一种基于图像lbp的煤岩识别方法

文档序号:9433118阅读:1217来源:国知局
一种基于图像lbp的煤岩识别方法
【技术领域】
[0001] 本发明涉及一种基于图像LBP的煤岩识别方法,属于煤岩识别技术领域。
【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。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 工作面工作人员、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的意 义
[0003]目前,国内外煤岩识别主要有以下两类方法,第一种是煤层厚度的测量方法,通过 反馈的信息调整滚筒的高度,包括各种射线和电磁波,例如自然γ射线探测法、电磁波探 测法以及雷达探测法;另一种是煤和岩石界面的测量方法,通过采煤机自生的响应来调整 滚筒高度,包括应力截齿法、震动检测法、红外线检测法等。以上各种方法有各自的优缺点, 但都是采用传感器进行识别。一方面在不同的煤矿产区,需要选取不同的传感器,并需要安 装在不同的机器设备上;另一方面在煤炭开采环境中,传感器本身容易出现故障和失灵的 情况,无疑都加大了人力和物力的浪费。
[0004] 为解决上述问题,图像技术越来越受到重视并研发了一些图像技术的煤岩识别方 法,然而在已有的方法中,例如基于灰度共生矩阵的煤岩识别方法,从全局来分析图像纹理 的特点,没有完全抓住局部灰度的图像特点,因此,该方法易受光照、噪声、视点的影响。基 于LBP的煤岩识别方法,主要以某一点与其邻域像素的相对灰度作为响应,正是这种机制 使得LBP算子对于单调的灰度变化具有不变性,可以精确的描绘图像局部纹理信息。

