一种基于高光谱图像的煤矸识别方法及装置制造方法及图纸

本公开是关于一种基于高光谱图像的煤矸识别方法及装置。该方法包括：获取煤和矸石的高光谱图像；在所述高光谱图像中框选煤和矸石的感兴趣区域，完成感兴趣区域的标注；选择所述煤和矸石的感兴趣区域的波谱，分别作为煤和矸石的目标波谱；按照所述目标波谱显示待测高光谱图像；采用目标识别算法识别所述待测高光谱图像中的煤和矸石。本公开提供的方案，能大大提高煤矸识别的准确性，有助于进一步进行煤矸分选的效率。

【技术实现步骤摘要】
一种基于高光谱图像的煤矸识别方法及装置
本公开涉及图像识别领域，尤其涉及一种基于高光谱图像的煤矸识别方法及装置。
技术介绍
煤矸分选任务就是将原煤中的一些煤矸石区分出去，这些煤矸石是在煤炭开采过程中的一种附属物，将煤矸进行分选将有助于提高最终煤炭的质量。目前煤矿企业中已有一些煤矸分选的方法，主要包括干选法和湿选法两大类。干选法主要有风力选煤法、射线透视法和磁选法等；湿选法主要有重介质选煤法、跳汰选煤法等。目前的这些煤矸分选方法也存在一定的问题，例如射线透视法有一定的辐射污染，重介质选煤法成本较高、处理不便，且前期的人工分选劳动强度太大。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种基于高光谱图像的煤矸识别方法及装置，能够更加高效且安全无污染地实现煤矸识别。根据本公开实施例的第一方面，提供一种基于高光谱图像的煤矸识别方法，包括：获取煤和矸石的高光谱图像；在所述高光谱图像中框选煤和矸石的感兴趣区域，完成感兴趣区域的标注；选择所述煤和矸石的感兴趣区域的波谱，分别作为煤和矸石的目标波谱；按照所述目标波谱显示待测高光谱图像；采用目标识别算法识别所述待测高光谱图像中的煤和矸石。根据本公开实施例的第二方面，提供一种基于高光谱图像的煤矸识别装置，包括：图像获取模块，用于获取煤和矸石的高光谱图像；区域标注模块，用于在所述高光谱图像中框选煤和矸石的感兴趣区域，完成感兴趣区域的标注；第一波谱选择模块，用于选择所述煤和矸石的感兴趣区域的波谱，分别作为煤和矸石的目标波谱；图像显示模块，用于按照所述目标波谱显示待测高光谱图像；煤矸识别模块，用于采用目标识别算法识别所述待测高光谱图像中的煤和矸石。根据本公开实施例的第三方面，提供一种终端设备，包括：处理器；以及存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。根据本公开实施例的第四方面，提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。本公开的实施例提供的技术方案可以包括以下有益效果：通过使用光谱数据分析技术来对高光谱图像进行分析处理，实现了对煤和矸石的识别，大大提高了煤矸识别的准确性，有助于进一步进行煤矸分选的效率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。图1是根据本公开一示例性实施例示出的一种基于高光谱图像的煤矸识别方法的流程示意图；图2是高光谱成像平台的结构示意图；图3是ENVI软件对高光谱数据进行目标识别效果；图4是根据本公开一示例性实施例示出的另一种基于高光谱图像的煤矸识别方法的流程示意图；图5是根据本公开一示例性实施例示出的另一种基于高光谱图像的煤矸识别方法的流程示意图；图6是根据本公开一示例性实施例示出的一种基于高光谱图像的煤矸识别装置的结构框图；图7是根据本公开一示例性实施例示出的一种计算设备的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本公开可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。高光谱成像技术在空间成像的同时，会记录下成百个连续光谱通道的数据，这些光谱通道窄，而且连续，从每个像元都可以提取出一条连续的光谱曲线，于是这些高光谱数据中包含了丰富的数据信息。本公开中提出的煤矸识别方法就是使用高光谱相机来对煤和矸石进行成像，然后将成像之后的数据使用ENVI软件进行数据分析，实现目标识别的目的。以下结合附图详细描述本公开实施例的技术方案。图1是根据本公开一示例性实施例示出的一种基于高光谱图像的煤矸识别方法的流程示意图。参见图1，该方法包括：110、获取煤和矸石的高光谱图像；具体的，为了得到高光谱图像，需要搭建一个对煤和矸石进行高光谱成像的高光谱成像平台，其示意图如图2所示，这个平台主要包括的组件有高光谱相机、卤素灯、运行平台和计算机等设备，其中，高光谱相机使用的成像波段为近红外波段和短波红外波段。高光谱成像的主要步骤为：将煤和矸石放在传送带上，将高光谱相机垂直安装，从上往下照射，然后在高光谱相机旁边安装卤素灯，将卤素灯打开，驱动运行平台运行，使煤和矸石通过高光谱相机的成像区域，最终在计算机安装的成像软件中会留下对煤和矸石成像得到的高光谱数据。120、在所述高光谱图像中框选煤和矸石的感兴趣区域，完成感兴趣区域的标注；具体的，在得到高光谱数据之后，可以使用ENVI软件来对煤和矸石的高光谱数据进行分析，以达到对其进行目标识别的目的，本实施例中，可以使用ENVI软件中的TargetDetectionWizard工具来进行分析。一张标准ENVI格式的高光谱数据主要包括两个文件，即.img文件和.hdr文件。其中.img格式的数据就是包含了几百个通道的高光谱数据，可以理解为一个数据立方体，而.hdr格式的文件是该高光谱数据的头文件，包含了一些高光谱图像的波段信息、通道数等内容。使用ENVI软件打开高光谱数据之后，ENVI显示的是一个彩色的图片，这是ENVI软件从几百个波段中选了三个波段来进行显示，当然，用户也可以自定义显示的波段。在使用TargetDetectionWizard工具之前，还需要做一个准备工作，就是对该高光谱数据进行ROI区域标定，ROI区域即为感兴趣区域，使用ENVI软件来标定ROI区域，需要建立两个类别，即煤和矸石两类，然后使用多边形工具在高光谱图像中对煤和矸石进行标定。之后就可以使用TargetDe本文档来自技高网...

