專利名稱：一種煤巖圖像自動識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域中對目標(biāo)圖像進(jìn)行識別的方法，具體涉及一種利用Daubechies小波變換實(shí)現(xiàn)煤巖圖像自動識別的方法。
背景技術(shù)：
在煤礦井下開采過程中，需要準(zhǔn)確識別煤層和巖層，以此來控制采煤機(jī)搖臂的升降，從而避免切割至頂?shù)装鍘r石。目前，我國主要采用保守開采的方式，實(shí)際采出率低，造成了嚴(yán)重的資源浪費(fèi)。而現(xiàn)在的技術(shù)水平也很難對剩余的大量煤炭資源進(jìn)行二次開采，因此開發(fā)煤巖識別技術(shù)具有重要意義。從20世紀(jì)50年代起，美國等世界主要產(chǎn)煤國越來越重視煤巖識別 領(lǐng)域的研究。例如基于煤巖自然Y射線輻射特性的傳感器法，此法通過Y射線在煤層和巖層的不同衰減規(guī)律，從而對煤層和巖層進(jìn)行識別。該方法要求頂板巖石必須具有放射性元素，因此對于放射性元素較少的砂巖頂板則無法應(yīng)用，限制了其在我國大面積推廣。中國專利CN101922290公開的煤巖界面識別方法，雖然能自動識別出煤巖，但是存在如下問題第一，高壓水射流會造成采煤現(xiàn)場排水困難；第二，被煤層或巖層反射的反射流對噴嘴形成的不同作用力很難準(zhǔn)確感知。

發(fā)明內(nèi)容
為克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于Daubechies小波變換的煤巖自動識別方法。本發(fā)明的技術(shù)方案如下計(jì)算機(jī)設(shè)備選擇煤巖樣品圖像和待匹配的測試圖像。然后分別對煤巖樣品圖像和待匹配測試圖像進(jìn)行五級Daubechies小波變換分解。根據(jù)分解結(jié)果分別計(jì)算小波系數(shù)。下一步，分別根據(jù)相應(yīng)的五級Daubechies小波變換的每個子帶以及相應(yīng)的小波系數(shù)計(jì)算系數(shù)的均值和系數(shù)方差。利用系數(shù)均值和系數(shù)方差來計(jì)算Daubechies小波變換的每個分級相應(yīng)的均值紋理導(dǎo)向度和方差紋理導(dǎo)向度。從而建立煤巖樣品特征數(shù)據(jù)庫。利用前述均值紋理導(dǎo)向度和方差紋理導(dǎo)向度計(jì)算表征煤巖樣品圖像和待測試圖像之間紋理相似特征的的距離值。最后通過分析所計(jì)算距離值來識別待測試圖像與煤巖樣品圖像。所述的煤巖圖像自動識別方法，其特征在于包括如下步驟A.建立煤巖特征數(shù)據(jù)庫對常見煤巖圖像進(jìn)行小波變換并提取相應(yīng)特征值，建立煤巖特征數(shù)據(jù)庫；B.待測樣品的特征提取對待測樣品進(jìn)行小波變換并提取相應(yīng)特征值，得到該樣品的均值紋理導(dǎo)向度和方差紋理導(dǎo)向度；C. Minkowski 距離計(jì)算
根據(jù)Minkowski距離公式計(jì)算待測樣品與特征數(shù)據(jù)庫中樣品的空間距離；D.待測樣品識別根據(jù)空間距離的計(jì)算結(jié)果，從而判定空間距離最小的兩種樣品為相同種類，進(jìn)而實(shí)現(xiàn)對煤巖的識別。所述步驟A中建立煤巖特征數(shù)據(jù)庫時(shí)，煤巖特征值的提取方法包括Al.選擇常見煤巖樣品圖像；A2.將第Al步的樣品圖像進(jìn)行五級Daubechies小波變換,計(jì)算其相應(yīng)的低頻部分系數(shù)和高頻部分系數(shù)；A3.計(jì)算經(jīng)過第A2步Daubechies小波變換之后每個子帶的均值、方差；A4.計(jì)算經(jīng)過第A2步Daubechies小波變換之后每個Daubechies小波等級的均值紋理導(dǎo)向度和方差紋理導(dǎo)向度。所述步驟B中，待測樣品的特征提取方法包括BI.選擇待測樣品圖像；B2.將第BI步的樣品圖像進(jìn)行五級Daubechies小波變換,計(jì)算其相應(yīng)的低頻部分系數(shù)和高頻部分系數(shù)；B3.計(jì)算經(jīng)過第B2步Daubechies小波變換之后每個子帶的均值、方差；B4.計(jì)算經(jīng)過第B2步Daubechies小波變換之后每個Daubechies小波等級的均值紋理導(dǎo)向度和方差紋理導(dǎo)向度。所述步驟C中，Minkowski距離計(jì)算方法包括
