-
题名基于相位补偿的矿井超宽带雷达压缩感知成像算法
被引量：4
- 1
-
-
作者
郭继坤
赵清
陈司晗
-
机构
黑龙江科技大学电气与控制工程学院
黑龙江科技大学电子信息工程学院
-
出处
《煤炭科学技术》
CAS
CSCD
北大核心
2020年第1期211-218,共8页
-
基金
国家自然科学基金面上基金资助项目(51474100)
-
文摘
基于UWB信号的井下探测成像系统中,根据Nyquist采样定理,提高发射信号的带宽以获取高分辨率,将导致大量的采样数据产生,过大的采样率将会在成像系统的硬件实现上带来很大困难。另一方面,在实际成像过程中,成像数据的完整性决定了最后成像结果的准确性,但由于存在不可避免的误差和噪声影响,以及塌方体阻碍下目标的隐蔽性,这些因素都将使得成像目标的回波数据无法满足成像要求。因此,在对目标回波进行成像处理之前,必须对回波数据进行处理,通过相关算法使回波数据满足理想的成像模型,最后聚焦方位向回波信息得到目标成像结果。为了提高穿透塌方体遮蔽目标成像的分辨率,并解决超宽带信号穿透塌方体成像得到方位向回波数据不足的问题,通过对传统的压缩感知成像算法进行分析介绍,结合井下具体成像环境,提出一种基于相位误差估计的CS成像算法对回波数据进行补偿。该算法的核心思想就是通过对回波数据计算得到相位误差,首先对回波信号的稀疏性进行验证,并构建目标信号的测量矩阵,利用CS成像算法对回波数据重构的同时对数据进行补偿,通过反复迭代误差估计,逐渐提高回波数据量和成像的质量。最后通过不同场景的仿真试验,验证所提算法在回波数据补偿问题上的有效性。
-
关键词
煤矿井下
超宽带
相位补偿
压缩感知成像
图像重构
智能矿山
-
Keywords
coal mine
ultra-wide band
phase compensation
compression perception imaging
image reconstruction
intelligent mine
-
分类号
TD75.2
[矿业工程—矿井通风与安全]
-
-
题名一种适用于图像信号的压缩感知测量矩阵
被引量：2
- 2
-
-
作者
李文宗
华钢
-
机构
中国矿业大学信息与控制工程学院
-
出处
《工矿自动化》
北大核心
2022年第1期45-52,共8页
-
基金
国家自然科学基金面上资助项目(51574232)。
-
文摘
矿井无人工作区监控图像信息量较大,在图像的传输、存储阶段对硬件性能要求较高,造成传感器节点耗能增大、寿命骤减等问题,目前Gause、Bernoulli等压缩感知测量矩阵在重建矿井监控图像信号时精度较低。针对上述问题,设计了一种新的基于帕斯卡矩阵的块状压缩感知测量(BPCSM)矩阵。BPCSM矩阵利用时域非均匀采样与分块思想,将多个相同的小尺寸帕斯卡矩阵以对角线方式排列,同时结合联合正交匹配追踪算法实现矿井监控图像信号的压缩采样与重建,利用帕斯卡矩阵行元素有序排列的特点加强对图像信号低频段的采样,提高重建精度。实验结果表明:BPCSM矩阵对矿井监控图像信号的重建精度远高于Gause、Bernoulli等常用测量矩阵,当采样率为0.3时,基于BPCSM矩阵重建的矿工图像的峰值信噪比(PSNR)约为26 dB,矿工面部轮廓较为清晰;当采样率为0.5时,基于BPCSM矩阵重建的矿工图像的PSNR已达30 dB,几乎可以恢复矿工图像的全部细节,表明BPCSM矩阵具有较好的重建性能;通过选择合适的帕斯卡矩阵尺寸能够进一步提高图像信号的重建性能,满足矿井环境应用要求。
-
关键词
矿井监控图像
无线传感器网络
块状压缩感知
测量矩阵
图像重建
图像压缩
帕斯卡矩阵
WSN
-
Keywords
mine monitoring image
wireless sensor network
block compressive sensing
measurement matrix
image reconstruction
image compression
Pascal matrix
WSN
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名一种基于多尺度特征复用残差网络的矿山图像重建算法
- 3
-
-
作者
马琳
苏明
兰义湧
-
机构
北京开放大学科学技术学院
中央民族大学理学院
-
出处
《金属矿山》
CAS
北大核心
2023年第11期228-233,共6页
-
基金
北京市教委科技计划一般项目(编号:KM202251160001)。
-
文摘
针对矿山图像重建中细节损失导致重建质量低下的问题,提出了一种基于多尺度特征复用残差网络的矿山图像重建算法,旨在提高矿山场景下图像重建的精度和效率。首先,设计了一个多尺度特征提取模块,通过堆叠多个并行的卷积层和池化层,结合局部残差网络构建图像特征提取模块,通过不同尺度的多路组合网络,从输入图像中充分提取图像的多尺度细节特征。这些特征表示具有不同的语义信息和空间分辨率,能够捕捉到图像中的不同细节和纹理结构。然后,引入了特征复用模块,将不同尺度的特征进行融合和复用,以增强图像重建的准确性。通过多尺度的特征交互和信息传递,可以有效地利用全局和局部的上下文信息,提高图像的重建性能。通过在自建的矿山图像重建数据集上进行试验,结果表明:所提出的算法在重建精度和效率方面均得到了显著提升,与其他深度学习模型相比,该算法在重建图像的细节保留和结构准确性方面表现出更好的性能。此外,该算法具有较快的训练和推断速度,适用于实际应用场景。
