基于平均池化稀疏編碼的煤巖識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于平均池化稀疏編碼的煤巖識別方法，屬于煤巖識別領(lǐng)域。
【背景技術(shù)】
[0002] 煤巖識別即用一種方法自動識別出煤巖對象為煤或巖石。在煤炭生產(chǎn)過程中，煤 巖識別技術(shù)可廣泛應(yīng)用于滾筒采煤、掘進、放頂煤開采、原煤選矸石等生產(chǎn)環(huán)節(jié)，對于減少 采掘工作面作業(yè)人員或者實現(xiàn)無人化作業(yè)、減輕工人勞動強度、改善作業(yè)環(huán)境、實現(xiàn)煤礦安 全尚效生廣具有重要意義。
[0003] 有多種方法已應(yīng)用于煤巖識別，如自然γ射線探測、雷達探測、應(yīng)力截齒、紅外探 測、有功功率監(jiān)測、震動檢測、聲音檢測、粉塵檢測、記憶截割等，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采煤機滾 筒、掘進機等設(shè)備在生產(chǎn)過程中受力復(fù)雜、振動劇烈、磨損嚴重、粉塵大，傳感器部署比較困 難，容易導(dǎo)致機械構(gòu)件、傳感器和電氣線路受到損壞，裝置可靠性差。③對于不同類型機械 設(shè)備，傳感器的最佳類型和信號拾取點的選擇存在較大區(qū)別，需要進行個性化定制，系統(tǒng)的 適應(yīng)性差。
[0004] 為解決上述問題，圖像技術(shù)也越來越受到重視并研發(fā)了一些基于圖像技術(shù)的煤巖 識別方法，然而已有方法都是用人工主觀設(shè)計的圖像特征或者圖像特征的組合來進行煤巖 識別，人工設(shè)計的特征往往并不能準確抓住煤巖圖像本質(zhì)結(jié)構(gòu)致使對因成像條件變化引起 的圖像數(shù)據(jù)變化不具有具魯棒性，因而在識別穩(wěn)定性和識別正確率上還有很大的不足。
[0005] 需要一種解決或至少改善現(xiàn)有技術(shù)中固有的一個或多個問題的煤巖識別方法，以 提高煤巖識別率和識別穩(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平均池化稀疏編碼的煤巖識別方法，該方 法從煤巖圖像數(shù)據(jù)中學(xué)習(xí)煤巖的結(jié)構(gòu)基元，所學(xué)習(xí)到結(jié)構(gòu)基元捕捉到了煤巖圖像本質(zhì)的結(jié) 構(gòu)特征，因而具有很強的鑒別能力和對成像環(huán)境變化的魯棒性，從而使得該方法具有很高 的識別穩(wěn)定性和識別正確率，能為自動化采掘、自動化放煤、自動化選矸等生產(chǎn)過程提供可 靠的煤巖識別信息。
[0007] 根據(jù)一種實施例形式，提供一種基于平均池化稀疏編碼的煤巖識別方法，包括如 下步驟：
[0008] Α.采集一張已知煤（或巖）對象的圖像；
[0009] Β.從采集的圖像中抽取Ν個圖像塊[Xl，x2，. . .xN] =XeRpXN，p為圖像塊向量化 后的維數(shù)；
[0010]C.用抽取的煤（或巖）圖像塊^通過解優(yōu)化問題 丨丨Xi-Du川〗+Λ||ιι?||1求出煤（或巖）圖像的基元矩陣D=[山， d2, · · ·dK]eRpXK和N個圖像塊的稀疏系數(shù)矩陣U=[u!，u2, · · ·uN]eRKXN，Ui=[uu， Uu，· · · ;
[0011] D.求煤（或巖）圖像的基元響應(yīng)分布z=[Zpz2, . . .zK]，第k個基元響應(yīng)zks
[0012] 辦=+ 其中，Γ = 為歸一化常數(shù)；
