目前,煤炭業(yè)越來越重視發(fā)展以“智能、安全”為核心的開采理念,獲取高清的井下視頻圖像已經(jīng)成為實(shí)現(xiàn)煤礦精準(zhǔn)開采的必要條件之一。獲取的井下圖像分辨率越高,意味著包含的數(shù)據(jù)量越高,這樣有利于煤礦工作者得到更多有效的信息,對(duì)實(shí)現(xiàn)煤礦開采的安全化和智能化發(fā)揮著重要的作用。但是,井下環(huán)境特殊,低照度、噪聲干擾等現(xiàn)象時(shí)有發(fā)生,受硬件設(shè)備限制,獲取的礦井圖像往往分辨率較低,易出現(xiàn)圖像的模糊和邊緣信息的丟失,難以達(dá)到滿意的視覺效果。圖像的超分辨率重建技術(shù)可以有效提高礦井圖像的分辨率,彌補(bǔ)丟失的高頻細(xì)節(jié)信息,在智慧礦山、煤炭的安全開采、井下無人化工作等領(lǐng)域有著重要的應(yīng)用。本文主要針對(duì)兩種條件下的礦井圖像超分辨率重建作出研究,在經(jīng)典的稀疏表示模型框架下,結(jié)合字典學(xué)習(xí)方法,提出兩種基于在線字典學(xué)習(xí)的礦井圖像超分辨率重建方法,主要的工作和創(chuàng)新如下:（1）在低照度的條件下,針對(duì)礦井圖像易出現(xiàn)模糊偽影的問題,對(duì)圖像的超分辨率重建算法做出改進(jìn)。分析了傳統(tǒng)算法并不能滿足對(duì)礦井圖像重建需求的缺點(diǎn)所在。本論文提出了參數(shù)自適應(yīng)的在線字典學(xué)習(xí)礦井圖像超分辨率重建算法,以經(jīng)典的基于學(xué)習(xí)的方法為基礎(chǔ),引入在線字典學(xué)習(xí)（online ... 

【文章來源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

美國(guó)空軍分辨率測(cè)試圖（USAF1951）

也很難獲取到效果令人滿意的高分辨率圖像。圖像的超分辨率重建（Super-ResolutionReconstruction,SRR）[7]是一種數(shù)字圖像處理技術(shù)。它通過軟件處理已實(shí)際拍攝的低分辨率圖片，利用低分辨率圖片自身特征、圖像間的相似性或冗余性等先驗(yàn)知識(shí)重構(gòu)出高分辨率圖像。這一技術(shù)不僅不受硬件條件、外界環(huán)境或者傳輸和存儲(chǔ)容量的制約，而且成本不高，對(duì)于圖像退化中出現(xiàn)的噪聲、模糊、下采樣等各種因素，處理效果明顯，因此備受研究者的重視，成為當(dāng)下圖像處理領(lǐng)域最熱門的課題之一。1.1.2圖像超分辨率重建在智慧礦山中的應(yīng)用圖1-2中國(guó)煤炭資源量Figure1-2CoalresourcesinChina如圖1-2為我國(guó)煤炭資源量的情況圖，煤炭資源作為我國(guó)能源結(jié)構(gòu)中的主體，有著其固有的特點(diǎn)：（1）資源豐富但是分布不均勻；（2）煤層埋藏較深導(dǎo)致露天開采困難；（3）與煤炭資源共伴共生的其他類礦產(chǎn)還未能得到有效的開發(fā)或利用。由此可知，我國(guó)已由煤炭地表淺層開采進(jìn)入到深部開采的階段。但是，地下深層的環(huán)境惡劣，采集到的圖像可能發(fā)生質(zhì)量衰減，出現(xiàn)圖像模糊、辨識(shí)度低，邊緣細(xì)節(jié)內(nèi)容丟失等問題，導(dǎo)致取得的數(shù)據(jù)準(zhǔn)確性和可靠性大大降低，無法滿足目標(biāo)的信息需求。與此同時(shí)，通信行業(yè)和人工智能的迅猛發(fā)展對(duì)傳統(tǒng)煤礦工業(yè)也起到十分重要的影響。研究者將發(fā)展目標(biāo)從傳統(tǒng)的人力礦山、機(jī)械作業(yè)向智慧礦山[8,9]轉(zhuǎn)移。所謂智慧礦山就是以“安全、智能”為中心，實(shí)現(xiàn)煤礦的精準(zhǔn)開發(fā)，實(shí)現(xiàn)礦井信息的實(shí)時(shí)捕獲、信息交互的普遍適用、信息處理的智慧集成，最終提供面向需求的智能服務(wù)。

