基于脉冲耦合神经网络图像融合的煤矿火区异常圈定方法

本发明属于地球物理勘探与图像处理，具体涉及一种基于脉冲耦合神经网络图像融合的煤矿火区异常圈定方法。

背景技术：

1、地球物理探测以其非破坏性、覆盖范围广、可获取多参数信息等特点，在资源勘查与工程地质领域发挥着重要作用。煤矿火区探测作为煤矿安全治理的关键环节，通过测量地下介质的自然电位场差异与地表热辐射特征，能够有效推断地下火区的空间分布。

2、目前，对自然电位、温度等煤矿火区探测参数的解释多依赖于技术人员对单一图像的主观判读。这种解释方式易受个人经验影响，对同一数据集的解译结果可能存在分歧，且难以定量整合不同参数所反映的综合信息，制约了解释的客观性与准确性。

3、中国专利申请cn120630334a，公开了一种自然电位与温度图像融合的煤矿火区探测方法及装置，包括以下步骤：调阅相关资料开展地表地质调查，获取矿区地质特征；对目标区域的地表部分进行勘查，勘查方法包括：无人机红外测温法、无人机航空测绘、现场调查与测温验证法；通过电位法探测与磁法联用探测探测火区自然电位和磁性分布情况，推断煤层燃烧深度和范围；通过钻探验证与孔内测温协同，获取煤田火区垂向燃烧状态、温度分布及地质结构的数据；将采集到的信息进行融合与识别。在技术层面上，该专利申请本质上仍停留在多源数据的宏观空间叠加与人工综合解译，缺乏深度的像素级或特征级智能图像融合算法，未能从数学上严密解决自然电位与温度等异源数据量纲与特征尺度的统一问题；在应用效果上，其圈定异常区高度依赖人工设定阈值与人工提取，主观性强且极易受人为经验干扰，容易导致解释结果的分歧与多解性，同时该方法对火区边界复杂高频纹理细节的自适应保留与刻画能力不足。

4、中国专利申请cn107780971a，公开了一种磁-电-热逐级趋源的煤田火区探测方法，根据火区探测区的磁异常边界、磁异常极大值带及自然电位异常边界，确定地下煤火蔓延方向后，施工钻孔，根据钻孔内最高温度、c2h4和c2h2浓度，确定火区燃烧中心区、高温区和火区低温区。在技术层面上，该方法并未对多源地球物理数据进行真正的数学算法融合（如像素级或特征级融合），仅仅是利用不同方法在空间上做初步的“范围缩减”，且最终火区参数的获取极其依赖破坏性、高成本的密集实体钻孔工程，未能深入挖掘和耦合物探数据本身的深层隐蔽特征；在应用效果上，该方法不仅勘探周期长、经济成本高，而且其火区边界的刻画精度完全受限于钻孔的网度密度（40-100米），难以在无损或少钻探的前提下，客观、连续且高分辨率地圈定出火区的精准边界与精细纹理。

技术实现思路

1、本发明的目的是针对现有煤矿火区探测数据解释方法主观性强、多源信息综合利用不足的缺陷，提供一种基于脉冲耦合神经网络图像融合的煤矿火区异常圈定方法，该方法能够客观、精准融合自然电位与温度信息，并有效圈定煤矿火区。

2、为实现上述目的，本发明采用下述技术方案：

3、一种基于脉冲耦合神经网络图像融合的煤矿火区异常圈定方法，包括：

4、（1）. 数据预处理与参数获取：对勘查区采集的实测数据进行数据预处理，分别获取自然电位参数与温度参数；对野外采集的实测地球物理与热红外数据进行清洗、网格化配准及归一化处理，得到标准化的自然电位图像和温度图像。

5、（2）. 应用非下采样轮廓波变换对两幅源图像进行多尺度、多方向分解；针对表征背景场的低频子带，采用动态加权法进行融合；针对表征细节特征的高频子带，采用基于脉冲耦合神经网络pcnn的融合规则进行融合。

6、（3）. 图像重构与火区圈定：通过nsct（非下采样轮廓波变换）反变换得到融合图像，结合地质资料对融合图像中的异常进行解译，圈定煤矿火区范围。

7、进一步地，步骤（1）中，数据预处理具体包括：首先，将原始测量数据全面审查，以识别并剔除因仪器故障、环境干扰或人为操作错误导致的异常值和失真数据；接着，通过插值、排序和坐标转换等方法，将不同类型或不同几何分布的数据点转化为具有相同分辨率的网格值，从而确保同一地区的所有数据类型可以在一个统一的坐标系中精确对齐，并严格按照网格位置进行配准；随后，将标准化的网格值根据预设的物性组合特征配置不同的色带映射关系并转换为彩色图像，以在融合前增强特定的火区异常组合；之后对彩色图像进行灰度化处理，为后续的融合操作做准备；最后，生成的灰度图像会进行归一化处理，将图像信息数字化，归一化后的源图像就作为图像融合的输入。

