亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于灰度共生矩陣與回歸分析的礦井水災(zāi)感知

        2020-09-27 13:24:30曹玉超
        工礦自動(dòng)化 2020年9期
        關(guān)鍵詞:水災(zāi)特征值共生

        曹玉超

        (中國(guó)礦業(yè)大學(xué)(北京) 機(jī)電與信息工程學(xué)院, 北京 100083)

        0 引言

        水災(zāi)為煤礦重特大災(zāi)害之一[1]。水災(zāi)感知可采用水文鉆孔[2-4]、微震監(jiān)測(cè)[5]、水位監(jiān)測(cè)[6]、應(yīng)力監(jiān)測(cè)、電阻率監(jiān)測(cè)、圖像識(shí)別[7-10]等方法。水文鉆孔施工周期較長(zhǎng),且極易發(fā)生孔內(nèi)事故。微震監(jiān)測(cè)、水位監(jiān)測(cè)、應(yīng)力監(jiān)測(cè)、電阻率監(jiān)測(cè)等傳感器感知方法屬于接觸式測(cè)量,在災(zāi)變情況下容易受到破壞,影響穩(wěn)定性。通過(guò)圖像識(shí)別感知水災(zāi)具有非接觸、蘊(yùn)含信息豐富等特點(diǎn),越來(lái)越受到人們關(guān)注。文獻(xiàn)[7]通過(guò)水位標(biāo)尺圖像監(jiān)測(cè)礦井水位,但只能在涌水量達(dá)到一定程度后才能感知水災(zāi),時(shí)效性較差。文獻(xiàn)[8]提出基于圖像像素灰度統(tǒng)計(jì)值的水災(zāi)識(shí)別方法,對(duì)突涌水直接進(jìn)行監(jiān)測(cè),能及時(shí)發(fā)現(xiàn)水災(zāi),但容易受到井下燈光設(shè)備干擾,燈光變化時(shí)圖像的灰度特征穩(wěn)定性較差。文獻(xiàn)[9]提出基于圖像紋理特征的礦井水災(zāi)感知方法,雖然解決了光照影響帶來(lái)的不穩(wěn)定性,但該方法耗時(shí)較長(zhǎng),識(shí)別率較低。鑒于此,本文提出了一種基于灰度共生矩陣與回歸分析的礦井水災(zāi)感知方法,基于灰度共生矩陣提取突涌水、煤、巖石圖像紋理特征,通過(guò)回歸分析對(duì)突涌水、煤、巖石圖像進(jìn)行分類(lèi),從而識(shí)別水災(zāi)。

        1 方法原理

        1.1 灰度共生矩陣

        灰度共生矩陣用于圖像紋理信息有效提取[11-14]。假設(shè)圖像分辨率為N×N,則灰度共生矩陣的元素為

        p(i,j,δ,θ)={(x,y),(x+dx,y+dy)∈

        N×N|f(x,y)=i,f(x+dx,y+dy)=j}

        (1)

        式中:(x,y)為參考點(diǎn);(x+dx,y+dy)為偏移點(diǎn);f(x,y)=i表示參考點(diǎn)的灰度值為i;f(x+dx,y+dy)=j表示偏移點(diǎn)的灰度值為j;δ為偏移點(diǎn)的偏移量;θ為偏移點(diǎn)的偏移角度。

        筆者選用灰度共生矩陣的對(duì)比度、差異性、齊次性、熵、相關(guān)性和能量作為特征值。

        (1) 對(duì)比度:反映圖像紋理溝紋深淺程度和清晰度。對(duì)比度越大,表明圖像紋理溝紋越深,視覺(jué)效果越清晰;對(duì)比度越小,表明圖像紋理溝紋越淺,視覺(jué)效果越模糊。對(duì)比度表達(dá)式為

        (2)

        式中L為圖像灰度級(jí)數(shù)。

        (2) 差異性:反映圖像的局部對(duì)比度變換情況。局部對(duì)比度增大時(shí),差異性增大;局部對(duì)比度減小時(shí),差異性減小。差異性表達(dá)式為

        (3)

        (3) 齊次性:反映圖像局部紋理的均勻變化程度。圖像局部紋理均勻變化時(shí),灰度共生矩陣的相鄰元素變化較慢,齊次性較大;圖像局部紋理不均勻變化時(shí),灰度共生矩陣的相鄰元素變化較快,齊次性較小。齊次性表達(dá)式為

