全景钻孔图像自动识别技术在工程实践中的应用研究

数字全景摄像技术在钻孔工程实践中已经得到广泛应用.利用数字全景钻孔摄像系统获得的大量高清全景钻孔图像,采用基于聚类和特征函数的自动识别方法进行了智能分析和自动识别研究,并成功应用在乌东德水电站获得的实际全景钻孔图像中.结果表明,该自动识别方法能够全面快速地全自动识别出整个钻孔图像中大部分重要结构面及其位置、倾向、倾角和隙宽等特征参数信息,并对结构面特征进行了初步归类和统计分析.在12个约50m深的钻孔当中,每个孔所获全景钻孔图像主要结构面的自动识别率约为90%、准确率约为85%、全孔耗时约为3h,精度偏差小于4%.全景钻孔图像自动识别技术的应用极大地提高了实践工作效率,缩短了工程时间,避免了较多的人为因素干扰,实现了全孔图像结构面形态参数的自动识别与实践应用,有利于推动钻孔摄像技术智能化的进一步发展.     

钻孔图像特征分析与结构面区域划分方法

数字式全景钻孔摄像系统在实践钻探工程中获得了大量的高精度钻孔图像,这些钻孔图像数据往往需要人为进行分段处理和信息加工预处理,工作量大并且具有盲目性.针对该问题,本文进行了钻孔图像特性分析,并提出了一种对钻孔图像进行结构面区域划分的方法.该方法利用井壁中岩体结构成像灰度梯度纵向投影的极值特征来组成新的合成信号和便于计算机处理的区域划分信号,从而实现了钻孔图像的区域划分以及结构面产状范围的初步限定.该方法能够连续快速地对整个钻孔图像内所有的结构面进行区域划分,无需人为干预,为结构面的全自动识别与参数提取奠定了基础,也为深孔钻井工程中图像数据的分块处理提供了一种有效的解决方案.     

基于深度学习的钻孔图像岩体结构面识别

岩体结构面对岩体稳定性和渗透性有着重要影响,是决定深部地下工程稳定性的重要因素.针对井下电视技术获取的钻孔影像,提出了一种基于深度学习算法(You Only Look Once version 4,YOLO v4)的岩体结构面识别方法,并计算识别岩体结构面的几何参数.首先,采集图像数据并进行预处理.以某隧道工程为案例,使用智能钻孔光学成像仪采集4号和6号钻孔图像,筛选含有结构面的钻孔图像进行标注以建立Ground truth数据集.从中随机选择数据集的70%作为训练数据、10%作为验证数据、20%作为测试数据,并对训练数据集使用数据增强处理.接下来使用CSPDarkNet53网络作为特征提取网络,构建YOLO v4模型,并采用试错法获取最优参数进行模型训练.利用测试集生成P-R(Precision-Recall)曲线来测试最终的模型训练效果,结果显示P-R曲线的平均精度达0.87,这表明YOLO v4训练结果较好.最后,将定位的结构面采用Canny算法通过拟合上、中、下正弦曲线函数获取岩体结构面边缘,并依据正弦函数的系数计算结构面的4个几何参数(倾向、倾角、深度和张开度).     

基于钻孔摄影方法的岩体中结构面连通性分析

将钻孔摄影方法推广到多孔结构面连通中，从结构面产状、地质特征等角度提出了连通性判别依据，并运用龙江特大桥桥基摄像勘察结果检验了该方法的可行性.其中，选择了位于大桥一侧的3个钻孔，在对孔内的结构面地质特征、产状等参数进行分析和计算的基础上，根据结构面连通原理进行对比和筛查，共得到3组2孔连通结构面和2组3孔连通结构面.结果表明，所有可连通结构面产状相似、空间位置满足共面的要求，并且组成结构面的岩体及周围环境岩体特征相似.将基于钻孔摄影技术的结构面连通方法用于该工程中可行.
     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

改进的高低帽变换对固定阈值二值化算法的优化

由于车牌识别系统大多工作在复杂的光照环境中,如何解决不均匀光照对车牌图像的影响仍然是车牌识别领域的一个难题。数学形态学中高低帽变换的重要用途就是校正不均匀光照对图像的影响,但如果直接将其用于车牌图像的二值化处理,因为图像的灰度值变换不大导致部分边缘损失,不仅不利于确定良好的阈值,而且检测结果也不理想。利用高低帽算法的特点,首先用形态学膨胀算法调整结构元素尺度,改进传统高低帽变换的边缘检测算法,然后利用检测图像边缘熵确定权值进行融合,再对其进行固定阈值二值化处理。实验证明这一方法有效提升了车牌图像的边缘灰度,减小了光线不均对车牌图像造成的影响,增强了车牌识别的准确度。     

基于非抽样contourlet变换的图像增强方法

针对实验图像光照不均、对比度低、噪声大等特点,提出一种基于非抽样contourlet变换的图像非线性增强算法.首先对原图进行非抽样contourlet变换,分解为低频和高频子带;然后对低频子图进行自适应直方图处理,以增强像素的对比度,对高频系数采用分层阈值处理和分段非线性变换;最后将其反变换得到增强的图像.仿真实验结果表明:此算法不仅增强效果好,鲁棒性强,而且具有较大的实用价值.     

