一種基于相關(guān)性度量學(xué)習(xí)的煤巖識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于相關(guān)性度量學(xué)習(xí)的煤巖識(shí)別方法,屬于煤巖識(shí)別技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 煤巖識(shí)別即用一種方法自動(dòng)識(shí)別出煤巖對(duì)象為煤或巖石。在煤炭生產(chǎn)過程中,煤 巖識(shí)別技術(shù)可廣泛應(yīng)用于滾筒采煤、掘進(jìn)、放頂煤開采、原煤選矸石等生產(chǎn)環(huán)節(jié),對(duì)于減少 采掘工作面作業(yè)人員、減輕工人勞動(dòng)強(qiáng)度、改善作業(yè)環(huán)境、實(shí)現(xiàn)煤礦安全高效生產(chǎn)具有重要 意義。
[0003] 已有多種煤巖識(shí)別方法,如自然γ射線探測(cè)法、雷達(dá)探測(cè)法、應(yīng)力截齒法、紅外探 測(cè)法、有功功率監(jiān)測(cè)法、震動(dòng)檢測(cè)法、聲音檢測(cè)法、粉塵檢測(cè)法、記憶截割法等,但這些方法 存在以下問題:①需要在現(xiàn)有設(shè)備上加裝各類傳感器獲取信息,導(dǎo)致裝置結(jié)構(gòu)復(fù)雜,成本 高。②采煤機(jī)滾筒、掘進(jìn)機(jī)等設(shè)備在生產(chǎn)過程中受力復(fù)雜、振動(dòng)劇烈、磨損嚴(yán)重、粉塵大,傳 感器部署比較困難,容易導(dǎo)致機(jī)械構(gòu)件、傳感器和電氣線路受到損壞,裝置可靠性差。③對(duì) 于不同類型機(jī)械設(shè)備,傳感器的最佳類型和信號(hào)拾取點(diǎn)的選擇存在較大區(qū)別,需要進(jìn)行個(gè) 性化定制,系統(tǒng)的適應(yīng)性差。
[0004] 通過對(duì)煤、巖石塊狀樣本的觀察,發(fā)現(xiàn)煤和巖石的表面紋理在粗糙程度、稀疏程 度、紋理變化的均勻性、溝紋的深淺等方面都有很大差異,據(jù)此,利用煤巖圖像紋理特征來 識(shí)別煤巖的方法已提出,如基于灰度共生統(tǒng)計(jì)特征的煤巖識(shí)別方法,灰度共生統(tǒng)計(jì)方法將 煤巖紋理表面看作二維紋理來處理,而事實(shí)上煤巖紋理表面凹凸不平,具有典型的三維紋 理特征,三維紋理表面當(dāng)視點(diǎn)和照度發(fā)生變化時(shí),視覺表面會(huì)發(fā)生很大的變化。在煤炭生 產(chǎn)中需要煤、巖識(shí)別的工作場(chǎng)合如工作面、掘進(jìn)面等,照度變化往往很平常,成像傳感器的 視點(diǎn)也在較大范圍內(nèi)變化,而二維紋理模型對(duì)照度、視點(diǎn)變化不具備魯棒性,因而識(shí)別不穩(wěn) 定,識(shí)別率不高。
[0005] 需要一種解決或至少改善現(xiàn)有技術(shù)中固有的一個(gè)或多個(gè)問題的煤巖識(shí)別方法,以 提高煤巖識(shí)別率和識(shí)別穩(wěn)定性。
【發(fā)明內(nèi)容】
[0006] 因此,本發(fā)明的目的在于提供一種基于相關(guān)性度量學(xué)習(xí)的煤巖識(shí)別方法,該識(shí)別 方法受照度和成像視點(diǎn)變化影響小,能夠?qū)崟r(shí)、自動(dòng)地識(shí)別出當(dāng)前煤、巖石對(duì)象是煤或是巖 石,為自動(dòng)化采掘、自動(dòng)化放煤、自動(dòng)化選矸等生產(chǎn)過程提供了可靠的煤巖識(shí)別信息。
[0007] 根據(jù)一種實(shí)施例形式,提供一種基于相關(guān)性度量學(xué)習(xí)的煤巖識(shí)別方法,包括如下 步驟:
[0008] Α.采集煤、巖石樣本圖像,并對(duì)圖像進(jìn)行預(yù)處理后提取每一幅圖像的Uniform模 式LBP統(tǒng)計(jì)直方圖特征向量,構(gòu)成煤、巖石樣本集;