閌牽河行?畔⒌?獲娶檢測(cè)率和誤檢測(cè)率。然而智慧礦山在采集井下數(shù)據(jù)的過程中常會(huì)遇到以下問題：（1）礦井下易受環(huán)境影響，光照差、空氣質(zhì)量低下、粉塵噪聲污染等問題比較嚴(yán)重，會(huì)對(duì)視頻圖像的清晰采集造成困難；（2）大多煤礦監(jiān)測(cè)系統(tǒng)中的攝像設(shè)備存在老化、穩(wěn)定性差等情況；（3）視頻圖像的數(shù)據(jù)量大，拍攝距離遠(yuǎn)，圖像的傳輸和存儲(chǔ)空間不足等都會(huì)嚴(yán)重折損圖像的質(zhì)量，使得有效信息丟失和圖像歪曲模糊。綜上所述，在進(jìn)行礦井圖像采集時(shí)，容易發(fā)生退化現(xiàn)象，導(dǎo)致采集到的圖像中存在對(duì)比度低、噪聲干擾、視覺效果差等問題。如圖1-3所示，嚴(yán)重影響井下信息的獲取和集成處理，并且直接導(dǎo)致檢測(cè)率下降、誤檢測(cè)率增加。這時(shí)急需要一種技術(shù)能夠解決這些問題，有效地提取礦井圖像的特征并恢復(fù)丟失的細(xì)節(jié)信息，提供高質(zhì)量、高清晰度、高效率、高傳輸和低時(shí)延的煤礦場(chǎng)景再現(xiàn)，助力煤炭開采智能化。圖像的超分辨率重建技術(shù)可以有效提高低分辨圖像的質(zhì)量，重建后的圖像分辨率提高，高頻細(xì)節(jié)更加豐富，視覺效果更好。因此，圖像的超分辨率重建技術(shù)在智慧礦山的發(fā)展和應(yīng)用中有著非常重要的意義。圖1-3通過視頻監(jiān)控系統(tǒng)采集到的礦井智能采煤工作面Figure1-3Intelligentcoalfacecollectedbyvideomonitoringsystem圖像超分辨率重建技術(shù)在發(fā)展中有三個(gè)分類分別是基于插值、基于重建和基于學(xué)習(xí)的方法，各類方法的具體研究將在后續(xù)章節(jié)中給出。在此重點(diǎn)分析兩種特殊條件下的礦井圖像超分辨率重建。（1）低照度條件下的礦井圖像超分辨率重建。礦山井下的光照度較低，獲取的圖像灰暗模糊，是智慧礦山發(fā)展中的一個(gè)阻礙。如圖1-4，在低照度的井下環(huán)境中，圖像發(fā)生了嚴(yán)重的重影和模糊。其中，（a）圖中已經(jīng)基本看不清楚軌道以及壁沿的情況；（b）圖中的圖像整體也較為

【參考文獻(xiàn)】：
期刊論文
[1]我國(guó)智慧礦山高質(zhì)量發(fā)展實(shí)現(xiàn)路徑研究[J]. 吳群英,李梅,孫振明.  煤炭經(jīng)濟(jì)研究. 2020(02)
[2]智慧礦山邊緣云協(xié)同計(jì)算技術(shù)架構(gòu)與基礎(chǔ)保障關(guān)鍵技術(shù)探討[J]. 姜德義,魏立科,王翀,范金洋,任奕瑋.  煤炭學(xué)報(bào). 2020(01)
[3]自適應(yīng)的圖像在線字典學(xué)習(xí)超分辨率重建算法[J]. 程德強(qiáng),于文潔,郭昕,莊煥東,付新竹.  激光與光電子學(xué)進(jìn)展. 2020(06)
[4]一種優(yōu)化的迭代反投影超分辨率重建方法[J]. 劉克儉,陳淼焱,馮琦.  遙感信息. 2019(03)
[5]基于MCA的壓縮感知彩色圖像超分辨率重建[J]. 葉坤濤,劉繼鋒,郭振龍,賀文熙.  江西理工大學(xué)學(xué)報(bào). 2019(03)
[6]基于自回歸正則化和稀疏表示的圖像超分辨率重建[J]. 李麗敏,冉峰,郭愛英,郁懷波,沈華明.  復(fù)旦學(xué)報(bào)(自然科學(xué)版). 2019(01)
[7]一種改進(jìn)的非局部均值去噪算法[J]. 蔡斌,劉衛(wèi),鄭重,汪增福.  模式識(shí)別與人工智能. 2016(01)
[8]基于多尺度結(jié)構(gòu)自相似性的單幅圖像超分辨率算法[J]. 潘宗序,禹晶,胡少興,孫衛(wèi)東.  自動(dòng)化學(xué)報(bào). 2014(04)
[9]超分辨率圖像重建方法綜述[J]. 蘇衡,周杰,張志浩.  自動(dòng)化學(xué)報(bào). 2013(08)
[10]煤礦物聯(lián)網(wǎng)特點(diǎn)與關(guān)鍵技術(shù)研究[J]. 孫繼平.  煤炭學(xué)報(bào). 2011(01)

博士論文
[1]MODIS時(shí)間序列重建方法與應(yīng)用[D]. 丁超.中國(guó)地質(zhì)大學(xué)(北京) 2018
[2]煤礦井下監(jiān)控圖像超分辨率復(fù)原關(guān)鍵技術(shù)研究[D]. 范郭亮.中國(guó)礦業(yè)大學(xué)(北京) 2012

碩士論文
[1]基于自相似性和回歸模型的單幅圖像超分辨率重建方法研究[D]. 丁娜.山東大學(xué) 2019
[2]基于頻域分離的深度圖像超分辨率重建[D]. 付緒文.合肥工業(yè)大學(xué) 2019
[3]基于稀疏表示的單幅圖像超分辨率重建[D]. 朱林華.重慶郵電大學(xué) 2017
[4]煤礦井下監(jiān)控系統(tǒng)中圖像超分辨率復(fù)原方法的研究與實(shí)現(xiàn)[D]. 陸慧君.北京交通大學(xué) 2016



本文編號(hào)：3483974