-
关键词
矿山图像重建
多尺度特征复用
残差网络
图像质量
-
Keywords
mine image reconstruction
multi-scale feature reuse
residual network
image quality
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名基于ECT技术的充填管道内固液两相流仿真方法研究
被引量：1
- 4
-
-
作者
秦学斌
李明桥
申昱瞳
杨培娇
胡佳琛
刘浪
-
机构
西安科技大学电气与控制工程学院
西安科技大学能源学院
-
出处
《金属矿山》
CAS
北大核心
2022年第9期31-36,共6页
-
基金
陕西省科技厅面上项目(编号:2019JM-074)。
-
文摘
矿山充填过程中,管道中产生的结块和充填料浆中夹杂的废石会造成堵管或爆管等严重安全事故,制约了矿山充填技术的应用与发展,所以及时对管道内堵塞结块及废石的方位和大小进行检测,对矿山充填的安全稳定有着重要意义。以电容层析成像(ECT)技术为基础,研究了矿山充填管道的检测方法。针对传统ECT重建算法成像质量差、精度低等问题,提出了一种适用于充填管道内固液两相流检测的基于极限学习机和卷积神经网络的ECT图像重建方法。该图像重建网络由单隐藏层前馈神经网络和图像预测网络两部分组成。利用极限学习机建立电容数据与介电常数值的映射关系,并通过图像预测网络完成对图像的重建。通过充填管道仿真试验,证明了该方法不仅能够有效减少重建图像的伪影和变形,提高图像重建准确度,而且对充填管道中可能出现的复杂情况有较好的重建效果。所提出的ECT图像重建方法对于矿山充填管道内存在的堵塞结块及废石的检测有很好的效果,可以有助于推动ECT技术在充填管道检测领域的应用和推广。
-
关键词
矿山充填
电容层析成像
图像重建
极限学习机
卷积神经网络
-
Keywords
mine filling
electrical capacitance tomography
image reconstruction
extreme learning machine
convolutional neural network
-
分类号
TD853
[矿业工程—金属矿开采]
-
-
题名煤矿运输系统多元异常图像检测研究
- 5
-
-
作者
吕东翰
胡而已
黄一珀
李汶璋
-
机构
中科慧拓(北京)科技有限公司
应急管理部信息研究院
西安电子科技大学人工智能学院
北京纽科曼科技有限公司
-
出处
《工矿自动化》
CSCD
北大核心
2024年第6期70-78,共9页
-
基金
国家自然科学基金资助项目(52274159,52374165)。
-
文摘
煤矿运输系统的异常险情种类繁多、场景多样,煤矿现场异常事故的发生具有偶然性,异常样本的获取其数量远小于正常样本,造成正负样本不平衡。针对上述问题,提出一种基于超球重构数据描述(HRDD)的煤矿运输系统多元异常图像检测方法。在全卷积数据描述(FCDD)基础上引入图像重构辅助任务,选用均方差损失函数作为图像重构辅助任务的目标函数,将异常图像检测和定位量化为一个不等式约束优化问题。采用无缝融合技术将辅助数据集、异常样本融合到正常样本中,以缩小异常融合样本与正常样本的差异,扩大异常样本总量,平衡异常样本、正常样本的比例。通过多组噪声模拟实验和现场实验证明,以一定概率在抵抗区添加高斯噪声进行增强训练,可提高HRDD模型的抗噪效能、泛化能力、检测准确率等。消融实验结果表明:辅助数据集有效地改善了样本不平衡问题,准确率提高了36.5%;引入图像重构辅助任务可保证深层特征能够准确映射到异常位置,交并比(IoU)提升了33.4%;辅助数据集与图像重构辅助任务之间存在强耦合作用,二者组合使用能进一步激发HRDD算法的性能潜力;添加无缝融合样本、高斯噪声增强等在一定程度上提高了HRDD模型的泛化能力。对照实验结果表明,HRDD算法准确率及IoU均优于其他主流算法,相比FCDD算法,HRDD算法准确率、IoU分别提高了4.6%,7.0%,更适用于煤矿现场。
-
关键词
煤矿运输系统
异常图像检测
全卷积数据描述
超球重构数据描述
HRDD
图像重构
无缝融合技术
高斯噪声增强
-
Keywords
coal mine transportation system
abnormal image detection
full convolutional data description
hypersphere reconstruction data description
HRDD
image reconstruction
seamless integration technology
Gaussian noise enhancement
-
分类号
TD528
[矿业工程—矿山机电]
-
