基于红外热成像的煤矸识别方法研究

基于重介选煤、跳汰选煤、浮选、干法选煤、γ射线检测法的煤矸分选方法投资成本高、分选效率低、环境污染严重,基于CCD相机的煤矸分选方法准确率不高,基于X射线的煤矸分选技术会危害工作人员的健康。红外热成像技术不受光照、粉尘影响,且不会对人体造成伤害。提出了一种基于红外热成像的煤矸识别方法。首先,煤和矸石在传送带的输送下经过加热区域,红外热成像仪监测经均匀加热后的煤和矸石中心点的温度,得到煤和矸石加热后的温度并对经加热区域均匀加热后的煤和矸石进行拍摄,得到煤和矸石的红外灰度图像和红外彩色图像。然后,选用高斯滤波对煤和矸石的红外灰度图像、红外彩色图像进行预处理并提取特征,将红外灰度图像的灰度均值、最大频数对应的灰度值特征和红外彩色图像的G通道一阶矩、G通道二阶矩特征作为分选特征,将上述4个特征作为分类模型的输入。最后,采用支持向量机(SVM)进行分类识别,从而达到识别煤和矸石的目的。实验结果表明:基于红外热成像的煤矸识别方法对烟煤、无烟煤、褐煤的分选准确率均达到了98%以上,有良好的分类效果。

红外靶标的图像灰度与温度相关性剖析(英文)

通过图像灰度与温度的相关性,可以精确地得到一些领域上难以被测量到的温度。提出了基于红外靶标的图像灰度与温度的相关性分析。以自行研制的红外靶标为研究对象,采集带有圆形目标孔的红外靶标在不同温度（60-110℃）下的红外图像,再利用Matlab提取不同温度下特定区域的红外图像灰度值,从而确定红外靶标图像灰度与其温度的相关性,得其相关系数为0.962。实验结果表明：红外靶标图像中AOI（area of interest）的平均灰度与温度存在明显的相关性,当红外靶标的温度发生变化时,其红外图像灰度也随之发生变化,且两者呈良好的线性关系。基于红外靶标的图像灰度与温度的相关性在造纸厂草料自燃研究、医疗安全、道路施工等方面都有着较好的应用。

利用SVGA实现红外全灰度图像的实时显示

论述了一种用于红外测试系统的对SVGA进行高级编程的方法 ,通过对显示适配器底层功能的调用成功地实现了对全灰度数字红外图像的实时显示 ,可以替代红外成像测试系统中传统的录像机记录模式 .给出了若干关键的程序函数和编程技巧 ,并给出了实验结果 .研究表明 ,通过高效率编程直接把图像数据传输和显示 ,具有硬件简单、无信号损失、检索方便等优点 .

基于数学形态学的红外图像小目标检测

针对红外成像跟踪系统的低信噪比、背景和噪声干扰严重的小目标图像,以及后续的目标识别处理需要目标的灰度信息的特点,设计了一种基于数学形态学的红外灰度图像小目标检测算法,并用FPGA硬件实现。实验表明,数学形态学滤波能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统实时性要求,是一种有效的红外灰度图像小目标检测算法。

一种新的红外图像伪彩色变换方法研究

提出了一种新的红外灰度图像伪彩色变换方法。在用于红外灰度图像处理时,该方法不仅可以增强目标的自身细节,而且还可以提高目标与背景之间的对比度。实验结果表明,本文方法能够使目标与背景之间的区分变得更加明显,目标边缘变得更清晰,有利于对复杂海空背景下的运动目标进行分析和判读。

基于HSV色彩空间的改进红外与可见光图像融合算法研究

为了增强红外与可见光图像融合的目标信息、环境信息以及图像的人眼辨识度,提出2种基于HSV色彩空间的红外与可见光图像融合算法。每种算法首先将RGB和可见光图像分别转为HSV图像,并将H、S和V三通道分离,然后对于红外与可见光的H、S和V通道建立合适的数学模型相互映射融合,再将新的HSV图像转换到RGB图像。结果表明,所提的融合方法相较于传统空间域的处理方法,拥有更加明亮的目标信息、环境信息和视觉效果。

基于HSV色彩空间的红外与可见光图像融合方法

为了增强双光融合的视觉效果,提高人眼对融合图像的辨识度,提出了基于色调-饱和度-明度(huesaturation-value,HSV)色彩空间的红外-可见光双光图像融合方法。首先,根据HSV空间各通道信息与色彩生理感知的关系,将红外图像的原始图像和伪彩色编码图像与可见光图像的色调、饱和度和亮度通道进行映射;然后通过亮度自适应方法建立各通道的融合数学模型,得到融合图像的HSV信息;最后再通过色彩模型变换方法得到融合图像的RGB彩色图像。结果表明,本文提出的方法在实现红外-可见光双光图像融合的同时,能够保留红外和可见光图像的关键信息,从而达到双光信息互补的目的。

基于数学形态学的红外运动小目标识别算法研究

针对红外成像制导跟踪的目标具有低信噪比、且背景和噪声干扰信息严重的特点,设计了一种基于数学形态学的红外灰度图像小目标检测识别算法。实验表明,该算法能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统的实时性要求,是一种有效的红外灰度图像小目标检测算法。