【发明内容】

[0005] 本发明的目的在于提供一种基于图像LBP的煤岩识别方法,该识别方法受光照、 视点的影响小,能够同时从全局和局部分析纹理特征,能够实时、自动地识别出当前煤、岩 对象是煤或岩石,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地煤岩识 别信息。
[0006] 为实现上述目的,本发明的方案是:一种基于图像LBP的煤岩识别方法,包括如下 步骤:
[0007] Α.在相同成像条件下,分别采集一组已知煤样本灰度图像集和岩样本的灰度图像 集;
[0008] Β.对所述的煤样本图像集和岩样本图像集分别应用3类MB-LBP算子,得到所述煤 样本图像集和岩样本图像集的LBP响应图像;
[0009] C.计算所述煤样本图像集和岩样本图像集的LBP响应图像的灰度共生矩阵
[0010] D.分别求LBP响应图像的灰度共生矩阵的能量、熵、惯性矩、相关4个纹理参数的 均值和标准差作为最终8纹理特征,并组成特征向量;
[0011] Ε.对所述煤样本灰度图像集和岩样本的灰度图像集分别得到的特征向量进行汇 总,分别得到所述煤样本灰度图像集和岩样本的灰度图像集的特征矩阵;
[0012] F.分别计算所述煤样本灰度图像集和岩样本的灰度图像集的特征矩阵的均值矩 阵,根据均值矩阵得到煤的模板特征矩阵M和岩的模板特征矩阵Y ;
[0013] G.对于待识别图像X,按照步骤B、C、D、E的方法,得到待识别图像X的特征矩阵 T ;
[0014] H.将M、T代入匹配公式,得到待识别图像与煤图像的匹配度r (M,T),将Y、T代入 匹配公式,得到待识别图像与岩图像的匹配度r(Y,T);
[0015] I.比较两类匹配度的大小,若r(M,T) > r(Y,T),则待识别图像是煤的图像;若 r(M,T) < r(Y,T),则待识别图像是岩的图像。
[0016] 所述的步骤B中,得到所述煤样本图像集和岩样本图像集的LBP响应图像的具体 过程如下:
[0017] (1)所述的煤样本图像集用叫、m2、m3、--、mk表示,所述的岩样本图像集用 y〗、y"3、· · · ·、y"k表不;
[0018] ⑵对所述煤样本图像集叫、m2、m3、…、11\和岩样本图像集y i、y2、y3、--、yk应 用MB1-LBPu算子,即以像素块大小为I X I的邻域为8、半径为2的圆形邻域的LBP算子, 得到一类 LBP 响应图像 mn、m21、m31、--、!^和 y n、y21、y31、--、ykl;
[0019] (3)对所述煤样本图像集叫、!]!;;、!]^、· · ·、11\和岩样本图像集y · ·、yk应用 MB2-LBP8,2算子,即以像素块大小为2 X 2的邻域为8、半径为2的圆形邻域的LBP算子,得到 二类 LBP 响应图像 m12、m22、m32、--、1%;和 y 12、y22、y32、--、yk2;
[0020] ⑷对所述煤样本图像集叫、!]!;;、!]^、· · ·為和岩样本图像集y · ·、yk应用 MB3-LBP8,2算子,即以像素块大小为3 X 3的邻域为8、半径为2的圆形邻域的LBP算子,得到 三类 LBP 响应图像 m13、m23、m33、--、11\3和 y 13、y23、y33、· · · yk3。
[0021] 所述的步骤C中,得到所述LBP响应图像灰度共生矩阵具体过程如下:
[0022] (1)对LBP响应图像的灰度级进行压缩,将LBP响应图像的灰度级压缩至16级;
[0023] (2)分别计算LBP响应图像的灰度共生矩阵,取距离为1,角度分别0、45、90和 135 ;
[0024] (3)对⑵生成的共生矩阵进行归一化处理;
[0025] (4)则每一 LBP响应图像则可分别得到灰度共生矩阵:〇:、Gni' Gni' Gni1'
[0026] 所述的步骤D中,得到所述LBP响应图像灰度共生矩阵的统计参数的具体过程如 下:
[0027] (1)分别计算每一 LBP响应图像的灰度共生矩阵G:、Gni'G1^ A135的能量E q、E45、 E9d和 E 135,熵 H。、H45、H9。和 H 135,惯性矩 I。、145、I9。和 I 135,相关 C。、C45、C9。和 C 135;
[0028] (2)求LBP响应图像的G:、Gni' Gni9' Gni135的能量的均值a i和方差b 1;
[0029] (3)求LBP响应图像的Gni' Gni' Gni' Gni135的熵的均值a 2和方差b 2;
[0030] (4)求LBP响应图像的Gni' Gni' Gni' Gni135的惯性矩的均值a 3和方差b 3;
[0031] (5)求LBP响应图像的Gni' Gni' Gni' Gni135的相关的均值a 4和方差b 4;
[0032] (6)将得到的 a!、b!、a2、b2、a3、b3、a 4和 b 4组成特征向量 Q = {a !,b!,a2, b2, a3, b3, CI4? b^} 〇
[0033] 所述的步骤E中,得到所述煤样本灰度图像和岩样本的灰度图像的特征矩阵的具 体过程如下:
[0034] (1)将应用MBfLBPs,2算子得到LBP响应图像的灰度共生矩阵的能量、熵、惯性矩、 相关4个纹理参数的均值和标准差组成特征向量Q1= {a p bp a2, b2, a3, b3, a4, b4};
[0035] (2)将应用MB2-LBP8,2算子得到LBP响应图像的灰度共生矩阵的能量、熵、惯性矩、 相关4个纹理参数的均值和标准差组成特征向量Q2= {a p bp a2, b2, a3, b3, a4, b4};
[0036] (3)将应用MB3-LBP8,2算子得到LBP响应图像的灰度共生矩阵的能量、熵、惯性矩、 相关4个纹理参数的均值和标准差组成特征向量Q3= {a p bp a2, b2, a3, b3, a4, b4};
[0037] (4)得到所述煤样本图像集岩样本图像集中每一样本图像的特征矩阵为T1= {Qp Q2, Q3},其中i = 1,2,3. .k,岩样本图像集中每一样本图像的特征矩阵Ssi= (Q1, Q2, Q3}, 其中 i = 1,2,3.. k。
[0038] 所述的步骤F中,得到所述煤样本灰度图像集和岩样本的灰度图像集的模板特征 矩阵的具体过程如下:
[0039] (1)计算煤样本图像集叫為、m3.....mk的特征矩阵T ^T2J3.....Tk的均值矩阵
该均值矩阵M即为煤样本图像集的模板特征矩阵;
[0040] (2)计算岩样本图像集y2、y3、· · ·、yk的特征矩阵S i、S2、S3、· · ·、Sk的均值矩阵
,该均值矩阵Y即为岩样本图像集的模板特征矩阵。
[0041] 所述的步骤G中,得到所述煤样本灰度图像集和岩样本的灰度图像集的模板特征 矩阵的具体过程如下:
[0042] (1)将M、T代入匹配公式
其中m(s,t)表示煤的模板特征矩阵M中(s,t)处元素的值,f (s,t)表示待识别图像特征 矩阵T中的(s,t)处元素的值;
[0043] (2)步骤⑴得到的r值赋予r(M,T),表示待识别图像与煤图像的匹配度;
[0044] (3)将Y、T代入匹配公式
其中 y(s,t)表示岩的模板特征矩阵Y中(s,t)处元素的值,f (s,t)表示待识别图像特征矩阵 T中的(s,t)处元素的值;
[0045] (4)步骤⑶得到的r值赋予r(Y,T),表示待识别图像与岩图像的匹配度。
[
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1