【技术保护点】
1.一种基于高光谱图像的煤矸识别方法，其特征在于，包括：/n获取煤和矸石的高光谱图像；/n在所述高光谱图像中框选煤和矸石的感兴趣区域，完成感兴趣区域的标注；/n选择所述煤和矸石的感兴趣区域的波谱，分别作为煤和矸石的目标波谱；/n按照所述目标波谱显示待测高光谱图像；/n采用目标识别算法识别所述待测高光谱图像中的煤和矸石。/n

【技术特征摘要】
1.一种基于高光谱图像的煤矸识别方法，其特征在于，包括：
获取煤和矸石的高光谱图像；
在所述高光谱图像中框选煤和矸石的感兴趣区域，完成感兴趣区域的标注；
选择所述煤和矸石的感兴趣区域的波谱，分别作为煤和矸石的目标波谱；
按照所述目标波谱显示待测高光谱图像；
采用目标识别算法识别所述待测高光谱图像中的煤和矸石。


2.根据权利要求1所述的方法，其特征在于，在选择所述煤和矸石的感兴趣区域的波谱之前，还包括：
对所述高光谱图像进行大气校正的步骤。


3.根据权利要求1所述的方法，其特征在于，还包括：
选择所述高光谱图像中背景区域的波谱作为背景波谱；
按照所述目标波谱和背景波谱显示待测高光谱图像；
采用目标识别算法识别所述待测高光谱图像中的煤、矸石和背景。


4.根据权利要求1所述的方法，其特征在于，在采用目标识别算法识别所述待测高光谱图像中的煤和矸石之前，还包括：
对所述待测高光谱图像进行最小噪声分离变换。


5.根据权利要求1-4任一项所述的方法，其特征在于，还包括：
对煤和矸石的识别结果进行聚类和过滤处理。


6.一种基于高光谱图像的煤矸识别装置，其特征在于，包括：
图像获取模块，用于获取煤和矸石的高光谱图像；

【专利技术属性】
技术研发人员：李忠义，朱晓宁，赵存会，李园园，
申请(专利权)人：精英数智科技股份有限公司，
类型：发明
国别省市：山西;14