[0013] E.對于待識別的煤巖圖像，用與步驟B相同的方法抽取N個圖像塊71，用步驟C中 求得的D表達圖像塊yi，通過解優(yōu)化問題v丨=argminViJ丨丨刃-Dvi|丨〗+λ丨|ν〗11i求出每一個 圖像塊的系數(shù)< =[%1,吻，..·％/?]τ;
[0014] F.用與步驟D相同的方法求出待識別煤巖圖像的基元響應(yīng)分布?= %,〗2,
[0015] G.用d=l-：d/^度量與已知煤（或巖）對象的相似性，當距離大于設(shè)定 的閾值時，判定為煤（或巖），否則為巖（或煤）；
[0016] 進一步特定的但非限制性地，步驟C的優(yōu)化方法為：
[0017] C1.給D賦初值，設(shè)置迭代次數(shù)；
[0018] 〇2.固定0，用屯=噸111丨1111;引卜-〇11川| + <\丨丨1^丨丨1求出所有圖像塊的系數(shù)1];
[0019] C3.固定U，求DeargminD^]^ -Duj||!;
[0020] C4.C2和C3交替進行直到迭代結(jié)束。
【附圖說明】
[0021] 通過以下說明，附圖實施例變得顯而已見，其僅以結(jié)合附圖描述的至少一種優(yōu)選 但非限制性實施例的示例方式給出。
[0022] 圖1是本發(fā)明所述煤巖識別方法的原理示意圖。 具體實施方案
[0023] 圖1是本發(fā)明所述煤巖識別方法的原理示意圖，主要包含3層：圖像層，編碼層及 池化層，圖像層給編碼層提供輸入，本實施例用從灰度圖像中抽取圖像塊作為編碼層的輸 入，也可以從圖像中抽取圖像特征集合如sift特征作為輸入；編碼層計算每個圖像塊用從 圖像數(shù)據(jù)中學(xué)習(xí)到的K個基元表達時的表達系數(shù)，若采用的計算方法使得表達系數(shù)中的非 零元素很少，則稱為稀疏編碼，本實施例用li-norm優(yōu)化計算表達系數(shù)，因而所得的系數(shù)是 稀疏的；池化層計算所有表達系數(shù)的統(tǒng)計特性進而獲得輸入圖像的特征表達，本實施例用 了均值統(tǒng)計特性，具體的實施步驟如下：
[0024] A.從煤巖識別任務(wù)的現(xiàn)場如采煤工作面采集包含煤和巖的圖像，從中截取只包含 煤或者巖的圖像區(qū)域，然后歸一化到合適的大小如32*32像素大小作為樣本圖像；
[0025] B.從樣本圖像中抽取N個圖像塊[Xl，x2，. . .xN] =XeRpXN，p為圖像塊向量化后 的維數(shù)，如圖像塊大小取6*6像素，以步長為2個像素在樣本圖像中滑動采樣圖像塊，對每 個圖像塊向量進行標準化處理：用
P，去掉圖像亮度的均值，以消除
亮度變化的影響，用 對圖像塊向量進行歸一化處理，其中，lp表示P維全1 向量，η為常數(shù)值；
[0026] C.用抽取的煤（或巖）圖像塊^通過解優(yōu)化問題
之出煤（或巖）圖像的基元矩陣D=[山，d2, · · ·dK]eRpXlPN個圖像塊的稀疏系數(shù)矩陣U=[u!，u2, · · ·uN]eRKXN，Ui=[uu， ui2, . . .uiK]T;由于采用的是1i-norm優(yōu)化，求出的w非常稀疏，S卩非零元素很少。
[0027] 求解方法可采用交替最小化D和U的方法，即按下列步驟進行處理：
[0028] C1.給D賦初值，設(shè)置迭代次數(shù)；
[0029] C2.固定D，用
求出所有圖像塊的稀疏系數(shù) U；
[0030] C3.固定U，求
[0031] C4.C2和C3交替進行直到迭代結(jié)束。
[0032] 步驟C2的優(yōu)化可用近似梯度算法，對每一個圖像塊Xl對應(yīng)的系數(shù)ui采用下列步 驟優(yōu)化：
[0033] 1.給系數(shù)u賦初值，設(shè)置迭代次數(shù)；
[0034] 2.在每一次迭代：
[0035]u-u+ξDT(x_Du)，ξ為迭代步長；
[0036]
Vλ為給定的參數(shù)，k為基元元素索引；
