利用改进CV模型分割煤矿井下早期火灾图像

摘要：

针对传统主动轮廓模型难以实现煤矿井下早期火灾图像火焰区域精确提取的问题,提出了一种改进的Chan-Vese(CV)模型.在计算目标和背景全局区域拟合中心的基础上,利用曲线内外区域局部灰度统计直方图获取目标和背景局部区域拟合中心,并对全局和局部区域拟合中心赋予归一化的调节比例,以综合利用图像全局和局部信息;为了加速曲线运动到目标边缘,利用曲线内外区域像素灰度的最小绝对差来取代模型中原有的内外区域能量权重,以提高模型分割效率.结果表明:与CV模型、局部二值拟合模型(LBF)、全局和局部灰度拟合混合模型(LGIF)、引入自适应能量权重的CV模型(WCV)相比较,提出的模型能更加快速、精确地提取煤矿井下早期火灾图像中的火焰区域,在分割效果和分割效率方面均有明显优势.

关键词：矿井、早期火灾图像、图像分割、主动轮廓模型、区域拟合中心、最小绝对差

所属期刊栏目：47

分类号：TD75+2.1(矿山安全与劳动保护)

资助基金：国家自然科学基金项目61573183;煤矿安全高效开采省部共建教育部重点实验室开放基金项目JYBSYS2014102

在线出版日期：2018-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：429-435