D{fq ,f) = H)-/'(i)\(O
/=1
fq(i)和ft(i)分別表示樣品圖像和待測樣品圖像的第i個特征值，N為小波變換分解尺度值，D(f%產(chǎn))為相應(yīng)距離值，D (f%產(chǎn))越小表示相似程度越高。所述步驟A2和步驟B2中，圖像進(jìn)行Daubechies小波變換分解后,其相應(yīng)系數(shù)的計(jì)算方法包括對圖像進(jìn)行一級Daubechies小波變換分解后的系數(shù)包括Low-Low(LL)子帶、Low-High (LH)子帶、High-Low (HL)子帶和 High-High(HH)子帶；可將圖像信號看成由一系列行向量構(gòu)成，經(jīng)過分解后，原信號分為低頻部分和高頻部分，其中低頻部分包括LL子帶和LH子帶，高頻部分包括HL子帶和HH子帶。結(jié)合鄰域像素值可計(jì)算低頻部分系數(shù)和高頻部分系數(shù)，其計(jì)算方法分別如式(2) (3)所示Pi = (R2i + R2m )(2)P是低頻Daubechies小波系數(shù)，i是Daubechies小波系數(shù)的索引號，R是圖像數(shù)據(jù)的像素值；Qi = (R2,-沢2,+1)萬(3 )Q是高頻Daubechies小波系數(shù)，i是Daubechies小波系數(shù)的索引號，R是圖像數(shù)據(jù)的像素值；也可將圖像信號看成由一系列列向量構(gòu)成，經(jīng)過分解后，原信號垂直列分為低頻部分和高頻部分，其中低頻部分包括LL子帶和LH子帶，高頻部分包括HL子帶和HH子帶；結(jié)合鄰域像素值可計(jì)算低頻部分系數(shù)和高頻部分系數(shù)，其計(jì)算方法分別如式(2) (3)所示。所述步驟A3和步驟B3中，每個子帶相關(guān)系數(shù)的均值和方差的計(jì)算方法包括HH子帶系數(shù)均值μ由式(4)計(jì)算
權(quán)利要求
1.一種煤巖圖像自動識別方法，其特征在于包括如下步驟 A.建立煤巖特征數(shù)據(jù)庫 對常見煤巖圖像進(jìn)行小波變換并提取相應(yīng)特征值，建立煤巖特征數(shù)據(jù)庫； B.待測樣品的特征提取 對待測樣品進(jìn)行小波變換并提取相應(yīng)特征值，得到該樣品的均值紋理導(dǎo)向度和方差紋理導(dǎo)向度； C.Minkowski距離計(jì)算 根據(jù)Minkowski距離公式計(jì)算待測樣品與特征數(shù)據(jù)庫中樣品的空間距離； D.待測樣品識別 根據(jù)空間距離的計(jì)算結(jié)果，從而判定空間距離最小的兩種樣品為相同種類，進(jìn)而實(shí)現(xiàn)對煤巖的識別。
2.根據(jù)權(quán)利要求I所述的煤巖圖像自動識別方法，其特征在于 所述步驟A煤巖特征值的提取方法包括 Al.選擇常見煤巖樣品圖像； A2.將步驟Al的樣品圖像進(jìn)行五級Daubechies小波變換,計(jì)算其相應(yīng)的低頻部分系數(shù)和高頻部分系數(shù)； A3.計(jì)算步驟A2經(jīng)過Daubechies小波變換之后每個子帶的均值、方差； A4.計(jì)算步驟A2經(jīng)過Daubechies小波變換之后每個Daubechies小波等級的均值紋理導(dǎo)向度和方差紋理導(dǎo)向度。