一种改进的基于小波的人脸图像光照归一化算法

为了消除光照变化对人脸识别的影响,提出了一种新的基于小波的光照归一化算法。首先对人脸图像进行三级小波分解,获取低频和高频系数;接着对低频成分直方图均衡化,减弱光照的影响,同时对高频成分阈值去噪,再放大高频以增强图像边缘;最后进行逆小波变换,得到归一化后的人脸图像。在Yale B人脸库上的实验结果表明:本文方法可有效减弱光照变化对人脸识别的影响,显著地提高了人脸识别系统的识别率。     

基于小波变换融合图像的全局运动估计新模型

像素运动的视频序列中全局运动方式占较大比重,这是由于摄像设备的移动所造成的.金字塔算法因为其工作原理会导致图像显示不稳定,小波变换对相关联的图像能进行有效的处理以克服图像融合技术金字塔算法的不足.提出了基于小波变换融合图像的全局运动估计的的新型模态,基于小波变换的多尺度结构可以通过融合不同图像的特征来解决.实验结果证明了该算法的有效性.     

多摄像头侧视钻孔全景图像拼接

目前,地质勘测主要采用数字式全景钻孔摄像获取具有真实感的孔壁全景图以进行地质分析,但是已有的全景图获取方法存在设备成本高或图像拼接过程复杂等不足,基此提出了一种水平环状均匀分布多个CCD摄像头的摄像模型,对钻孔孔壁四周360°进行拍摄获取图像,并对获取的图像进行畸变矫正。对钻孔孔壁的曲率造成的图像信息缺失,采用非均匀插值对其进行展开。通过提取图像SIFT特征点,利用基于(k-d)树的BBF算法确定图像的匹配点对,采用RANSAC算法二次消除错配求得变换矩阵。加权平均法在图像融合阶段的应用使得拼接图像光滑无缝,得到具有真实感的钻孔孔壁全景图。     

基于小波变换及融合技术的图像边缘提取

图像边缘检测是图像分割、图像识别的基础,传统边缘检测是基于图像整体的边缘检测.小波变换使基于图像分解的边缘检测成为可能,利用小波变换将数字图像分解为高频和低频分量,对高频和低频分量分别进行边缘检测.常规融合方法是将高频边缘和低频边缘进行简单叠加,由于高频、低频边缘是通过不同方法提取的,二者之间的相似度、吻合度存在差异,简单叠加不能够有效融合高频、低频边缘图像特征,本文算法采用局部区域方差准则把高频和低频边缘在小波域进行融合.实验表明,该算法能够有效融合高频、低频边缘图像特征,具有较好的边缘检测和去噪功能.     

基于数字图像处理的汽车测距算法研究

测距是实现车辆安全系统的关键技术，本文在对路面图片进行数字图像处理的基础上，先对路面区域确定和汽车目标识别进行了算法改进，针对我国汽车常见车型，提出通过对图像进行等效变换，实现测量前车距离的新算法，根据实测数据，确定出相关测量系数，并给出了实验结果。     

基于深度学习的化妆品塑料瓶缺陷检测

提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法。采用百万像素级别的工业相机采集大量的塑料瓶图像样本,并通过HSV(hue,saturation,value)颜色空间变换和Otsu阈值分割等方法对图像进行预处理。采用随机图像变换法对数据集进行增强,并对图像进行标准归一化处理。在卷积神经网络模型中应用深度可分离卷积和Dropout技术以减少参数量,从而避免过度拟合。使用训练样本集训练该模型,并在测试集中将结果与几种经典图像识别算法进行比较分析,结果显示,本文算法的识别准确率高达约0.97。由此表明本文算法的效果优于其他经典算法,有望将其应用于化妆品塑料瓶缺陷检测的工业自动化系统,以提升缺陷识别效果,从而提高生产效率。     

结构化道路车道线识别的一种改进算法

基于机器视觉高速智能车辆,提出了一种改进的道路识别算法. 通过实车采集的图像进行灰度化、中值滤波、边缘增强、最优阈值二值化,获得良好的二值化图像. 根据道路特征采用一种改进的Hough变换识别出边界. 在预处理和检测时都使用感兴趣区域(AOI),减少了图像处理时间,提高了道路识别的可靠性. 实车实验表明,该算法具有良好的实时性、可靠性和鲁棒性.     