[0009] B.利用樣本集求使得函數(shù)J(w) = CsAcs2-CS3-CX I |w-Wq| I2取得最大值的矩陣 W%其中cSl、cs2、cs3A、別為煤、巖樣本的自相關(guān)和互相關(guān)度量函數(shù):
[0013] 其中:
x和y分別表不兩個(gè)不同的樣 本,T表不轉(zhuǎn)置,xjp X _j分別表不屬性是煤的兩個(gè)不同的樣本,y ;和y _j分別表不屬性是巖 石的兩個(gè)不同的樣本,Xi,、yi、y_je Rl^xi, L表示提取樣本的LBP統(tǒng)計(jì)直方圖的特征向量 的維數(shù),m表示屬性是煤的樣本數(shù),η表示屬性是巖石的樣本數(shù),α是常數(shù),w。為常數(shù)矩陣, W(]e RdxS d為樣本特征向量轉(zhuǎn)換后所在空間的維數(shù);
[0014] C.對(duì)于一幅待識(shí)別的樣本圖像,用與步驟A相同的方法進(jìn)行預(yù)處理并提取其 Uniform模式的LBP統(tǒng)計(jì)直方圖特征向量,用csjx,y,vv")度量其與樣本集中每一幅圖像 的相關(guān)性,值越大越相關(guān),按值從大到小排序,排在前五的圖像中多數(shù)圖像所屬的類別即為 待識(shí)別圖像的類別。
【附圖說明】
[0015] 通過以下說明,附圖實(shí)施例變得顯而已見,其僅以結(jié)合附圖描述的至少一種優(yōu)選 但非限制性實(shí)施例的示例方式給出。
[0016] 圖1是本發(fā)明所述煤巖識(shí)別方法的基本流程。
[0017] 圖2是本發(fā)明所述利用樣本集學(xué)習(xí)相關(guān)性度量函數(shù)得到矩陣Wsi的過程。
[0018] 具體實(shí)施方法
[0019] 圖1是基于相關(guān)性度量學(xué)習(xí)的煤巖識(shí)別方法的基本流程,參見圖1進(jìn)行具體描述。
[0020] A.將采集的煤、巖樣本圖像進(jìn)行預(yù)處理并提取Uniform模式LBP統(tǒng)計(jì)直方圖特征 向量。
[0021] 將從煤巖識(shí)別任務(wù)的現(xiàn)場(chǎng)如采煤工作面采集來的不同照度、不同視點(diǎn)的若干 煤、巖樣本圖像,在圖像的中心截取像素大小為NXN的非背景子圖像,如64X64像素 大小,并將每張子圖像的灰度歸一化為零均值和單位方差,若是彩色圖像,則用式I = 0. 299R+0. 587G+0. 114B先將其轉(zhuǎn)換為灰度圖像,處理后的圖像對(duì)照度的線性變換具有一定 的魯棒性。進(jìn)一步地將每張子圖像分成不重疊的子塊,如8X8像素大小。提取每一個(gè)圖像 塊的Uniform模式的LBP統(tǒng)計(jì)直方圖,并且將它們級(jí)聯(lián)到一起構(gòu)成特征向量,并由I I · I I1 歸一化。
[0022] B.利用樣本集求使得函數(shù)J(w) = CsAcs2-CS3-CX I |W-W()| I2取得最大值的矩陣 其中。81、(^2、(^3分別為煤、巖樣本的自相關(guān)和互相關(guān)度量函數(shù):
[0026] 其中:
x和y分別表不兩個(gè)不同的樣 本,T表不轉(zhuǎn)置,xjp X _j分別表不屬性是煤的兩個(gè)不同的樣本,y ;和y _j分別表不屬性是巖 石的兩個(gè)不同的樣本,Xi,、yi、y_je Rl^xi, L表示提取樣本的LBP統(tǒng)計(jì)直方圖的特征向量 的維數(shù),m表示屬性是煤的樣本數(shù),η表示屬性是巖石的樣本數(shù),α是常數(shù),w。為常數(shù)矩陣, W(]e RdxS d為樣本特征向量轉(zhuǎn)換后所在空間的維數(shù)。
[0027] 優(yōu)化求解矩陣具體過程包括如下步驟,見圖2 :
[0028] BI.令
[0029] Β2· α 由粗到細(xì)取值,a = a p α2, α3...;
