煤矿监控图像分析方法研究PDF|Epub|txt|kindle电子书版本网盘下载

煤矿监控图像分析方法研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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