一种基于煤岩图像特征抽取与分类识别的煤岩分界方法和系统，首先在采煤工作面拍摄煤岩图像，然后抽取煤岩图像的纹理特征信息并构造成特征向量；纹理特征信息包括原图像和每个Daubechies小波分解尺度的低频系数图像的角二阶矩、对比度、相关、均值、方差，还包括计算水平、垂直和对角三个方向的高频系数图像的总均值和总方差；最后创建最佳分类器，实现对煤岩界面的识别。本系统包括图像采集模块、特征模块、分类识别模块、结果显示交互模块、存储模块和中央控制模块。本发明专利技术所提出的基于煤岩图像特征抽取与分类识别的煤岩分界方法和系统具有计算简便、人工干预少、成本低、可有效提高复杂环境下煤岩图像的分类精度和效率，提供准确可靠的煤岩界面信息。
【技术实现步骤摘要】
一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和系统
本专利技术属于计算机图像处理与模式识别领域，是一种利用图像纹理特征信息对煤岩图像进行特征抽取，并用支持向量机、神经网络等对特征向量进行分类从而达到识别采煤工作面煤层与顶底板岩层界面的方法和系统。
技术介绍
在煤矿井下开采过程中，需要准确识别煤层和岩层，以此来控制采煤机摇臂的升降，从而避免切割至顶底板岩石。但是目前采煤机滚筒高度的调节主要由操作者通过人工的方法进行判断。众所周知，井下采煤工作面环境复杂不利于操作者做出准确的判断。因此采煤机不可避免会截割到顶底板岩石，造成一系列问题:加剧截齿磨损，缩短截齿寿命；截割岩石会产生火花，对于高瓦斯矿易产生恶性瓦斯爆炸事故；截割的岩石造成原煤质量下降。目前，我国主要采用保守开采的方式，实际采出率低，造成了严重的资源浪费。而现在的技术水平也很难对剩余的大量煤炭资源进行二次开采，因此开发煤岩识别技术具有重要意义。从20世纪50年代起，美国等世界主要产煤国越来越重视煤岩识别领域的研究。例如:基于煤岩自然Y射线辐射特性的传感器法，此法通过Y射线在煤层和岩层的不同衰减规律，从而对煤层和岩层进行识别。该方法要求顶板岩石必须具有放射性元素，因此对于放射性元素较少的砂岩顶板则无法应用，限制了其在我国大面积推广。中国专利CN101922290公开的煤岩界面识别方法，虽然能自动识别出煤岩，但是存在如下问题:第一，高压水射流会造成采煤现场排水困难；第二，被煤层或岩层反射的反射流对喷嘴形成的不同作用力很难准确感知，第三，采集信号的设备复杂，造成识别困难。中国专利申请号201110377347.4，申请公布日2012.06.13，公开了一种基于图像的煤岩界面识别方法与系统，通过对采集到的煤岩图像进行特征抽取从而达到识别煤岩分界的目的。此种方法主要是利用图像的灰度共生矩阵的特征参数来构造特征向量，但是并不能从多尺度多方向反应图像纹理的差异性，从而导致所构造的特征向量不能全方位反应煤岩表面特征，影响煤岩界面识别精度。
技术实现思路
为克服上述现有技术的不足，本专利技术提供了一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和系统。本专利技术所述的基于煤岩图像特征抽取以及分类识别的煤岩分界方法由以下技术方案实现:首先在采煤工作面拍摄煤岩图像，然后抽取煤岩图像的纹理特征信息；然后对所提取的纹理特征信息构造成特征向量；基于煤岩图像的纹理特征信息非常多，以大量煤、岩图像样本数据作为实验基础，为了充分体现煤和岩在不同尺度不同细节上的结构特征以及结合独立成分分析的纹理特征选择，采用的图像纹理特征信息包括两部分，其中一部分为原图像的角二阶矩、对比度、相关、均值、方差，另一部分为通过对煤岩图像进行Daubechies小波变换分解之后，对每个尺度的低频系数图像计算其角二阶矩、对比度、相关、均值、方差以及计算水平、垂直和对角三个方向的高频系数图像的总均值和总方差；将纹理特征向量输入默认分类器进行训练从而创建最佳分类器，实现对煤岩界面的识别。所述的基于煤岩图像特征抽取以及分类识别的煤岩分界方法，包括如下步骤:A.在采煤工作面分别采集多幅煤、岩的图像，并将其分为训练样品图像、测试样品图像；B.计算训练样品图像和测试样品图像的纹理图像特征值，并构造成特征子向量Pl ；C.将训练样品图像和测试样品图像进行Daubechies小波变换；对每个分解尺度的低频系数图像计算其角二阶矩、对比度、相关、均值、方差，并构造成特征子向量P2;同时计算每个分解尺度水平、垂直和对角三个方向的高频系数图像的总均值和总方差，并构造成特征子向量P3 ；D.构造纹理特征向量；E.将纹理特征向量输入分类器，可供用户选择的分类器有以下几种:概率神经网络(PNN)，径向基神经网络(RBF)，最小距离分类器(MDC)，极大似然分类器(MLC)和支持向量机等，用户可根据具体情况选择合适的分类器；F.