[0037] 3.重復(fù)2直到迭代結(jié)束。
[0038] 步驟C3的優(yōu)化可采用塊坐標下降算法，用下列步驟優(yōu)化：
[0039] 1.B-XUT，C-UUT
[0040] 2.Fork= 1,2, . . . ,K
[0041]
[0042]
[0043] 3.重復(fù)2直到收斂。
[0044] D.求煤（或巖）圖像的基元響應(yīng)分布z= [ZpZy. . .ζκ]，將每個基元對所有圖像
塊的響應(yīng)求平均，即為該基元的響應(yīng)" , ...... &為歸一化常數(shù)；
[0045] Ε.對于待識別的煤巖圖像，用與步驟Β相同的方法抽取Ν個圖像塊71，用步驟C中 求得的D表達圖像塊yi，通過解優(yōu)化問是k求出每一個 圖像塊的系數(shù)v丨=
[0046] F.用與步驟D相同的方法求出待識別煤巖圖像的基元響應(yīng)分布5 =%，力，…知];
[0047] G.用d=l-度量與已知煤（或巖）對象的相似性，當距離大于設(shè)定 的閾值時，判定為煤（或巖），否則為巖（或煤）。
【主權(quán)項】
1. 一種基于均值池化稀疏編碼的煤巖識別方法，其特征在于包括W下步驟： A. 采集一張已知煤（或巖）對象的圖像； B. 從采集的圖像中抽取N個圖像塊[Xl，?，...?]=XGRPXw，p為圖像塊向量化后的 維數(shù)； C. 用抽取的煤（或巖）圖像塊Xi通過解優(yōu)化問題miiiDiuI：芒il|xi-Du北+Alluilli; 求出煤（或巖）圖像的基元矩陣D= [di，d2，...cyGRPXK和N個圖像塊的稀疏系數(shù)矩陣U=[叫，1?, . . .ujGRKXN，Ui=[U…U。，. . .UiJT; 化求煤（或巖）圖像的基元響應(yīng)分布Z= [Zi，Z2, . . .Zk]，第k個基元響應(yīng)Zk為 卻=TEf=I墻，其中，T=罐=1債為歸一化常數(shù)； E. 對于待識別的煤巖圖像，用與步驟B相同的方法抽取N個圖像塊yi，用步驟C中求 得的D表達圖像塊心通過解優(yōu)化問題V; =a巧miiivi引|於-Dvill! + ；\||vi||i冰出每一個 圖像塊的系數(shù)^ =的i，％2，...Uw]T; F. 用與步驟D相同的方法求出待識別煤巖圖像的基元響應(yīng)分布Z=[訂,?，… G. 用d=l-乙度量與已知煤（或巖）對象的相似性，當距離大于設(shè)定的闊 值時，判定為煤（或巖），否則為巖（或煤）。2. 根據(jù)權(quán)利要求1所述方法，其特征在于步驟C的優(yōu)化方法為： Cl.給D賦初值，設(shè)定迭代次數(shù)； C2.固定D，用=argmiiiu*引|xj-Duilli+A||uj||i求出所有圖像塊的稀疏系數(shù)U; C3.固定U，求DGargmiiiD乙芒1引|xj-Duill!; C4.C2和C3交替進行直到迭代結(jié)束。
【專利摘要】本發(fā)明公開了一種基于平均池化稀疏編碼的煤巖識別方法，該方法從煤巖圖像數(shù)據(jù)中學(xué)習(xí)煤巖的結(jié)構(gòu)基元，所學(xué)習(xí)到結(jié)構(gòu)基元捕捉到了煤巖圖像本質(zhì)的結(jié)構(gòu)特征，因而具有很強的鑒別能力和對成像環(huán)境變化的魯棒性，從而使得該方法具有很高的識別穩(wěn)定性和識別正確率，能為自動化采掘、自動化放煤、自動化選矸等生產(chǎn)過程提供可靠的煤巖識別信息。
【IPC分類】G06K9/46
【公開號】CN105373797
【申請?zhí)枴緾N201510758329
【發(fā)明人】伍云霞, 孫繼平
【申請人】中國礦業(yè)大學(xué)(北京)
【公開日】2016年3月2日
【申請日】2015年11月10日