基于Contourlet变换的模糊聚类和膨胀重构相结合的浮选图像增强方法

针对用分水岭算法分割铅锌矿泡沫图像时标识点难以提取及气泡边界模糊问题,提出了模糊C均值聚类和二值开重构相结合的方法及基于Contourlet变换的泡沫图像增强方法。首先对图像进行聚类,提取出灰度值较大的一类点,对提取出获得的图像用不同的结构元素进行二值开重构操作除掉一些灰度值较大的边缘点和噪声,得到气泡内部高亮点作为标识点。然后对泡沫图像做Contourlet变换提取高频系数,构造自适应增强函数作用于高频系数,利用增强后的高频系数做Contourlet反变换以增强泡沫图像。最后在上面获得的标识图像和增强图像的基础上用分水岭变换对图像进行分割。试验结果表明,该方法能够对气泡边界模糊的铅锌矿图像实行有效分割。     

基于MATLAB的线性构造信息提取研究

卫星影像上的线性信息是地表一些线性构造的映像,这些线性构造与矿产形成分布有着密切的关系。对东天山图屋-延东一区TM数据利用ERDAS IMAGE 8.7图像处理软件进行了图像增强处理,通过借鉴前人机助线性体研究的方法和思路,利用M atlab7.0软件开发平台工具,采用Hough变换等技术手段在该区进行线性构造信息提取,并将提取结果与人工解译结果进行对比和评价,探讨了该区线性构造信息提取的途径,为研究区今后的找矿和工作部署工作提供了参考。     

煤矿输送带危险源图像特征识别方法研究

针对由危险源导致的煤矿输送带纵向撕裂事故,提出了一种基于灰度行程长度纹理特征、小波变换和支持向量机的输送带危险源图像识别分类方法。首先利用灰度行程长统计分析方法和小波变换分析方法分别提取了灰度行程矩阵的行程因子参数与小波系数特征参数,进而将2种方法提取出的多个纹理特征量归一化输入分类器,最后采用支持向量机对危险源图像进行分类。实验结果表明该方法能够有效地识别出不同的危险源。     

基于支持向量机的煤岩图像特征抽取与分类识别

为了尽可能减少作业人员数目,研究了煤岩图像的自动识别技术,介绍了煤岩图像的识别基础、小波变换和支持向量机原理,分析了煤岩图像纹理在多尺度分解情况下的特点以及支持向量机的参数设置,利用煤岩图像基于灰度共生矩阵的纹理统计量角二阶矩、对比度、相关性、均值、方差构造纹理特征子向量P1,利用煤岩图像不同尺度分解下的角二阶矩、对比度、相关、均值、方差构造纹理特征子向量P2,利用不同尺度分解系数构造纹理特征子向量P3,结合3个特征子向量构造纹理特征向量,最后结合支持向量机对煤岩图像进行分类识别。对不同的特征抽取方式以及煤岩的不同分类进行了比较分析。结果表明：该特征抽取以及分类方法能有效的表达纹理信息,对煤岩的识别准确率达到了97.959 2%,与不使用小波的方法相比提高了7.01%。研究结果可为煤岩界面的自动识别提供依据。     

基于Curvelet变换和压缩感知的煤岩识别方法

针对小波难以表达煤岩图像的边缘曲线特征,影响识别精度的问题,提出一种基于曲波变换的方法,对煤岩图像边缘进行稀疏表示。该方法通过曲波变换对煤岩图像进行曲波分解,得到各尺度层曲波系数,保留图像变换后的Coarse层低频系数,基于压缩感知理论,利用随机高斯矩阵对高频系数进行测量,实现高维系数降维,Coarse层低频系数与降维后的高频系数通过级联构成煤岩图像特征向量,最后结合支持向量机对煤岩图像进行分类识别。实验表明:通过曲波分解提取的特征能够有效地表达煤岩图像边缘的曲线特征,所提出方法煤岩的分类准确率达93.75%,比Haar小波方法提高了4.37%,所用降维方法比线性降维方法提取的特征向量更加有利于煤岩图像的分类识别。     