基于聚类的建筑物直线特征提取算法

建筑物图像中提取直线是视觉导航、特征识别等很多应用中的关键步骤。针对建筑物图像。提出了一种新的基于聚类的直线提取算法。该算法在Canny边缘的基础上,使用一个聚类算法将边缘分类,减少了因噪声形成的小短线对直线检测的误检或漏检现象;对于每一个分类使用直线识别准则,进一步剔除图像聚类中的伪直线;最后使用改进的Hough变换（standardHoughtransform）将直线提取出来。克服了传统Hough变换执行速度慢的缺陷。实验结果表明,文章提出的算法具有较快的运算速度,较高的直线提取准确性．较低的漏检和误检情况。其性能优于传统的Hough．变换和相位编组法。     

一种红外偏振与光强图像的暗原色多特征分离融合方法

针对现有红外偏振和光强图像融合算法不能同时兼顾提高对比度、突出明亮特征和保持边缘细节信息的问题,提出一种暗原色多特征分离融合的新方法。首先,对源图像进行局部最小值滤波和引导滤波得到暗原色图;然后,经过差值、绝对值取小融合的处理,提出暗原色多特征分离方法,得到包含亮、暗以及边缘细节信息的三部分图像;最后,对三部分图像采用不同规则分别融合,通过重构和亮度调整得到最终融合图像。实验结果表明,本文方法能有效地融合源图像的互补信息,不仅能够保留边缘细节信息,同时也能突出明亮特征和图像整体对比度,在实际的目标识别中具有一定的优势。     

基于序列图像的全景图像拼接

基于图像建模和绘制的虚拟环境构造是近年来虚拟现实技术研究的热点。其中基于序列图像的全景图像拼接技术研究是虚拟环境临场感的一个关键因素,文章以普通照相机拍摄的序列图像为基础,通过相邻两幅序列图像差值图像极值点的搜寻,可以快速提取两幅序列图像之间的重叠部分,并采用线性加权法使得缝合后的图像自然、逼真。最后给出了本算法在PC机拼接的效果图。     

基于图像修复技术的抗核辐射图像恢复方法

强辐射环境下数码成像设备由于受到高能粒子射线的影响,采集的视频或图像信噪比非常低,严重影响了其在辐射环境下的应用.为了去除视频或图像中的噪声,减少辐射粒子对成像设备的影响,提出了一种基于修复技术的新型强辐射图像去噪技术.首先在分析强辐射环境下成像设备受干扰的机理基础上检测图像的强干扰噪声;然后将图像噪声区域看成待修复区域,利用图像修复技术进行噪声消除;最后利用基于非下采样轮廓波变换的去噪方法对修复后的图像进行后处理.实验结果及分析表明提出的方法算法效率高、降噪效果显著,能够很好地去除强度大、分布密集的噪声,有效提高了数码成像设备在强辐射环境下的工作性能.     

基于引导图像的边缘噪声滤波算法

由于通常的邻域运算会改变图像边缘点的灰度值,使图像的边缘变得模糊,为了改善这一现象,提出了一种基于引导图像的边缘噪声滤波算法。该算法由局部线性模型推导而来,将原始图像或其他变换形式定义为引导图像。通过对引导图像进行分析,并调节正则化参数,利用引导图像掩模对图像的边缘进行平滑处理,有效地去除了噪声。通过与其他四种常用的滤波算法进行对比实验,表明该算法的均方误差MSE仅为0.0015,峰值信噪比PSNR为28.26,远远优于其他四种常见滤波算法,不仅对图像进行了平滑去噪,在很大程度上还保护了图像的边缘信息。     

基于虚拟曝光融合的光照自适应人脸图像增强方法

为了提高复杂光照条件下的人脸识别性能,提出一种基于虚拟曝光融合的光照自适应人脸图像增强方法。该方法针对检测到的人脸图像,计算其平均亮度,并与经由统计学习得到的正常光照人脸图像的亮度区间进行比较,判定其光照水平,分为低光照、高光照或正常光照,然后基于相机响应模型采用虚拟曝光融合的方法对低光照和高光照人脸图像进行光照增强处理,此过程循环迭代处理直到增强的人脸图像平均亮度达到正常水平。这种光照自适应增强后的人脸图像可作为输入无缝接入现有的人脸识别算法中,从而改善人脸识别系统性能。在Extended Yale B和CMU_PIE人脸图像数据库上的实验结果表明,该方法能有效提高复杂光照下的人脸识别率。