矿井视觉计算

本书是一部探讨矿山视觉计算技术的专著。书中围绕煤矿智能化转型发展过程中的实际应用需求，从基础理论、核心方法、典型应用系统三个维度对矿井视觉计算技术进行了系统性介绍，主要包括：图像预处理与质量评价、图像目标识别与理解、图像特征提取与匹配和深度学习等基础知识；矿井图像增强、矿井视觉目标识别、矿井视觉特征检测与匹配和矿井视觉几何分析与定位等典型方法；矿井视觉智能分析、煤矿智能车检、运煤敞车编号多角度视觉识别、采空区地裂缝检测和矿井视觉定位与导航等典型应用系统。本书主要面向高等院校、科研院所、矿井一线科研工作者等相关从业人员作为矿山视觉计算技术参考读物使用，也可以作为对矿山视觉计算技术感兴趣的读者入门之用。

程健（1974—），四川平昌人，博士，研究员，博士生导师，中国煤炭科工集团首席科学家，煤炭智能开采与岩层控制全国重点实验室副主任，煤炭科学研究总院矿山人工智能研究院院长，煤炭科学研究总院和中国矿业大学（北京）博士生导师，煤炭工业技术委员会煤矿智能化与新技术专家委员会委员，矿山安全行业标准化技术委员会信息与智能化分技术委员会委员，中国煤炭科工集团科学技术委员会智慧矿山专委会主任委员，IEEE会员。先后在中国矿业大学工业电气自动化、控制理论与控制工程和通信与信息系统专业获学士、硕士和博士学位，清华大学控制科学与工程博士后，英国伯明翰大学（University of Birmingham）计算机科学博士后。主要从事机器学习与智能优化、机器视觉与模式识别、矿山人工智能等理论及应用研究。主持和参与国家重点研发计划项目、国家自然科学基金重点项目和面上项目、国家博士后科学基金面上项目以及企业重大科研课题30余项。获得省部级以上科研奖励12项，发表学术论文90余篇，授权国家发明专利39件、软件著作权7项。获评2023年全国煤矿智能化卓越专家。

第一篇 矿井视觉计算理论基础

第1章 图像预处理与质量评价

1.1 图像数据规范化

1.2 图像数据增广

1.3 图像增强

1.4 图像质量评价指标

1.5 小结

第2章 图像目标识别与理解

2.1 常用的机器学习算法

2.2 图像分割算法

2.3 图像目标检测

2.4 图像目标跟踪

2.5 小结

第3章 图像特征提取与匹配

3.1 传统图像特征提取算法

3.2 传统图像特征匹配算法

3.3 基于深度学习的图像特征提取与匹配算法

3.4 小结

第4章 深度学习基础

4.1 深度学习基本组件

4.2 深度学习常用模块

4.3 深度网络轻量化

4.4 小结

第5章 视觉计算领域常用深度学习网络和框架

5.1 常用深度学习网络

5.2 常用深度学习框架

5.3 小结

第二篇 矿井视觉计算核心方法

第6章 矿井图像增强方法

……