【摘要】：煤礦火災是影響礦井安全生產的重大災害之一,嚴重威脅到人類的健康�；谝曨l圖像的自動火災探測技術已成為當前監(jiān)測和火災預警的重要手段,對煤礦工作的安全生產意義重大,但井下環(huán)境潮濕多塵,并且人工巡邏產生的光束與火災早期階段產生的煙霧特征極度相似,易造成計算機誤判。本文針對煤礦井下的復雜環(huán)境,研究煙霧檢測方法,進而判斷礦井火災。針對井下巷道霧氣會使采集到的圖像模糊不清,井下光照強度低且不均勻的情況,本文對暗原色去霧增強算法進行了改進,先濾除巷道中的霧氣,再使用CLAHEE算法對圖像進行亮度增強,恢復巷道原貌,使視頻監(jiān)控中的煤礦圖像對比度增加,煙霧輪廓清晰,細節(jié)信息更為豐富。對運動目標檢測為法進行研究,采用基于混合高斯模型建模的方法提取視頻頻序列中的運動目標,將煙霧連同其他運動目標一并提取出來。然后對提取的運動區(qū)域進行顏色分析,統計煤礦井下煙霧圖像的顏色規(guī)律,建立井下煙霧顏色的判決條件,進一步排除不具有煙霧顏色特征的運動物體,由此分割出疑煙區(qū)域。對煙霧的多種特征進行分析,進一步提高煙霧檢測的準確率。本文先使用主運動方向閾值濾除與煙霧運動方向不一致的運動光束,然后使用煙霧的紋理特征,形狀不規(guī)則特性和平均梯度三個特征,訓練生成SVM煙霧分類器,用于排除偽煙物的干擾。通過對大量煙霧和偽煙霧干擾視頻進行檢測分析,表明本文的算法能夠有效濾除井下圖像的霧氣,還原巷道面貌,并能夠及時、有效地檢測出視頻圖像中的煙霧,且具有一定的抗干擾能力。
【學位授予單位】：西安科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TD79;TP391.41
【圖文】：

圖 1.1 煙霧檢測的基本框架視頻圖像的預處理圖像的來源一般是通過攝像頭采集，在采集過程中，監(jiān)控設備的電子噪免的影響，不同場景的光照條件和外界環(huán)境的干擾也會對采集結果產生視頻進行預處理可以增強圖像對比度，突出圖像細節(jié)，使其比原始圖像

煤礦井下圖片像素統計圖

像的去霧增強9(a)原圖 (b)暗通道圖(c)像素統計圖圖 2.1 煤礦井下圖片像素統計圖2.2.1 去霧模型與暗原色理論（1） 大氣散射模型2001 年，Narasimhan 等人[37]修改完善了大氣散射模型，該模型描述了霧天圖像退化的過程，表示為式(2.1)：I ( x) J(x)t(x) A(1 t(x))（2.1）其中， I (x)為拍攝的有霧圖像， J (x)為將要恢復的無霧圖像，A 表示全局大氣光值，與環(huán)境有關，一般認為是全局常量，與x無關， t (x)為場景的透射率。變換公式(2.1)

【參考文獻】

相關期刊論文 前10條

1 鄭懷兵;翟濟云;;基于視頻分析的森林火災煙霧檢測方法[J];南京理工大學學報;2015年06期

2 史玉坤;仲貞;張德馨;楊金鋒;;利用多特征判別的煙霧檢測方法研究[J];信號處理;2015年10期

3 董蘭芳;余家奎;;基于圖像分離的視頻煙霧檢測方法[J];計算機工程;2015年09期

4 吳冬梅;李白萍;沈燕;王靜;何蓉;;基于多特征融合的煙霧檢測[J];圖學學報;2015年04期

5 劉青松;崔更申;吳鵬;李傳明;;基于機器學習的煙霧檢測算法去除固定干擾[J];計算機測量與控制;2015年03期

6 陳海鵬;劉飛;徐磊;徐廣偉;王宏雷;譚華春;;基于視頻多特征融合的列車車廂煙霧檢測方法[J];北京交通大學學報;2015年01期

7 潘朝峰;楊樹森;陳寧;;基于圖像熵的火災煙霧識別[J];江蘇科技大學學報(自然科學版);2015年01期

8 楊驥;楊亞東;梅雪;袁曉龍;袁宇浩;;基于改進的限制對比度自適應直方圖的視頻快速去霧算法[J];計算機工程與設計;2015年01期

9 王孟柳;陳和平;劉夏;;基于暗通道優(yōu)先煙霧檢測算法的研究[J];計算機應用與軟件;2014年11期

10 胡良梅;段琳琳;張旭東;楊靜;;融合顏色信息與深度信息的運動目標檢測方法[J];電子與信息學報;2014年09期

相關博士學位論文 前1條

1 王媛彬;基于圖像特征的煤礦火災檢測與識別研究[D];西安科技大學;2015年

相關碩士學位論文 前5條

1 雷丹;公路隧道視頻火災煙霧檢測方法研究[D];大連海事大學;2017年

2 汪子杰;基于深度神經網絡的視頻煙霧檢測研究[D];西南交通大學;2016年

3 邵坤艷;基于視頻圖像的火災檢測方法研究[D];重慶大學;2015年

4 劉鵬;基于視頻的火災煙霧檢測[D];華北電力大學;2014年

5 王娜娜;基于視頻的火災煙霧檢測算法研究[D];西安科技大學;2012年

本文編號：2784679