3.根據(jù)權(quán)利要求I所述的煤巖圖像自動識別方法，其特征在于 所述步驟B待測樣品的特征提取方法包括 BI.選擇待測樣品圖像； B2.將步驟BI的待測樣品圖像進(jìn)行五級Daubechies小波變換，計(jì)算其相應(yīng)的低頻部分系數(shù)和高頻部分系數(shù)； B3.計(jì)算步驟B2經(jīng)過Daubechies小波變換之后每個子帶的均值、方差； B4.計(jì)算步驟B2經(jīng)過Daubechies小波變換之后每個Daubechies小波等級的均值紋理導(dǎo)向度和方差紋理導(dǎo)向度。
4.根據(jù)權(quán)利要求I所述的煤巖圖像自動識別方法，其特征在于 所述步驟C中Minkowski距離計(jì)算方法包括 ^(/9,/)=Σ|/￡/ω-/(ο|CD /=1 fq(i)和f"(i)分別表示煤巖樣品圖像和待測樣品圖像的第i個特征值，N為小波變換分解尺度值，D (f%產(chǎn))為相應(yīng)距離值，D (f%產(chǎn))越小表示相似程度越高。
5.根據(jù)權(quán)利要求2所述的方法，其特征在于 所述步驟A2中，圖像進(jìn)行Daubechies小波變換分解后,其相應(yīng)系數(shù)的計(jì)算方法包括對圖像進(jìn)行一級Daubechies小波變換分解后的系數(shù)包括Low-Low (LL)子帶、Low-High (LH)子帶、High-Low (HL)子帶和 High-High (HH)子帶； 可將圖像信號看成由一系列行向量構(gòu)成，經(jīng)過分解后，原信號分為低頻部分和高頻部分，其中低頻部分包括LL子帶和LH子帶，高頻部分包括HL子帶和HH子帶；結(jié)合鄰域像素值可計(jì)算低頻部分系數(shù)和高頻部分系數(shù)，其計(jì)算方法分別如式(2) (3)所示
6.根據(jù)權(quán)利要求2所述的方法，其特征在于 所述步驟A3中，每個子帶相關(guān)系數(shù)的均值和方差的計(jì)算方法包括 HH子帶系數(shù)均值μ由式⑷計(jì)算
7.根據(jù)權(quán)利要求6所述的方法，其特征在于 所述步驟Α4中，每個Daubechies小波等級的紋理導(dǎo)向度計(jì)算方法包括 均值紋理導(dǎo)向度由式(6)來定義并計(jì)算
8.根據(jù)權(quán)利要求3所述的方法，其特征在于所述步驟B2中，相應(yīng)的低頻部分系數(shù)和高頻部分系數(shù)計(jì)算方法包括 對圖像進(jìn)行一級Daubechies小波變換分解后的系數(shù)包括Low-Low (LL)子帶、Low-High (LH)子帶、High-Low (HL)子帶和 High-High (HH)子帶； 可將圖像信號看成由一系列行向量構(gòu)成，經(jīng)過分解后，原信號分為低頻部分和高頻部分，其中低頻部分包括LL子帶和LH子帶，高頻部分包括HL子帶和HH子帶，結(jié)合鄰域像素值可計(jì)算低頻部分系數(shù)和高頻部分系數(shù)，其計(jì)算方法分別如式(2) (3)所示
9.根據(jù)權(quán)利要求3所述的方法，其特征在于 所述步驟B3中，每個子帶的均值和方差的計(jì)算方法包括 HH子帶系數(shù)均值μ由式⑷計(jì)算
10.根據(jù)權(quán)利要求9所述的方法，其特征在于 所述步驟Β4中，均值紋理導(dǎo)向度和方差紋理導(dǎo)向度的計(jì)算方法包括 均值紋理導(dǎo)向度由式(6)來定義并計(jì)算
全文摘要
本發(fā)明公開一種煤巖圖像自動識別方法，利用Daubechies小波對圖像抽取其紋理特征信息。圖像紋理特征信息包括系數(shù)均值、系數(shù)方差、均值紋理導(dǎo)向度、方差紋理導(dǎo)向度和表征樣品圖像和待測試圖像之間相似特征的距離值。最后通過分析距離值來識別煤巖圖像。本發(fā)明由于采用了Daubechies小波對圖像進(jìn)行特征信息抽取，從而實(shí)現(xiàn)了快速識別、適應(yīng)性廣、可靠性高的特點(diǎn)。
文檔編號G06K9/62GK102880858SQ20121031398
公開日2013年1月16日 申請日期2012年8月30日 優(yōu)先權(quán)日2012年8月30日
發(fā)明者孫繼平, 佘杰 申請人:中國礦業(yè)大學(xué)(北京)