对分类器进行设置、训练和测试，然后输入待分类识别样品图像纹理特征向量进行分类，得到最后的分类结果。所述步骤B中的纹理图像特征值分别为角二阶矩、对比度、相关、均值、方差。所述步骤C中Daubechies小波变换的分解尺度为三。所述步骤D中纹理特征向量的具体表达式为P = 。所述步骤E中选择支持向量机为默认分类器。所述支持向量机采用径向基(RBF)核函数，经过交叉验证获得其最佳惩罚性参数为5.6569，核函数的宽度为7.6294e_006。基于煤岩图像特征抽取以及分类识别的煤岩分界系统的工作过程分为四个阶段:设置、训练、测试和分类；在设置阶段，采集采煤工作面的煤岩图像，抽取相应的纹理特征值，构造纹理特征向量，选择支持向量机为默认分类器，对分类器参数进行初始设置；在训练阶段，根据初始设置以及煤岩图像训练样本特征向量进行交叉验证，并确定支持向量机的核心参数即核函数宽度和惩罚性参数；在测试阶段，根据核函数宽度和惩罚性参数建立向量机模型并分别对训练样品图像和测试样品图像的纹理特征向量所组成的数据集进行测试，分别得到训练样品图像的识别准确率和测试样品图像的识别准确率；在分类阶段，根据测试样品图像的识别准确率对待分类样品图像进行预测。本专利技术所述目的由以下提出的一种基于煤岩图像特征抽取以及分类识别的煤岩分界系统得以实现。所述系统包括图像采集模块、特征模块、分类识别模块、结果显示交互模块、存储模块和中央控制模块；所述图像采集模块用于产生照射煤岩的光源以及采集煤岩图片；所述特征模块用于煤岩图像纹理特征值的抽取，纹理特征值包括两部分，其一为未经Daubechies小波变换的图像样品纹理图像特征值分别为角二阶矩、对比度、相关、均值、方差，其二为经过Daubechies小波变换分解之后,每个分解尺度的低频系数图像的角二阶矩、对比度、相关、均值、方差以及每个分解尺度水平、垂直和对角三个方向的高频系数图像的总均值和总方差；所述分类识别模块利用煤岩样品纹理图像特征值构造纹理特征向量P=，其中特征子向量Pl由包括训练样品图像和测试样品图像未进行小波分解时的角二阶矩、对比度、相关、均值、方差进行构造，特征子向量P2由包括将训练样品图像和测试样品图像进行小波分解之后的每个分解尺度的低频系数图像的角二阶矩、对比度、相关、均值、方差进行构造，特征子向量P3由包括将训练样品图像和测试样品图像进行小波分解之后的每个分解尺度水平、垂直和对角三个方向的高频系数图像的总均值和总方差进行构造，并选择支持向量机为默认分类器并对其进行设置、训练和测试从而实现对待分类煤岩图像的识别；所述结果显示交互模块用于显示煤岩图像和煤岩图像特征抽取以及分类识别结果，并接受操作者对系统工作状态的设置和对样本数据的输入；所述存储模块用于存储图像数据以及其他数据；所述中央控制模块用于执行指令以控制和管理整个基于煤岩图像特征抽取以及分类识别的煤岩分界系统。所述图像采集模块包括由多组LED阵列加装漫反射板均匀对称的布置在半球面上的高亮度白光照明灯和一个配备电荷耦合器件的网络人摄像机；照明灯的强度和数量由中央控制模块进行控制；电荷耦合器件网络人摄像机上下左右旋转度数、调焦、曝光、以及图像采集均由中央控制模块进行控制。所述中央控制模块用于控制和管理图像采集模块、特征模块、特征分类识别模块、结果显本文档来自技高网...
【技术保护点】
一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法，其特征在于，包括以下步骤：A.在采煤工作面分别采集多幅煤、岩的图像，并将其分为训练样品图像、测试样品图像；B.计算训练样品图像和测试样品图像的纹理图像特征值，并构造成特征子向量P1；C.将训练样品图像和测试样品图像进行Daubechies小波变换；对每个分解尺度的低频系数图像计算其角二阶矩、对比度、相关、均值、方差，并构造成特征子向量P2；同时计算每个分解尺度水平、垂直和对角三个方向的高频系数图像的总均值和总方差，并构造成特征子向量P3；D.构造纹理特征向量；E.将纹理特征向量输入分类器，可供用户选择的分类器有以下几种：概率神经网络(PNN)，径向基神经网络(RBF)，最小距离分类器(MDC)，极大似然分类器(MLC)和支持向量机等，用户可根据具体情况选择合适的分类器；F.对分类器进行设置、训练和测试，然后输入待分类识别的样品图像纹理特征向量进行分类，得到最后的分类结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：孙继平，佘杰，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。