基于紧邻域像素灰度联合分布特征的煤岩识别方法
【专利摘要】本发明公开了一种基于紧邻域像素灰度联合分布特征的煤岩识别方法，该方法用紧邻域像素灰度联合分布特征来描述煤、岩图像特征信息，用学习向量量化方法抽取煤岩特征信息空间关键字向量，用关键字向量直方图表征煤岩在不同形态下的模式；在识别时，待识别图像用与训练图像同样的方法抽取图像特征信息和建立直方图，然后和训练阶段学习到的模式进行比较，用G统计来度量，用最近邻准则来识别。该方法用了煤、岩在不同照度、不同视点下的图像作为训练样本，受照度和成像视点变化影响小，识别率高，稳定性好。
【专利说明】基于紧邻域像素灰度联合分布特征的煤岩识别方法
【技术领域】
[0001]本发明涉及一种基于紧邻域像素灰度联合分布特征的煤岩识别方法，属于图像识别【技术领域】。
【背景技术】
[0002]煤岩识别即用一种方法自动识别出煤岩对象为煤或岩石。在煤炭生产过程中，煤岩识别技术可广泛应用于滚筒采煤、掘进、放顶煤开采、原煤选矸石等生产环节，对于减少采掘工作面作业人员、减轻工人劳动强度、改善作业环境、实现煤矿安全高效生产具有重要意义。
[0003]已有多种煤岩识别方法，如自然Y射线探测法、雷达探测法、应力截齿法、红外探测法、有功功率监测法、震动检测法、声音检测法、粉尘检测法、记忆截割法等，但这些方法存在以下问题:①需要在现有设备上加装各类传感器获取信息，导致装置结构复杂，成本高。②采煤机滚筒、掘进机等设备在生产过程中受力复杂、振动剧烈、磨损严重、粉尘大，传感器部署比较困难，容易导致机械构件、传感器和电气线路受到损坏，装置可靠性差。③对于不同类型机械设备，传感器的最佳类型和信号拾取点的选择存在较大区别，需要进行个性化定制，系统的适应性差。
[0004]通过对煤、岩石块状样本的观察，发现煤和岩石的表面纹理在粗糙程度、稀疏程度、纹理变化的均匀性、沟纹的深浅等方面都有很大差异，据此，利用煤岩图像纹理特征来识别煤岩的方法已提出，如基于灰度共生统计特征的煤岩识别方法，灰度共生统计方法将煤岩纹理表面看作二维纹理来处理，而事实上煤岩纹理表面凹凸不平，具有典型的三维纹理特征，三维纹理表面当视点和照度发生变化时，视觉表面会发生很大的变化。在煤炭生产中需要煤、岩识别的工作场合如工作面、掘进面等，照度变化往往很平常，成像传感器的视点也在较大范围内变化，而二维纹理模型对照度、视点变化不具备鲁棒性，因而识别不稳定，识别率不高。
[0005]需要一种解决或至少改善现有技术中固有的一个或多个问题的煤岩识别方法，以提高煤岩识别率和识别稳定性。
【发明内容】
[0006]因此，本发明的目的在于提供一种基于紧邻域像素灰度联合分布特征的煤岩识别方法，该识别方法受照度和成像视点变化影响小，能够实时、自动地识别出当前煤、岩石对象是煤或是岩石，为自动化采掘、自动化放煤、自动化选矸等生产过程提供了可靠的煤岩识别信息。
[0007]根据一种实施例形式，提供一种基于紧邻域像素灰度联合分布特征的煤岩识别方法，包括如下步骤:
[0008]A.将采集的煤、岩样本图像进行预处理并分成训练集SET_A和测试集SET_B
[0009]将采集的每一张煤、岩样本图像，在图像的中心截取像素大小为N的子图像，并将每张子图像的灰度归一化为零均值和单位方差(若是彩色图像先转换成灰度图像)，选择处理过的一部分图像作为训练集SET_A，别一部分作为测试集SET_B ；
[0010]B.提取训练集SET_A和测试集SET_B中图像的特征信息向量
[0011]分别提取训练集SET_A和测试集SET_B中每张煤图像I。和每张岩图像Ii的特征信息向量{xj。和{Xih，所述特征信息向量Xi e Rn为该图像中像素(i，J.) € {y/n/2,s/N - y/n/2)的紧邻域内的η个像素灰度的联合分布，即Xi= U1,..,Ii为像素(i，j)的灰度值，
I1,, Ilri为像素(i, j)邻域像素的灰度值，将Xi归一化；
[0012]C.从图像特征信息向量空间中提取K个关键字向量{w1; w2，...wK} , Wi e Rn
