基于稀疏度自适应的矿井智能监控图像重构方法

矿井智能监控是实现少人或无人工作面自动化开采和可视化作业的重要保障。针对矿井监控图像易受噪声干扰和雾尘环境等影响,采用传统的基于奈奎斯特(Nyquist)采样和压缩方法存在分辨率低、图像模糊和运算时间过长等问题,根据压缩感知和稀疏重建理论,提出了一种利用分块压缩感知模型和自适应匹配追踪均衡策略获取矿井图像的方法。该方法通过建立矿井图像分块压缩感知模型,信源编码过程先利用稀疏随机矩阵对块图像进行压缩、采样、获得观测值,然后使用DFT作为稀疏基进行信号稀疏表示,最后利用一种改进的自适应匹配追踪算法进行图像重构实现解码。研究结果表明,提出的方法在与其他算法的比较中体现了较好的优越性,能有效提高矿井图像在压缩感知重构阶段的解码质量及其压缩处理速度,具有较强的抗噪声性能和鲁棒性,有助于改善矿井监控图像的清晰度和实时处理性能。