重磁法勘探在阿拉善左旗戈壁地区的综合应用

阿拉善左旗戈壁地区地层与岩体间具有明显的物性差异,为了研究该地区航磁异常的地质与地球物理特征,在研究区内,围绕航磁查证区开展了重、磁联合勘探方法的试验研究。对地面磁测平面数据进行化极、延拓、求导、小波变换等处理,圈定磁性体范围,再对重磁剖面数据进行圆滑、化极等处理,结合圈定磁性体的平面规模特征及物性资料对综合剖面进行2.5D人机交互反演,模拟出磁性体与围岩的断面形态,并通过钻探工程进行深部验证及模型修正,依据地质与地球物理资料进行综合研究,提出了该地区铁矿成矿类型及重磁联合勘探找矿模式,研究为该地区寻找类似矿床提供了有利的地球物理依据。     

重磁异常的奇性分析与深度反演

利用小波变换对重磁异常的奇性作了分析，提出了能刻划三维重磁异常特征的奇性指标。作为新的解释参数，利用它对异常作了深度反演的研究。     

甲岗式钨钼(铋)矿床重磁异常特征剖析

依据甲岗式钨钼(铋)矿床重磁异常特征,对其进行了矿床磁异常特征、地质构造特征、地球物理特征等方面的分析研究,解释了重磁异常的地质原因,推断矿(化)体的赋存位置和控矿构造的空间特点,为磁测方法间接寻找矿床工作区积累了经验.     

基于Curvelet变换的低分辨率煤岩识别方法

针对小波变换仅能有效表达图像中的点奇异性,难以提取煤岩图像曲线特征的弱点,以及高分辨率煤岩图像计算量大,难以满足煤岩识别实时性要求的问题,提出了一种基于曲波变换的低分辨率煤岩识别方法.该方法通过曲波变换对煤岩图像进行曲波分解,得到各尺度层曲波系数,利用主分量分析进行降维,并将结果分别输入不同k-NN分类器中,对分类结果加权融合,实现煤岩图像的分类识别.实验表明:通过曲波分解提取的特征能够有效地表达煤岩图像的曲线特征,与现有方法相比较,所提出方法具有更高的识别率,平均识别率达95.0%,在煤岩图像分辨率较低情况下也可以获得很高的识别率,满足煤岩识别实时性的要求.     

重磁反演的拟人工神经网络BP算法及其应用

将神经网络反推算法引入重、磁场反演，建立了基于神经网络原理描述反演过程的模型，并在通用数字计算机上实现了一种拟ＢＰ算法，实践表明，拟ＢＰ算法作重磁资料反演，具有快速，大维数，容错能力强和便于充分利用已知信息等特点，用ＢＰ算法对湘南地区作重磁参数反演，给出了本区的磁性，密度三维分布特征，进而对本区地壳结构和地质构造得出了新的认识，取得较好效果，神经网络算法引入，可能带来地球物理场反演方法的革新。     

磁/惯性组合的钻具重力信息自适应提取

针对旋转导向钻井过程中底部钻具振动引起的姿态解算参数严重失真问题,提出一种磁/惯性组合的钻具重力信息自适应提取方法。建立钻具重力信息的联邦融合提取框架,选取基于陀螺数据的重力递推模型作为主滤波器,基于加速度计、磁强计数据观测的重力信息模型分别作为子滤波器;对子滤波器状态和观测模型进行抗差估计融合,通过自适应因子和等价权矩阵自适应调节状态、观测模型融合权值,得到重力信息局部抗差估计;对抗差融合的子滤波器进行联邦融合,进一步得到钻具重力信息的全局估计。设计了模拟钻采及实钻井实验,实验结果表明,提出的磁惯性组合钻具重力提取方法能够有效提取钻具动态重力信息,重力提取后结解算的井斜角误差控制在2.5°以内。     

基于蚂蚁算法的Deep Web页面信息抽取方法研究

针对煤炭监测数据的复杂多变性及Deep Web数据查询结果网页描述信息的特点,提出了一种基于蚂蚁算法和本体指导网页信息抽取的方法。首先构建基于简单本体的数据抽取系统,通过对结果页面中包含本体语义信息的数据的映像定位,结合蚂蚁算法分析信息素浓度在DOM树上的分布比较,实现数据块路径抽取规则算法及数据分割特征码的生成。以煤炭行业获取的数据进行抽取性能测试,数据实验表明,抽取算法结果具有较高的准确率。     

矿用测斜仪数据采集系统设计

设计了一种基于PNI公司的磁感式传感器和MEMS加速度传感器的矿用钻孔测斜仪数据采集系统。论述了系统总体的结构,重点测斜仪对数据采集系统进行了研究,给出了利用磁感式传感器和MEMS加速度传感器融合的方法来测得地球磁场信息和重力场信息的方法,为测斜仪后续计算姿态信息和误差补偿奠定了良好的基础。设计的数据采集系统具有体积小、功耗低、可靠性高,成本低等特点,满足测斜仪数据采集系统要求。     