        (4)

        (4) 熵:反映圖像包含的信息量。熵越大,表明圖像包含的信息量越大;熵越小,表明圖像包含的信息量越小。熵表達(dá)式為

        (5)

        (5) 相關(guān)性:反映圖像中局部灰度相關(guān)性,度量灰度共生矩陣的元素在行或列方向上的相似性?;叶裙采仃嚨脑刂迪嗖钤叫。嚓P(guān)性越大;灰度共生矩陣的元素值相差越大,相關(guān)性越小。相關(guān)性表達(dá)式為

        (6)

        (6) 能量:反映圖像灰度分布均勻程度。圖像灰度分布越集中,能量越大;圖像灰度分布越分散,能量越小。能量表達(dá)式為

        (7)

        1.2 回歸分析

        將對(duì)比度x1、差異性x2、齊次性x3、熵x4、相關(guān)性x5、能量x6組成特征向量,紋理圖像在由特征向量構(gòu)成的空間X中有唯一表示,存在非線(xiàn)性回歸方程(式(8))使突涌水和煤巖背景分離。

        (8)

        式中:km為斜率;φ(xm)為低維空間X映射到高維空間Z的核函數(shù);b為截距。

        高維空間中存在如下映射關(guān)系:

        zm=φ(xm)

        (9)

        式中zm為高維空間的向量分量。

        則低維空間的非線(xiàn)性回歸方程(式(8))可轉(zhuǎn)換為

        (10)

        假設(shè)煤、巖石與突涌水樣本集中各樣本的特征向量到非線(xiàn)性回歸方程的距離為dvu(v=1,2,3;u=1,2,…,Mv,Mv為每種樣本集中樣本數(shù)量),各樣本集中樣本的特征向量到非線(xiàn)性回歸方程的最小距離為

        dv=min(dv1,dv2,…,dvMv)

        (11)

        (12)

        2 實(shí)驗(yàn)分析

        為驗(yàn)證本文方法的有效性,使用Intel Core i5、雙核CPU主頻1.8 GHz、內(nèi)存8 GB、64位操作系統(tǒng)的計(jì)算機(jī)進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)選取井下常見(jiàn)的無(wú)煙煤、砂巖各250張圖像作為負(fù)樣本,并與250張突涌水圖像組成數(shù)據(jù)集,圖像分辨率為256×256。

        2.1 特征值

        不同樣本圖像特征值如圖1所示??煽闯鐾挥克膶?duì)比度、差異性、齊次性特征值與無(wú)煙煤特征值較相似,但熵、相關(guān)性、能量特征值與砂巖較相似,僅利用部分特征值很難將突涌水從復(fù)雜的煤巖背景中提取,而綜合采用對(duì)比度、差異性、齊次性、熵、相關(guān)性、能量特征值可有效表示突涌水的紋理特征。

        圖1 不同樣本圖像特征值Fig.1 Image eigenvalues of different samples

        2.2 識(shí)別率

        在相同實(shí)驗(yàn)硬件條件下,文獻(xiàn)[9]方法的識(shí)別率為81.97%,本文方法識(shí)別率明顯提高,為96.33%。這是由于相對(duì)于文獻(xiàn)[9]方法中雙樹(shù)復(fù)小波頻域變換,灰度共生矩陣對(duì)于紋理特征的提取能力較強(qiáng),能從多個(gè)維度對(duì)紋理圖像的特征進(jìn)行抽取,且在識(shí)別分類(lèi)時(shí)采用回歸分析將復(fù)雜的多維度向量在特征空間中進(jìn)行有效表示,相對(duì)于單一的統(tǒng)計(jì)量建模具有良好的可區(qū)分性。

        2.3 耗時(shí)

        本文方法耗時(shí)由灰度共生矩陣計(jì)算時(shí)間與識(shí)別時(shí)間組成,結(jié)果見(jiàn)表1??煽闯鰡螐垐D像灰度共生矩陣計(jì)算平均耗時(shí)為16.145 6 ms,識(shí)別平均耗時(shí)為0.142 9 ms,本文方法平均耗時(shí)為16.288 5 ms。