8、进一步地，步骤（2）中，图像分解部分具体包括：利用nsct（非下采样轮廓波变换）分别将自然电位图像iu和温度图像it分解为低频子带图像和高频子带图像。nsct变换由非下采样金字塔滤波器组（nspfb）和非下采样方向滤波器组（nsdfb）两级构成，能够对图像实现多尺度、多方向的稀疏表示，该分解过程取消了下采样操作，从而具备平移不变性，能精准捕捉图像中的轮廓与纹理信息。

9、对自然电位图像iu的nsct分解过程定义为dnsct(iu)

10、，表达式如下：

11、，

12、对温度图像it的nsct分解过程定义为dnsct(it)，表达式如下：

13、，

14、其中，

d

nsct(*)表示非下采样轮廓波变换的多尺度、多方向分解操作；

15、

k表示非下采样轮廓波变换的多尺度分解层数；

16、

h

u和

l

u分别表示自然电位图像

i

u经过非下采样轮廓波变换分解后得到的高频方向子带图像集合与低频子带图像集合；

17、和分别表示自然电位图像在第

k尺度分解层对应的高频子带图像和低频子带图像；

18、

h

t和

l

t分别表示温度图像

i

t经过非下采样轮廓波变换分解后得到的高频方向子带图像集合与低频子带图像集合；

19、和分别表示温度图像在第

k尺度分解层对应的高频子带图像和低频子带图像。

20、进一步地，步骤（2）中.对于自然电位低频子带图像

l

u和温度低频子带图像

l

t，融合规则考虑煤矿火区中的物性贡献，因此采用动态加权的融合规则，该融合规则定义如下：

21、，

22、其中w1+w2=1，权重系数w1和w2可根据探测目标的物性特征进行差异化设置，以突出关键信息。例如，对于煤矿火区具有高电位异常和高温的特性，赋予温度更高权重（即w2＞w1）；由此得到自然电位低频子带图像

l

u和温度低频子带图像

l

t

融合结果fl。

23、进一步地，步骤（2）中，使用pcnn融合规则，对自然电位高频子带图像和温度高频子带图像进行融合；

24、自然电位高频子带图像hu和温度高频子带图像ht描述了与源图像对应的细节信息，采用简化的脉冲耦合神经网络（pcnn）模型进行处理；pcnn 模型定义如下：

25、，

26、其中，是利用3×3滑动窗口计算的系数的灰度值，

kl代表脉冲耦合神经网络与周围神经元的连接范围；表示神经元的反馈输入，等于；是连接矩阵；为连接输入，等于神经元连接范围内总的点火时间，

α

l和

v

l分别是其衰减系数和放大系数；表示总的内部活动项；

β是连接强度；是阈值，

α

θ为其衰减系数，

v

θ是其放大系数；n表示计算迭代次数；当时，神经元会产生一个脉冲，为点火时间；表示神经元在第n次迭代时的脉冲输出状态。

27、在迭代过程中，通过分析系数的点火时间，提取图像中的重要信息；高频子带融合决策规则为：

28、，

29、其中，fh为高频融合图像，和分别为自然电位和温度图像在（

x,

y）处的脉冲耦合神经网络神经元点火时间；、分别表示自然电位高频子带和温度高频子带对应的pcnn神经元点火时间。

30、进一步地，步骤（4）中，利用nsct反变换将融合后的低频子带图像和高频子带图像进行重构得到自然电位图像

i

u和温度图像

i

t的融合图像if，公式如下：

31、if=innsct(fl,fh)

32、进一步地，innsct表示nsct反变换，此过程采用的分解滤波器和方向滤波器与分解过程中保持一致，步骤（3）中，重构后的融合图像同时蕴含了自然电位与温度的空间分布特征，通过与已知地质信息对比，可显著提高煤矿火区识别的可信度与定位精度。

33、图像融合技术为多源煤矿火区探测数据的综合分析与解释提供了新的途径。非下采样轮廓波变换作为一种先进的多尺度几何分析工具，具备平移不变性以及优良的方向和细节捕捉能力，非常适用于融合具有复杂结构特征的地球物理图像。

34、本发明的有益效果是：

35、1.通过系统性的数据预处理与nsct图像融合，实现了自然电位与温度数据的有效互补与综合，降低了单一方法解释的多解性。

36、2.所采用的融合规则物理意义明确，低频融合权重可调，高频融合能通过pcnn自适应捕捉边缘纹理细节，自适应选择显著特征，使得融合结果更契合煤矿火区探测的解释需求。

37、3.本方法流程清晰，可操作性强，为煤矿火区探测中的火区范围圈定提供了一种新的、更客观可靠的技术手段。