基于多尺度微紋理和對比度聯(lián)合分布的煤巖識別方法
【專利摘要】本發(fā)明公開了一種基于多尺度微紋理和對比度聯(lián)合分布的煤巖識別方法,該方法用8個尺度的微紋理和相應(yīng)尺度下的對比度聯(lián)合分布特征來描述煤、巖圖像特征信息,用Greedy算法選擇煤巖模式;在識別時,待識別圖像用與訓(xùn)練圖像同樣的方法抽取圖像特征信息,然后和訓(xùn)練階段學(xué)習(xí)到的模式進(jìn)行比較,用G統(tǒng)計來度量,用最近鄰準(zhǔn)則來識別。該方法受照度和成像視點變化影響小,識別率高,穩(wěn)定性好。
【專利說明】基于多尺度微紋理和對比度聯(lián)合分布的煤巖識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于多尺度微紋理和對比度聯(lián)合分布的煤巖識別方法,屬于圖像識別【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]煤巖識別即用一種方法自動識別出煤巖對象為煤或巖石。在煤炭生產(chǎn)過程中,煤巖識別技術(shù)可廣泛應(yīng)用于滾筒采煤、掘進(jìn)、放頂煤開采、原煤選矸石等生產(chǎn)環(huán)節(jié),對于減少采掘工作面作業(yè)人員、減輕工人勞動強(qiáng)度、改善作業(yè)環(huán)境、實現(xiàn)煤礦安全高效生產(chǎn)具有重要意義。
[0003]已有多種煤巖識別方法,如自然Y射線探測法、雷達(dá)探測法、應(yīng)力截齒法、紅外探測法、有功功率監(jiān)測法、震動檢測法、聲音檢測法、粉塵檢測法、記憶截割法等,但這些方法存在以下問題:①需要在現(xiàn)有設(shè)備上加裝各類傳感器獲取信息,導(dǎo)致裝置結(jié)構(gòu)復(fù)雜,成本高。②采煤機(jī)滾筒、掘進(jìn)機(jī)等設(shè)備在生產(chǎn)過程中受力復(fù)雜、振動劇烈、磨損嚴(yán)重、粉塵大,傳感器部署比較困難,容易導(dǎo)致機(jī)械構(gòu)件、傳感器和電氣線路受到損壞,裝置可靠性差。③對于不同類型機(jī)械設(shè)備,傳感器的最佳類型和信號拾取點的選擇存在較大區(qū)別,需要進(jìn)行個性化定制,系統(tǒng)的適應(yīng)性差。
[0004]需要一種解決或至少改善現(xiàn)有技術(shù)中固有的一個或多個問題的煤巖識別方法。
[0005]通過對煤、巖石塊狀樣本的觀察,發(fā)現(xiàn)煤和巖石的表面紋理在粗糙程度、稀疏程度、紋理變化的均勻性、溝紋的深淺等方面都有很大差異,據(jù)此,用圖像技術(shù)來識別煤巖的方法應(yīng)運而生。
[0006]煤、巖紋理表面凹凸不平,具有典型的三維紋理特征,三維紋理表面當(dāng)視點和照度發(fā)生變化時,由于煤、巖表面反射率和平面法線在空域上的變化,使得視覺表面會發(fā)生很大的變化。在煤炭生產(chǎn)中需要煤、巖識別的工作場合如工作面、掘進(jìn)面等,照度變化往往很平常,成像傳感器的視點也在較大范圍內(nèi)變化,而二維紋理模型如基于灰度共生統(tǒng)計特征的煤巖識別方法對照度、視點變化不具備魯棒性,因而識別不穩(wěn)定,識別率不高。
【發(fā)明內(nèi)容】
[0007]因此,本發(fā)明的目的在于提供一種基于多尺度微紋理和對比度聯(lián)合分布的煤巖識別方法,以提高識別穩(wěn)定性和識別率,該識別方法受照度和成像視點變化影響小,能夠?qū)崟r、自動地識別出當(dāng)前煤、巖石對象是煤或是巖石,為自動化采掘、自動化放煤、自動化選矸等生產(chǎn)過程提供了可靠的煤巖識別信息。
[0008]根據(jù)一種實施例形式,提供一種基于多尺度微紋理和對比度聯(lián)合分布的煤、巖識別方法,包括學(xué)習(xí)和識別兩個階段:
[0009]在學(xué)習(xí)階段包括以下步驟:
[0010]A.選擇包含不同視角和照度條件下的煤、巖樣本圖像,抽取大小合適的子圖像組成煤、巖樣本學(xué)習(xí)集A和測試集B ;[0011]B.對煤巖樣本學(xué)習(xí)集A和測試集B中的每張子圖像用操作15/?:? R=(l,2,…,8)分別提取8個尺度下的微紋理特征和8個相應(yīng)尺度下的對比度特征,將相同尺度下的微紋理特征和對比度特征的聯(lián)合分布用離散的二維直方圖表示,將8個二維直方圖級連成一個直方圖成為每張子圖像特征,每張子圖像特征代表煤或巖的一個模式;
[0012]C.利用測試集B用Greedy算法在學(xué)習(xí)集A中選擇煤、巖模式;
[0013]在識別階段:
[0014]D.對于給定的待識別煤或巖圖像,用與學(xué)習(xí)階段相同的方法處理圖像得到圖像特征,用G統(tǒng)計度量與步驟C所得到的煤、巖模式的相似性,使G最小的模式即為待識別對象所屬的模式,計算公式為:
【權(quán)利要求】
1.基于多尺度微紋理和對比度聯(lián)合分布的煤巖識別方法,包括學(xué)習(xí)階段和識別階段,其特征在于: 在學(xué)習(xí)階段包括以下步驟: A.選擇包含不同視角和照度條件下的煤巖樣本圖像,抽取大小合適的子圖像組成煤巖樣本學(xué)習(xí)集A和測試集B ; B.對煤巖樣本學(xué)習(xí)集A和測試集B中的每張子圖像用操作R=(l,2,…,8)分別提取8個尺度下的微紋理特征和8個相應(yīng)尺度下的對比度特征,將相同尺度下的微紋理特征和對比度特征聯(lián)合分布用離散的二維直方圖表示,將8個二維直方圖級連成一個直方圖成為每張子圖像特征,每張子圖像特征代表煤或巖的一個模式; C.利用測試集B用Greedy算法在學(xué)習(xí)集A中選擇煤巖模式; 在識別階段: D.對于給定的待識別煤巖圖像,用與學(xué)習(xí)階段相同的方法處理圖像得到圖像特征,用G統(tǒng)計度量與步驟C所得到的煤巖模式的相似性,使G最小的模式即為待識別對象所屬的模式,計算公式為:
2.根據(jù)權(quán)利要求1所述的方法,其特征在于步驟B中對比度測量方法為:大于中心像素灰度值的鄰域像素灰度的平均值與小于中心像素灰度值的鄰域像素灰度的平均之差。
【文檔編號】G06K9/62GK103927553SQ201410184307
【公開日】2014年7月16日 申請日期:2014年5月5日 優(yōu)先權(quán)日:2014年5月5日
【發(fā)明者】孫繼平, 伍云霞 申請人:中國礦業(yè)大學(xué)(北京)