煤矿监控图像分析方法研究PDF电子书下载

1 绪论 1

1.1 研究意义 1

1.1.1 保障矿工人身安全 2

1.1.2 提高设备运行效率和煤矿生产效率 2

1.2 研究现状及存在的问题 2

1.2.1 矿井监控图像处理 2

1.2.2 矿工监控图像分析 4

1.2.3 机车监控图像分析 6

1.2.4 煤炭监控图像分析 6

1.3 本书内容安排 7

2 煤矿数字图像监控系统 9

2.1 传统的煤矿图像监控系统 9

2.2 基于工控机的煤矿图像监控系统分析 13

2.2.1 系统模型 13

2.2.2 监控功能模块 15

2.2.3 与传统的矿工和煤炭监控系统的异同点 16

2.3 涉及的图像理论 17

2.3.1 图像处理 18

2.3.2 图像分析 19

2.3.3 图像理解与识别 19

2.3.4 与图像识别相关的理论 20

2.4 本章小结 21

3 矿工监控图像中脸部检测方法分析 23

3.1 人体检测与识别的生物特征分析 24

3.2 脸部检测方法 25

3.2.1 基于肤色和几何特征的脸部检测方法 26

3.2.2 基于统计理论的脸部检测方法 29

3.3 巷道环境中脸部图像的采集 31

3.3.1 主要影响因素 31

3.3.2 图像采集方案 32

3.4 基于模板的脸部检测分析 36

3.4.1 脸部检测流程 36

3.4.2 图像处理 37

3.4.3 模板构造 44

3.4.4 模板匹配与脸部位置确定 45

3.5 匹配检测实验 46

3.6 本章小结 49

4 机车图像识别方法研究 51

4.1 空机车图像的识别基础 51

4.2 基于Radon变换的识别原理 52

4.3 图像处理 56

4.3.1 灰度图像的数学形态学算法 56

4.3.2 灰度图像的边缘检测方法 59

4.4 图像处理比较 69

4.5 Radon变换识别结果 70

4.6 与Hough变换识别方法的对比 73

4.7 本章小结 77

5 煤炭图像识别方法研究 80

5.1 煤监控图像采集 80

5.2 识别特征的提取 81

5.3 人工神经网络 84

5.3.1 人工神经元 84

5.3.2 人工神经网络 89

5.4 基于BP网络的识别方法 90

5.4.1 BP网络的分析 91

5.4.2 解决方案 92

5.4.3 BP网络的训练和仿真 94

5.4.4 小结 96

5.5 基于径向基函数网络的识别方法 97

5.5.1 径向基神经元 97

5.5.2 径向基神经网络的分析 99

5.5.3 解决方案 102

5.5.4 实验与仿真 103

5.5.5 小结 105

5.6 基于概率网络的识别方法 106

5.6.1 概率神经网络 106

5.6.2 网络设计与识别仿真 107

5.6.3 小结 109

5.7 本章小结 109

6 结论和展望 112

6.1 主要工作和结论 112

6.1.1 矿工监控图像中脸部的检测 112

6.1.2 矿井监控图像中机车的识别 114

6.1.3 矿井煤炭监控图像中碎煤和块煤的识别 115

6.2 展望 117

参考文献 118