[0030] Β3.針對(duì)每一個(gè)特定的α,由樣本集求得使函數(shù)J(w)取得最大值的矩陣wa;
[0031] Β4.利用8-折交叉驗(yàn)證法求取在每一個(gè)a值下的分類錯(cuò)誤率eve (X,y,wa);
[0032] B5.當(dāng)a取到一個(gè)恰當(dāng)?shù)闹底笥視r(shí),分類錯(cuò)誤率eve (x,y,)收斂到一個(gè)最 小值,此時(shí)取得的即為最優(yōu)矩陣。
[0033] C.對(duì)于一幅待識(shí)別的樣本圖像,用與步驟A相同的方法進(jìn)行預(yù)處理并提取其 Uniform模式的LBP統(tǒng)計(jì)直方圖特征向量,用esjx,y,W")度量其與樣本集中每一幅圖像 的相關(guān)性,值越大越相關(guān),按值從大到小排序,排在前五的圖像中多數(shù)圖像所屬的類別即為 待識(shí)別圖像的類別。
【主權(quán)項(xiàng)】
1. 一種基于相關(guān)性度量學(xué)習(xí)的煤巖識(shí)別方法,其特征在于包括以下步驟: A. 采集煤、巖石樣本圖像,并對(duì)圖像進(jìn)行預(yù)處理后提取每一幅圖像的Uniform模式LBP 統(tǒng)計(jì)直方圖特征向量,構(gòu)成煤、巖石樣本集; B. 利用樣本集求使得函數(shù)J(w) =CsAcs2-CS3-CX I |w-w。I 12取得最大值的矩陣其中 CSp CS2、CS^別為煤、巖樣本的各自的自相關(guān)及互相關(guān)度量函數(shù):其中:X和y分別表示兩個(gè)樣本,T表示轉(zhuǎn) 置,^和X i分別表示屬性是煤的兩個(gè)樣本,y JP y i分別表示屬性是巖石的兩個(gè)樣本,X i,、 x]、yi、y]e Κ?Χ1,L表示提取樣本的LBP統(tǒng)計(jì)直方圖的特征向量的維數(shù),m表示屬性是煤的 樣本數(shù),η表示屬性是巖石的樣本數(shù),α是常數(shù),w。為常數(shù)矩陣,R dx^d為樣本特征向 量轉(zhuǎn)換后所在空間的維數(shù); C. 對(duì)于一幅待識(shí)別的樣本圖像,用與步驟A相同的方法進(jìn)行預(yù)處理并提取其Uniform 模式的LBP統(tǒng)計(jì)直方圖特征向量,用cs。(X,y,V)度量其與樣本集中每一幅圖像的相關(guān)性, 值越大越相關(guān),按值從大到小排序,排在前五的圖像中多數(shù)圖像所屬的類別即為待識(shí)別圖 像的類別。
【專利摘要】本發(fā)明公開了一種基于相關(guān)性度量學(xué)習(xí)的煤巖識(shí)別方法,該方法從訓(xùn)練樣本集有監(jiān)督地學(xué)習(xí)到一種新的相關(guān)性度量函數(shù)來度量煤、巖圖像樣本的相關(guān)度,使得同類樣本的相關(guān)性度量值越來越大,異類樣本間的相關(guān)性度量值越來越小,從而提高了未知樣本的分類率。本方法由圖像預(yù)處理、訓(xùn)練過程和識(shí)別過程三大模塊組成。預(yù)處理模塊,對(duì)采集到的煤、巖圖像進(jìn)行簡(jiǎn)單的預(yù)處理,得到訓(xùn)練樣本集。訓(xùn)練模塊,用訓(xùn)練樣本集學(xué)習(xí)到一個(gè)煤巖分類效果最優(yōu)相關(guān)性度量函數(shù)。識(shí)別模塊,利用最優(yōu)相關(guān)性度量函數(shù)進(jìn)行度量分類。該方法用了煤、巖在不同照度、不同視點(diǎn)下的圖像作為訓(xùn)練樣本,受照度和成像視點(diǎn)變化影響小,識(shí)別率高,穩(wěn)定性好。
【IPC分類】G06K9/00, G06K9/46, E21C39/00, E21C35/24
【公開號(hào)】CN105350963
【申請(qǐng)?zhí)枴緾N201510856503
【發(fā)明人】伍云霞, 申少飛
【申請(qǐng)人】中國(guó)礦業(yè)大學(xué)(北京)
【公開日】2016年2月24日
【申請(qǐng)日】2015年12月1日