基于高分辨率影像的江北区土地利用变化监测

以2005年和2006年两期SPOT影像,结合06年土地利用变更调查成果,进行宁波市江北区的土地利用变化监测研究。本文重点介绍了直接影响土地利用变化信息提取精度的遥感影像几何校正和相对辐射校正方法,在对遥感影像数据处理基础上,叠加土地利用现状数据,以人机交互的方式进行土地利用变化信息的提取,通过对监测结果的分析,验证了利用高分辨率影像实现土地利用变化监测的可行性。     

机器视觉技术估算边坡连续形变体积

自动化”是实现矿山数字化、智能化的关键一步,同时也是矿山生产安全的重要保障。由于矿区环境复杂,造成边坡发生形变产生的原因、形变持续时间存在差异,使得准确提取边坡连续形变信息变得极为困难。为提升该类信息提取的准确度,提出一种基于深度信息的边坡连续形变信息提取方法。首先通过试验模拟矿山边坡,利用深度相机记录边坡在降雨条件下的破坏过程以获取图像数据和三维点云数据;然后采用相机标定建立图像数据和三维点云数据之间的关系并基于坐标变换和最近邻插值技术实现点云缺失值的补充;最后利用背景差分算法和去噪算法识别边坡形变区域,根据边坡形变前后点云的坐标变化估算边坡形变产生的体积。研究表明：该方法能够精确识别边坡形变区域,平均识别精度达92.39%。通过机器视觉技术能够以较高精度实现边坡形变区域自动识别与边坡形变体积信息提取,减少人工参与。     

面向海量地质文档的表格信息快速抽取方法研究

以Hadoop分布式系统架构中最核心的HDFS和MapReduce为基础,提出了一种面向海量地质文档的表格信息快速抽取的方法。为了提高地质文档表格信息抽取速度,首先利用关键词查找文档在HDFS中存储的根目录,其次利用Hadoop分布式集群中Map函数和Reduce函数实现单元格信息的抽取和信息还原显示,最后对重庆市矿产资源潜力评价成果数据中WORD文档进行表格快速抽取实验。实验证明,本文提出的地质文档表格信息快速抽取方法可以大幅缩减传统单机串行地质文档表格信息抽取所需的时间。     

大数据在露天矿特征提取中的应用研究

为了使露天矿地质环境得到较好的保护,提出大数据在露天矿特征提取的应用流程。首先指出露天矿面临着数据量巨大、数据量分散以及数据格式不统一的问题,根据这些问题提出露天矿特征提取的应用流程,针对露天矿山地质环境特征信息的正常数据采用正射校正方式、异常数据采用图像裁剪方式进行预处理,增加主体设备系统内部的处理器,对运行状态进行实时监控管理,将露天矿山地质环境监测数据全部序列依次进行提取,实现露天矿特征信息提取,完成大数据在露天矿特征提取的应用流程。实验结果验证了该方法对露天矿山地质环境特征信息提取的有效性,提取精度和置信度较高,环境保护问题得到解决。     

利用遗传算法优化的小波神经网络实现地热资源预测

文章主要介绍了一种基于遗传算法优化的小波神经网络进行地热资源评测的方法。选择对地热资源产生具有较大影响的火山、地震、布格重力、磁异常、到断层距离和地下水SiO2组分作为评测影响因子,利用小波神经网络优异的时频转换、网络自学习特性和遗传算法的全局优化特点,将两者相结合,对网络参数进行优化,并进行网络自学习。通过数据仿真得到的预测值与实际值基本一致,证明了该方法具有良好的地热资源评测前瞻性。     

基于Hough变换的带式输送机托辊图像分割方法

由于现阶段对煤矿带式输送机托辊缺乏有效的监测，传统的人工巡检方法存在效率低、自动化程度低等问题，提出一种矿用带式输送机托辊图像分割算法。该算法利用带式输送机沿线巡检装置采集带式输送机图像，对托辊区域图像进行边缘检测，通过霍夫变换和直线拟合方法，确定托辊的4个边界。利用托辊边界制作图像掩膜分割出托辊图像区域。实验表明，该算法对不同位置托辊能够实现准确的自动分割，为利用视觉检测技术监测托辊运动状态提供可靠的技术基础。