一种基于BP神经网络的煤岩图像识别方法技术

一种基于BP神经网络的煤岩图像识别方法，通过对煤岩图像进行Daubechies小波变换分解，从而抽取图像纹理特征信息构造纹理特征向量。为了更有效的提取图像纹理特征，同时减少特征向量的维数，采用分解尺度等级为3，同时采用BP神经网络作为分类器。本发明专利技术计算速度快、准确率高，适用于复杂环境下煤岩图像的自动分类，可有效提高该类图像的识别准确率。

【技术实现步骤摘要】
【专利摘要】一种基于BP神经网络的煤岩图像识别方法，通过对煤岩图像进行Daubechies小波变换分解，从而抽取图像纹理特征信息构造纹理特征向量。为了更有效的提取图像纹理特征，同时减少特征向量的维数，采用分解尺度等级为3，同时采用BP神经网络作为分类器。本专利技术计算速度快、准确率高，适用于复杂环境下煤岩图像的自动分类，可有效提高该类图像的识别准确率。【专利说明】一种基于BP神经网络的煤岩图像识别方法
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，并用神经网络等对特征向量进行分类的方法。
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。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CNi01922290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。Pesaresi利用不同尺度的开、闭运算构造了图像的形态学剖面，并利用神经网络对多尺度形态学特征进行分类，他认为开、闭运算运用于图像，可以检测出比邻域更暗或更亮的结构单元。Benediktsson提出了差分形态学剖面的概念，用相邻尺度间开、闭运算结果的差作为图像新的结构特征，并用BP神经网络对该结构特征进行分类。这些方法都是利用一定区域图像的灰度分布特征来提取特征信息，使得图像细节得不到充分表达，影响了图像分类精度。
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BP神经网络的煤岩图像识别方法。本专利技术的技术方案如下:一种基于BP神经网络的煤岩图像识别方法，包括以下步骤:I)选择A幅煤岩训练样品图像，B幅待分类煤岩测试样品图像，其中B小于A ；2)将第I)步的训练样品图像和待分类测试样品图像进行三级Daubechies小波变换；3)对训练样品图像和待分类测试样品图像抽取纹理特征信息；4)对训练样品图像和待分类测试样品图像构造纹理特征向量；5)将训练样品图像的纹理特征向量输入分类器，分类器为BP神经网络；6)对分类器进行设置和训练，然后输入待分类测试样品图像纹理特征向量进行分类，得到最后的识别结果。所述第3)步抽取纹理特征信息包括:计算每个子带的熵和均值，分别记为E和M，将同一子带的E与M的比值E/Μ作为特征子向量；对于分解变换得到的LH、HH、HL子带，计算其由灰度共生矩阵所衍生出来的角二阶矩和对比度，分别将角二阶矩和对比度记为α和β，并构造特征子向量，由式(I)计算:【权利要求】1.一种基于BP神经网络的煤岩图像识别方法，其特征在于，包括以下步骤: .1)选择A幅煤岩训练样品图像，B幅待分类煤岩测试样品图像，其中B小于A; .2)将第I)步的训练样品图像和待分类测试样品图像进行三级Daubechies小波变换； .3)对训练样品图像和待分类测试样品图像分别抽取纹理特征信息； .4)对训练样品图像和待分类测试样品图像分别构造纹理特征向量； .5)将训练样品的纹理特征向量输入分类器，分类器为BP神经网络； .6)对分类器进行设置和训练，然后输入待分类测试样品图像纹理特征向量进行分类，得到最后的识别结果。2.根据权利要求1所述的方法，其特征在于，所述第3)步抽取纹理特征信息包括: 计算每个子带的熵和均值，分别记为E和M，将同一子带的E与M的比值E/Μ作为特征子向量；对于分解变换得到的LH、HH、HL子带，计算其由灰度共生矩阵所衍生出来的角二阶矩和对比度，分别将角二阶矩和对比度记为α和β，并构造特征子向量，由式(I)计算: 3.根据权利要求1所述的方法，其特征在于，所述第4)步构造纹理特征向量包括: 对于Daubechies小波变换分解尺度等级为3的样品图像，用一个融合19个参数的向量F=(E/M，η)作为样品图像的特征向量，其中子向量E/Μ为 4.根据权利要求2所述的方法，其特征在于，所述每个子带的熵、均值、对比度和角二阶矩的计算方法包括: 熵由式⑵计算: 【文档编号】G06K9/46GK103530621SQ201310535559【公开日】2014年1月22日 申请日期:2013年11月4日 优先权日:2013年11月4日 【专利技术者】孙继平, 佘杰 申请人:中国矿业大学(北京)本文档来自技高网...

【技术保护点】
一种基于BP神经网络的煤岩图像识别方法，其特征在于，包括以下步骤：1)选择A幅煤岩训练样品图像，B幅待分类煤岩测试样品图像，其中B小于A；2)将第1)步的训练样品图像和待分类测试样品图像进行三级Daubechies小波变换；3)对训练样品图像和待分类测试样品图像分别抽取纹理特征信息；4)对训练样品图像和待分类测试样品图像分别构造纹理特征向量；5)将训练样品的纹理特征向量输入分类器，分类器为BP神经网络；6)对分类器进行设置和训练，然后输入待分类测试样品图像纹理特征向量进行分类，得到最后的识别结果。

【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：