基于Gabor域时空泛化建模的矿井水灾感知方法

矿井突涌水图像中突涌水纹理与煤岩图像相比具有时空域变化性强的特点,现有基于图像纹理特征的矿井水灾识别方法对于复杂突涌水纹理特征的提取能力有限、识别率较低。针对该问题,提出了一种基于Gabor域时空泛化建模的矿井水灾感知方法。该方法分别对训练样本图像和待测样本图像进行不同感受野、不同方向下的Gabor分解,将各子带的期望与标准差组合,构成本方向的学习特征向量和待测特征向量;根据最小熵原理对特征向量进行时空泛化建模,以去除时空域敏感性;采用特征向量各分量之间的夹角作为相似性测度,对学习特征向量和待测特征向量进行相似性比较,实现突涌水识别。实验结果表明,该方法识别率达89.4%,识别时间为136ms,基本满足井下水灾实时感知需求。