基于红外热像的带式输送机关键部件自动识别方法

摘要

本发明公开了一种基于红外热像的带式输送机关键部件自动识别方法，对采集的带式输送机红外图像采用双边滤波和分段线性变换算法进行预处理；采用改进的区域生长法进行图像分割；提取Zernike矩作为带式输送机关键部件目标分类的形状特征向量，提取熵和对比度作为带式输送机关键部件目标分类的纹理特征向量；设计基于BP神经网络的分类器，利用提取的形状特征和纹理特征完成对带式输送机关键部件红外图像的分类与识别。本发明融合红外热成像技术、计算机技术、图像处理及识别技术，能够自动识别出带式输送机红外监测图像中的关键部件，为煤矿井下带式输送机的故障预警提供必要的技术支持，对于保障带式输送机安全运行有着重要的意义。

主权项

一种基于红外热像的带式输送机关键部件自动识别方法，其特征在于包括以下步骤：步骤1：对带式输送机关键部件的红外图像进行预处理；步骤2：采用改进的区域生长算法，对预处理后的带式输送机关键部件的红外图像进行图像分割，为后续带式输送机关键部件的特征提取做准备工作；步骤3：在对带式输送机带式输送机的红外图像分割的基础上，提取带式输送机关键部件的目标分类特征；步骤4：设计基于BP神经网络的分类器，利用步骤3提取的目标分类特征完成带式输送机关键部件的分类识别。