[发明专利]一种采用特征相似性分析和多卷积稀疏表示的矿山掘进巷道顶板变形图像融合方法

说明书

本发明提供了一种采用特征相似性分析和多卷积稀疏表示的矿山掘进巷道顶板变形图像融合方法。该方法首先对图像的形式化描述；其次对两不同传感器相同采样时间获取的原始图像进行图像分解，得到原始图像的背景的细节两个子图像；再次对分解得到的细节层和背景层分别时空特征相似性分析，有效区分两个细节层之间和两个背景层之间的互补与冗余特征，确定图像在下一步融合时的重要程度系数；再次实现对背景层和细节层的分别融合；之后进行图像细节层与背景层的叠加融合，实现图像重构。最后、向后滑动处理图像位置，并重复进行图像分解、融合和重构几个步骤，直至融合完所有的图像帧，实现巷道顶板变形时间维动态演化过程图像融合。

技术领域

本发明是应用于矿山掘进工作面全监控系统的巷道顶板变形时间维动态演化过程中，一种采用特征相似性分析和多卷积稀疏表示的矿山掘进巷道顶板变形图像融合方法，属于多源运动图像融合领域，尤其涉及利用多卷积稀疏表示对运动图像进行跨尺度变换解译和融合恢复，实现了对矿山安全监控系统获取的图像特征信息的融合分析、同时提出去除图像传递信号冗余、丰富图像信息的方案。

技术背景

在煤矿工作面回采过程中，在临近采空区侧掘进巷道常常受到工作面回采产生的支撑压力影响，围岩变形严重。尤其是在坚硬顶板的地质条件下，工作面的推进导致产生大面积的悬顶，大面积悬顶及其突然破断产生冲击载荷及顶板大面积来压，对工作面和巷道支护产生严重威胁。尤其是对于大采高工作面，煤层顶板倘若发生大面积的断裂现象时，不仅会对回采巷道产生冲击破坏，还会导致保护煤柱发生失稳以及煤柱内巷道发生大形变。因此，需对采空去侧掘进巷道变形情况进行实时监控。

特征相似性是一种描述图像之间相关性的度量，一般通过两幅图像的灰度信息计算相关值，可以用于区分图像之间的互补和冗余区域。特征相似性有相位一致性和图像梯度能量两部分组成。相位一致性和图像梯度能量分别描述了图像的结构特征和对比度特征，反映了人类视觉系统对环境感知的不同方面。特征相似性采用时间和空间多角度结合的方式，度量多传感器运动图像之间的互补冗余信息。

卷积稀疏表示图像变换方法常被应用于可见光图像和红外光图像的融合，用于解决红外传感器与可见光传感器所成图像的互补性。采用多卷积系数表示方法进行图像的融合，可以最大程度的地结合两种图像类型的优点，达到弥补传感器的固有缺陷，消除图像冗余增强图像互补信息的目的。

本发明依托于多卷积稀疏表示图像处理技术并对图像进行特征相似性的综合分析，提出矿山掘进巷道顶板变形图像融合方法，目的是从不同模态类型的传感器运动图像中抽取互补信息，保持尽可能多的有用的时空融合信息到融合图下方序列中，有效提高目标场景的融合质量，同时避免融合运动图像序列出现冗余信息，保持融合序列的实践稳定性和一致性，实现对于矿井内安全监控系统获取的视频图像进行分析，对于井内掘进巷道顶板变形监测具有重要意义。通过融合不同模态的多传感器获取的同一场景的运动图像序列，可以获取到比单一传感器更加完整清晰连续的目标场景图像序列。本发明在采用特征相似性分析和多层卷积稀疏表示对图像进行跨尺度分析、变换和融合，与常规的单层卷积稀疏表示先比在融合质量上表现出较大优势。

发明内容

本发明要解决的技术问题是：本发明提供一种采用特征相似性分析和多卷积稀疏表示的矿山掘进巷道顶板变形图像融合方法，构建了一种新的对于多传感器获取的运动图像序列的高精度融合方法，实现对矿山不安全行为监控系统所获取的图形进行融合分析，为后期进一步实现图像识别提供高精度的数据。