基于圖像特征的煤礦火災(zāi)檢測(cè)與識(shí)別研究.pdf

1、火災(zāi)是礦井重大災(zāi)害之一，嚴(yán)重威脅著人類健康、自然環(huán)境和煤礦的安全生產(chǎn)。隨著科技進(jìn)步，火災(zāi)自動(dòng)檢測(cè)技術(shù)逐漸成為監(jiān)測(cè)和火災(zāi)預(yù)警的重要手段?；谝曨l圖像的火災(zāi)檢測(cè)技術(shù)具有探測(cè)范圍廣、響應(yīng)時(shí)間短、成本低、不受環(huán)境影響等優(yōu)勢(shì)，結(jié)合計(jì)算機(jī)智能技術(shù)可以提供更直觀、更豐富的信息，對(duì)煤礦的安全生產(chǎn)具有重要意義。針對(duì)煤礦火災(zāi)檢測(cè)過(guò)程中的圖像預(yù)處理、特征提取、圖像識(shí)別三個(gè)環(huán)節(jié)，本文主要完成了以下研究工作：
　　針對(duì)煤礦井下照度低、光照不均勻的特點(diǎn)，在分

2、析和比較傳統(tǒng)圖像增強(qiáng)處理算法的基礎(chǔ)上，提出了基于模糊邏輯的圖像增強(qiáng)預(yù)處理方法。該方法定義了新的模糊隸屬度函數(shù)，通過(guò)快速最大類間方差法搜索閾值，實(shí)現(xiàn)了模糊增強(qiáng)閾值的自適應(yīng)選取，減小了圖像低灰度區(qū)域的像素信息損失，提高了運(yùn)算速度。
　　針對(duì)圖像噪聲大、對(duì)比度低的特點(diǎn)，提出了基于二維模糊劃分最大熵的圖像分割方法，采用模糊隸屬度函數(shù)對(duì)目標(biāo)與背景進(jìn)行精細(xì)劃分，既利用了圖像的灰度信息以及空間鄰域信息，而且兼顧了圖像自身的模糊性，克服了傳統(tǒng)的分

3、割算法需要根據(jù)經(jīng)驗(yàn)確定閾值的不足；提出采用粒子群優(yōu)化算法對(duì)模糊熵函數(shù)進(jìn)行優(yōu)化，克服了運(yùn)算速度慢的缺點(diǎn)，滿足實(shí)時(shí)性需求。
　　根據(jù)火災(zāi)發(fā)生早期的火焰圖像特性，研究了火災(zāi)火焰的特征提取技術(shù)，結(jié)合火災(zāi)火焰的動(dòng)靜態(tài)特征、紋理特征、頻閃特征，在圖像分割的基礎(chǔ)上分別對(duì)疑似區(qū)域及像素進(jìn)行計(jì)算，以反映其面積蔓延、形體變化、邊緣變化及閃爍特性，實(shí)現(xiàn)了火災(zāi)圖像特征參數(shù)的提??；針對(duì)火災(zāi)圖像的多特征選擇問(wèn)題，基于多特征融合的火災(zāi)圖像特征選擇技術(shù)，實(shí)現(xiàn)了初

4、始特征集中特征冗余信息的去除，確定了火災(zāi)圖像的分類特征參數(shù)，并將其作為火災(zāi)火焰和干擾源的識(shí)別依據(jù)。
　　根據(jù)圖像處理算法提取的早期火災(zāi)火焰的圖像特征，構(gòu)建了多特征融合的圖像型火災(zāi)火焰檢測(cè)模型?；谌斯ど窠?jīng)網(wǎng)絡(luò)適合處理不完善和模糊信息的特點(diǎn)以及最小二乘支持向量機(jī)具有的小樣本、非線性、訓(xùn)練效率高及高維模式優(yōu)勢(shì)分別進(jìn)行火災(zāi)火焰圖像識(shí)別，達(dá)到各個(gè)判據(jù)優(yōu)勢(shì)互補(bǔ)的目的，從而克服了傳統(tǒng)的使用單一特征作為判據(jù)易引起誤報(bào)的局限性，其中對(duì)最小二乘支持

5、向量機(jī)的超參數(shù)選取在快速留一法的基礎(chǔ)上，提出了采用共軛梯度法進(jìn)行超參數(shù)優(yōu)化，構(gòu)建了FR-LSSVM模型。最后分別采用BP神經(jīng)網(wǎng)絡(luò)、最小二乘法支持向量機(jī)、FR-LSSVM和標(biāo)準(zhǔn)支持向量機(jī)進(jìn)行分類實(shí)驗(yàn)，結(jié)果表明FR-LSSVM較其它算法有更好的穩(wěn)定性、更快的運(yùn)算速度和更高的識(shí)別率。
　　基于提取的煙霧圖像特征實(shí)現(xiàn)了實(shí)時(shí)煙霧檢測(cè)。首先基于混合高斯分布對(duì)煙霧圖像序列進(jìn)行運(yùn)動(dòng)區(qū)域檢測(cè)，提取出運(yùn)動(dòng)像素。根據(jù)煙霧擴(kuò)散的動(dòng)態(tài)特性結(jié)合煙霧疑似區(qū)域的