[发明专利]一种煤矿井下图像预处理方法

摘要

本发明公开了一种煤矿井下图像预处理方法，包括以下步骤一、图像采集；二、图像处理处理器按照时间先后顺序对各采样时刻所采集的数字图像分别进行图像处理；对任一个采集时刻所采集的数字图像进行处理时，过程如下图像接收与同步存储、处理时间判断和图像增强与分割处理，其中图像分割过程如下Ⅰ、二维直方图建立；Ⅱ、模糊参数组合优化利用粒子群优化算法对基于二维模糊划分最大熵的图像分割方法所用的模糊参数组合进行优化；Ⅲ、图像分割。本发明方法步骤简单、设计合理、实现方便且处理效果好、实用价值高，能简便、快速且高质量完成煤矿井下图像的预处理过程。

主权项

一种煤矿井下图像预处理方法，其特征在于该方法包括以下步骤：步骤一、图像采集；通过CCD摄像头(1)实时获取煤矿井下待检测区域的数字图像，并通过视频采集卡(2)且按照预先设定的采样频率对CCD摄像头(1)所获取的数字图像同步进行采集，并将每一个采样时刻所采集的数字图像同步传送至处理器(3)；所述CCD摄像头(1)与视频采集卡(2)相接，所述视频采集卡(2)与处理器(3)相接；本步骤中，各采样时刻所采集数字图像的大小均为M×N个像素点；步骤二、图像处理：所述处理器(3)按照时间先后顺序对步骤一中各采样时刻所采集的数字图像分别进行图像处理，且对每个采集时刻所采集数字图像的分析处理方法均相同；对步骤一中任一个采集时刻所采集的数字图像进行处理时，均包括以下步骤：步骤201、图像接收与同步存储：所述处理器(3)将此时所接收的当前采样时刻所采集的数字图像同步存储在数据存储器(4)内，所述数据存储器(4)与处理器(3)相接；步骤202、处理时间判断：所述处理器(3)根据预设的处理频率，分析判断此时是否需对当前采样时刻所采集的数字图像进行处理：当需对当前采样时刻所采集数字图像进行处理时，进入步骤203；否则，转入步骤204；步骤一中所述采样频率不小于本步骤中所述的处理频率，且所述采样频率为所述处理频率的整数倍；步骤203、图像增强与分割处理：通过处理器(3)对当前采样时刻所采集的数字图像进行增强与分割处理，过程如下：步骤2031、图像增强：处理器(3)调用图像增强处理模块，对当前采样时刻所采集的数字图像进行增强处理，获得增强处理后的数字图像；步骤2032、图像分割：处理器(3)调用图像分割处理模块，且按照基于二维模糊划分最大熵的图像分割方法对步骤2031中增强处理后的数字图像即待分割图像进行分割，过程如下：步骤Ⅰ、二维直方图建立：采用处理器(3)建立所述待分割图像的关于像素点灰度值与邻域平均灰度值的二维直方图；该二维直方图中任一点记为(i,j)，其中i为该二维直方图的横坐标值且其为所述待分割图像中任一像素点(m，n)的灰度值，j为该二维直方图的纵坐标值且其为该像素点(m，n)的邻域平均灰度值；所建立二维直方图中任一点(i,j)发生的频数记为C(i,j)，且点(i,j)发生的频率记为h(i,j)，其中步骤Ⅱ、模糊参数组合优化：所述处理器(3)调用模糊参数组合优化模块，且利用粒子群优化算法对基于二维模糊划分最大熵的图像分割方法所用的模糊参数组合进行优化，并获得优化后的模糊参数组合；本步骤中，对模糊参数组合进行优化之前，先根据步骤Ⅰ中所建立的二维直方图，计算得出对所述待分割图像进行分割时的二维模糊熵的函数关系式，并将计算得出的二维模糊熵的函数关系式作为利用粒子群优化算法对模糊参数组合进行优化时的适应度函数；步骤Ⅲ、图像分割：所述处理器(3)利用步骤Ⅱ中优化后的模糊参数组合，并按照基于二维模糊划分最大熵的图像分割方法对所述待分割图像中的各像素点进行分类，并相应完成图像分割过程，获得分割后的目标图像；步骤204、返回步骤201，对下一个采样时刻所采集的数字图像进行处理；步骤Ⅰ中所述待分割图像由目标图像O和背景图像P组成；其中目标图像O的隶属度函数为μo(i,j)＝μox(i；a,b)μoy(j；c,d)   (1)；背景图像P的隶属度函数μb(i,j)＝μbx(i；a,b)μoy(j；c,d)+μox(i；a,b)μby(j；c,d)+μbx(i；a,b)μby(j；c,d)   (2)；式(1)和(2)中，μox(i；a,b)和μoy(j；c,d)均为目标图像O的一维隶属度函数且二者均为S函数，μbx(i；a,b)和μby(j；c,d)均为背景图像P的一维隶属度函数且二者均为S函数，μbx(i；a,b)＝1‑μox(i；a,b)，μby(j；c,d)＝1‑μoy(j；c,d)，其中a、b、c和d均为对目标图像O和背景图像P的一维隶属度函数形状进行控制的参数；步骤Ⅱ中对二维模糊熵的函数关系式进行计算时，先根据步骤Ⅰ中所建立的二维直方图，对所述待分割图像的像素点灰度值的最小值gmin和最大值gmax以及邻域平均灰度值的最小值smin和最大值smax分别进行确定；步骤Ⅱ中计算得出的二维模糊熵的函数关系式为：式(3)中其中hij为步骤Ⅰ中所述的点(i,j)发生的频率；步骤Ⅱ中利用粒子群优化算法对模糊参数组合进行优化时，所优化的模糊参数组合为(a,b,c,d)；步骤2031中对当前采样时刻所采集的数字图像进行增强处理时，采用基于模糊逻辑的图像增强方法进行增强处理。