法复原所得的图像的均方根误差(RMSE)和峰值信噪比(PSNR)均优于控制核回归方法(SKR)和迭代反投影法(IBP)，且在包含较多纹理区的图像复原实验中表现明显更佳，RMSE相较于SKR和IBP分别提高了30％和16％，PSNR相较于SKR和IBP分别提高了20％和5％，该方法能在一定程度上减少受到噪声的影响，有效地减少整体的模糊，保留较高对比度，能较清晰地保留图像纹理部分，对竖型边缘产生的锯齿效果有一定程度的改善。实验证明，使用本文方法得到的超分辨率复原图像能够更清晰、完整、准确地反映井下工作面的生产情况，满足煤矿监控的各种需求。

目录

声明

致谢

摘要

1 绪论

1．1 论文的背景与意义

1．1．1 煤矿井下监控系统的发展及改进意义

1．1．2 图像超分辨率复原方法的研究目的与意义

1．2 国内外研究现状分析

1．3 论文的主要工作

1．4 论文的组织结构

2 图像超分辨率复原理论基础

2．1 超分辨率图像复原的基本概念

2．2 图像超分辨率复原的理论基础

2．3 图像的降质模型

2．4 图像质量的评价标准

2．5 本章小结

3 改进的近邻嵌入算法

3．1 近邻嵌入算法原理

3．2 基于直方图相似度匹配的训练集选择

3．2．1 灰度直方图特征提取

3．2．2 巴氏系数直方图匹配

3．3 基于模糊K均值聚类的训练集聚类

3．3．1 K均值聚类算法

3．3．2 隶属函数与模糊集合

3．3．3 模糊K均值聚类算法

3．4 改进的近邻嵌入算法过程描述

3．5 本章小结

4 实验设计与结果分析

4．1 实验设计

4．1．1 图像块特征提取

4．1．2 近邻嵌入算法参数选取

4．1．3 煤矿监控图像的超分辨率复原实验

4．1．4 复原图像质量评价标准

4．2 实验结果及分析

4．3 本章小结

5 总结与展望

5．1 论文总结

5．2 工作展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集