[0013]利用训练集中的特征信息向量{{Xi}c，{Xi}丄ET A，首先用OLVQl向量量化训练算法对关键字向量位置进行粗定位，再用LVQ2训练算法对关键字向量位置进行细调节，用测试集SET_B特征信息向量{{Xi}。，{xj J的训练结果进行精度测试，直至所提取的K个关键字向量满足识别精度要求为止；
[0014]D.将煤、岩模式用关键字向量直方图表征
[0015]从训练集SET_A中分别选取煤、岩图像各M张，将选定的每一张图像的特征信息向量Xi用与其最邻近的关键字向量标注，计算每个关键字向量出现的次数，作相对图像总标注像素的归一化直方图，煤的M张图像对应煤的M个模式伍丄，岩的M张图像对应岩的M个模式{Hr}?；
[0016]Ε.识别未知煤岩对象图像Ix
[0017]给定未知煤岩对象图像Ix，用与步骤A相同的方法进行预处理，用与步骤B中相同的方法提取Ix的特征信息IxJx，用与D中相同的方法对Xi进行标注，计算Ix关键字归一化直方图Hx，用对数似然率即G统计度量Hx与煤和岩石模式距离，计算公式如下:
【权利要求】
1.一种基于紧邻域像素灰度联合分布特征的煤岩识别方法，其特征在于，包括以下步骤: A.将采集的煤、岩样本图像进行预处理并分成训练集SET_A和测试集SET_B 将采集的每一张煤、岩样本图像，在图像的中心截取像素大小为N的子图像，并将每张子图像的灰度归一化为零均值和单位方差(若是彩色图像先转换成灰度图像)，选择处理过的一部分图像作为训练集SET_A，别一部分作为测试集SET_B ； B.提取训练集SET_A和测试集SET_B中图像的特征信息向量 分别提取训练集SET_A和测试集SET_B中每张煤图像I。和每张岩图像Ir的特征信息向量{xj。和kih，所述特征信息向量Xi e Rn为该图像中像素(i，j) e紧邻域内的η个像素灰度的联合分布，即Xi =IJ，Ii为像素(i，j)的灰度值，I1,, Ilri为像素(i, j)邻域像素的灰度值，将Xi归一化； C.从图像特征信息向量空间中提取K个关键字向量{w1;w2，...wK}, Wi e Rn 利用训练集中的特征信息向量{{Xi}。，Ix丄}SET—A，首先用OLVQl向量量化训练算法对关键字向量位置进行粗定位，再用LVQ2训练算法对关键字向量位置进行细调节，用测试集SET_B特征信息向量{{Xi}。，{Xi}丄ETB对LVQ2的训练结果进行精度测试，直至所提取的K个关键字向量满足识别精度要求为止； D.将煤、岩模式用关键字向量直方图表征 从训练集SET_A中分别选取煤、岩图像各M张，将选定的每一张图像的特征信息向量Xi用与其最邻近的关键字向量标注，计算每个关键字向量出现的次数，作相对图像总标注像素的归一化直方图，煤的M张图像对应煤的M个模式{H。} M，岩的M张图像对应岩的M个模 式
{Hr} M ; Ε.识别未知煤岩对象图像Ix 给定未知煤岩对象图像Ix，用与步骤A相同的方法进行预处理，用与步骤B中相同的方法提取Ix的特征信息向量IxJx，用与D中相同的方法对Xi进行标注，计算Ix关键字归一化直方图Hx，用对数似然率即G统计度量Hx与煤和岩石模式距离，计算公式如下:
2.根据权利要求1所述方法，其特征在于步骤B中像素紧邻域大小为以该像素为中心的3X3或5X5或7X7像素区域。
3.根据权利要求2所述方法，其特征在于步骤B中像素紧邻域大小为以该像素为中心的3X3像素区域。
4.根据权利要求1所述方法，其特征在于步骤B中紧邻域内像素灰度联合分布归一化方法为
5.根据权利要求1所述方法，其特征在于步骤B中紧邻域内像素灰度联合分布归一化方法为
6.根据权利要求1所述方法，其特征在于步骤D中最邻近关键字向量用余弦函数度量
7.根据权利要求1所述方法，其特征在于步骤D中最邻近关键字向量用欧氏距离度量。
【文档编号】G06K9/46GK103927528SQ201410184275
【公开日】2014年7月16日 申请日期:2014年5月5日 优先权日:2014年5月5日
【发明者】伍云霞, 刘毅 申请人:中国矿业大学(北京)