        文獻(xiàn)[9]方法平均耗時(shí)為81.933 4 ms,本文方法比文獻(xiàn)[9]方法耗時(shí)縮短了65.644 9 ms。這是由于文獻(xiàn)[9]方法對(duì)圖像進(jìn)行雙樹(shù)復(fù)小波多級(jí)分解時(shí),每個(gè)尺度下都需單獨(dú)計(jì)算各方向的濾波系數(shù),雙樹(shù)復(fù)小波多級(jí)分解的后一級(jí)系數(shù)需要在前一級(jí)分解的基礎(chǔ)上計(jì)算,屬于典型的串行操作,耗時(shí)較長(zhǎng);本文方法利用灰度共生矩陣進(jìn)行紋理特征提取時(shí),對(duì)不同的矩陣塊可進(jìn)行并行計(jì)算,各并行計(jì)算內(nèi)容之間并無(wú)依賴(lài)關(guān)系,所以耗時(shí)大大減少。

        表1 基于灰度共生矩陣與回歸分析的礦井水災(zāi)感知方法耗時(shí)Table 1 Time-consuming of mine flood perception method based on gray level co-occurrence matrix and regression analysis ms

        3 結(jié)語(yǔ)

        提出了一種基于灰度共生矩陣與回歸分析的礦井水災(zāi)識(shí)別方法。計(jì)算樣本圖像的灰度共生矩陣,提取灰度共生矩陣的對(duì)比度、差異性、齊次性、熵、相關(guān)性、能量作為特征值并組成特征向量;以樣本圖像的特征向量到非線(xiàn)性回歸方程的最小距離之和最大為依據(jù)確定分類(lèi)器,通過(guò)分類(lèi)器識(shí)別水災(zāi)。實(shí)驗(yàn)結(jié)果表明,對(duì)于分辨率為256×256的圖像,該方法識(shí)別率為96.33%,單張圖像平均耗時(shí)16.288 5 ms,基本滿(mǎn)足井下實(shí)時(shí)監(jiān)控需求。

        猜你喜歡
        水災(zāi)特征值共生
        一類(lèi)帶強(qiáng)制位勢(shì)的p-Laplace特征值問(wèn)題
        必備!歐洲居民水災(zāi)應(yīng)對(duì)指南
        海外星云(2021年9期)2021-10-14 07:25:48
        單圈圖關(guān)聯(lián)矩陣的特征值
        人與熊貓 和諧共生
        共生
        疫情、水災(zāi)期間效益不減反增,這家動(dòng)保企業(yè)到底如何做到的?
        優(yōu)生共生圈培養(yǎng)模式探索
        遇到突如其來(lái)的水災(zāi)該怎么辦
        優(yōu)生共生圈培養(yǎng)模式探索
        基于商奇異值分解的一類(lèi)二次特征值反問(wèn)題
        国产av无码专区亚洲awww| 91久久精品美女高潮喷白浆| 91久久国产情侣真实对白| 日本熟妇免费一区二区三区| 懂色av一区二区三区尤物| 性欧美老人牲交xxxxx视频| 国产精品无需播放器| 色综合久久五月天久久久| 国产高潮流白浆视频在线观看 | 国产精品无码素人福利不卡| 亚洲av国产精品色午夜洪2| 欧美国产亚洲精品成人a v| 女同视频网站一区二区| 国产在线视频一区二区天美蜜桃 | 亚洲av无码成人yellow| 国产精品一区区三区六区t区| av高清视频在线麻豆免费观看| 白白色白白色视频发布| 亚洲av日韩专区在线观看| 国产精品久久久久…| 白白在线免费观看视频| 中文字幕av伊人av无码av| 精品人妻系列无码人妻免费视频| 人妻少妇人人丰满视频网站| 不卡视频在线观看网站| 亚洲va国产va天堂va久久| 国产高清视频91| av天堂手机一区在线| 国产三级a三级三级| 亚洲av无码片在线观看| 亚洲日韩AV无码美腿丝袜| 在线观看午夜视频国产| 亚洲色图片区| 国产成人www免费人成看片| 蜜臀aⅴ永久无码一区二区| 久久伊人亚洲精品视频| 亚瑟国产精品久久| 亚洲熟妇AV一区二区三区宅男 | 久久国产黄色片太色帅| 国产97色在线 | 亚洲| 亚洲黄色性生活一级片|