一种基于dct低频分量特征的快速煤岩识别方法
【专利摘要】本发明公开了一种基于DCT低频分量特征的快速煤岩识别方法，该方法用图像经过DCT变换后的低频分量来描述煤、岩图像特征信息，用学习向量量化方法建立煤和岩石的一个分类器；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向量，然后将其特征向量输入分类器中，用待识别图像特征向量在分类器中所占比例来识别。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】一种基于DCT低频分量特征的快速煤岩识别方法
【技术领域】
[0001] 本发明涉及一种基于DCT低频分量特征的快速煤岩识别方法，属于图像识别技术 领域。
【背景技术】
[0002] 我国是煤炭产出大国，据相关资料显示，2013年全国煤炭产量高达37亿吨。而在 煤炭生产过程中，诸如滚筒采煤、掘进、放顶煤开采、原煤选矸石等生产环节中，都会用到煤 炭和岩石的识别与分类。现有的煤岩识别主要集中于煤岩界面识别，是无人开采技术的关 键之一。在生产过程中，通过煤岩界面的自动识别，调整采煤机滚筒截割高度，可以提高煤 炭的生产率和运输效率，减少设备的耗损和工人劳动强度，增加生产的安全系数。对于安全 商效生广具有重大的意义。
[0003] 现如今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Y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] 为解决这个问题，国内学者提出利用图像处理来进行煤岩识别，例如灰度共生矩 阵、小波变换或者支持向量机等。灰度共生矩阵利用图像纹理特性和灰度共生矩阵识别对 象，直接从图像域提取特征，计算十分耗时。离散余弦变换（DCT)主要从频率着手，减少了 计算的耗时。同时对于分类器来说，普遍认为在同等的分类效果下，LVQ比BP神经网络具 有更高的效率。而在特征明显的情况下，利用概率来表示结果可以大大缩短实验所需时间， 提高分类效率。
【发明内容】
[0005] 因此，本发明的目的在于提供一种基于DCT低频分量特征的快速煤岩识别方法， 该识别方法受光照等影响小，能够快速、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。
[0006] 根据一种实施例形式，提供一种基于DCT低频分量特征的快速煤岩识别方法，包 括如下步骤：
[0007] A.将采集的煤、岩样本图像进行预处理并分成训练集和测试集
[0008] 判断得到的每张煤、岩图片是否为彩色图片，如果是彩色图像，需要转化为灰度图 像，并在图像中心截取像素大小为NXN的子图，将得到的子图部分用作训练集，剩下的用 作测试集；
[0009]B.提取训练集和测试集中图像的特征信息向量
[0010] 对训练集和测试集图像进行DCT转换，使得低频分量集中在左上角，高频分量集 中于右下角。提取训练集和测试集中每张煤图像和每张岩图像的特征向量，所述特征向量 为经过DCT变换的训练集和测试集图像中从左上角起始到右下角终止的按照一定顺序的n 个数值组成的向量，将得到的特征向量进行归一化处理，该特征向量为n维向量；
[0011] c.将煤、岩模式用LVQ分类器训练，测试
[0012] 得到一定数目的上述向量后，利用LVQ分类器训练训练集，利用测试集来测试，使 得该分类器能满足识别的精度；
[0013] D?识别未知煤岩对象图像
[0014] 给定未知煤岩对象图像，用与步骤A相同的方法进行预处理，用与步骤B中相同的 方法提取的特征信息向量，将得到的特征向量输入到训练好的LVQ分类器中，得到属于煤 和岩石的分类概率，依据分类概率判断未知样本的所属。
[0015] 在进一步特定的但非限制性的形式中，步骤B中特征向量为从左上角起始到右下 角终止的按照一定顺序的n个数值组成的向量。
[0016] 优选地，步骤B中特征向量为从左上角起始到右下角终止的按照一定顺序的10个 数值组成的向量。
[0017] 优选地，步骤B中紧邻域内像素灰度联合分布归一化方法为
【权利要求】
1. 一种基于DCT低频分量特征的快速煤岩识别方法，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和测试集 判断得到的每张煤、岩图片是否为彩色图片，如果是彩色图像，需要转化为灰度图像， 并在图像中心截取像素大小为NXN的子图，将得到的子图部分用作训练集，剩下的用作测 试集； B. 提取训练集和测试集中图像的特征信息向量 对训练集和测试集图像进行DCT转换，使得低频分量集中在左上角，高频分量集中于 右下角。提取训练集和测试集中每张煤图像和每张岩图像的特征向量，所述特征向量为经 过DCT变换的训练集和测试集图像中从左上角起始到右下角终止的按照一定顺序的η个数 值组成的向量，将得到的特征向量进行归一化处理，该特征向量为η维向量； C. 将得到的煤、岩特征向量用LVQ分类器训练，测试 得到一定数目的上述向量后，利用LVQ分类器训练训练集，利用测试集来测试，使得该 分类器能满足识别的精度； D. 识别未知煤岩对象图像 给定未知煤岩对象图像，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 提取的特征信息向量，将得到的特征向量输入到训练好的LVQ分类器中，得到属于煤和岩 石的分类概率，依据分类概率判断未知样本的所属。
2. 根据权利要求1所述方法，其特征在于步骤B中特征向量为从左上角起始到右下角 终止的按照一定顺序的η个数值组成的向量。
3. 根据权利要求2所述方法，其特征在于步骤B中特征向量为以左上角起始到右下角 终止的按照一定顺序的10个数值组成的向量。
4. 根据权利要求1所述方法，其特征在于步骤B中特征向量归一化方法为 " ri〇g(l+ll^lla/0-Q3)~ aXi L ra Jo
5. 根据权利要求1所述方法，其特征在于步骤B中特征向量归一化方法为 T·4-x^b 上…m2。
6. 根据权利要求1所述方法，其特征在于步骤C中LVQ训练算法。
【文档编号】G06K9/62GK104318254SQ201410635978
【公开日】2015年1月28日 申请日期:2014年11月13日 优先权日:2014年11月13日
【发明者】孙继平, 刘剑桥 申请人:中国矿业大学(北京)