[发明专利]一种基于Adaboost和Gabor算法的煤岩识别检测方法

说明书

本发明公开了一种基于Adaboost和Gabor算法的煤和岩的识别方法，该方法首先收集煤和岩的图像作为原始样本集，并用Gabor提取样本的纹理特征，然后用Adaboost级联分类器进行训练，接着用训练好的分类器对需要检测的图像进行检测，标出图像中的岩石的区域。由于采煤工作面较危险图像不易获得，且图像中光照条件恶劣，粉尘较多，故对采集到的原始图像进行人工合成数据，以达到增加数据集数量，提高分类器鲁棒性和泛化能力。

技术领域

本发明属于煤岩识别领域，尤其涉及一种基于Adaboost和Gabor算法的煤岩识别检测方法。

背景技术

当前我国的采煤方式正在向无人化综采方式迈进，而采煤机的无人化运转，必须依 靠煤岩识别才能准确进行截割，避免采煤机的损坏和煤炭的浪费。随着基于机器学习的图像识别技术的快速发展，利用图像进行煤岩识别的方法变得可行。它相较于其他一些 煤岩识别技术例如：雷达探测，红外探测，声音探测，振动探测等有如下一些优点：1、 成本低廉，易于进行推广；2、图像是可视化的，有良好的可理解性；3、可在现有的综 采工作面摄像头的基础上进行升级，能够有效利用现有设备。就图像识别本身而言，煤 岩识别也存在着图像数据获取困难，无法进行有效训练；综采面光照条件恶劣；综采面 粉尘大等问题。因此，需要一种高效，鲁棒性好，泛化能力强的煤岩识别检测方法，来 解决现有技术中存在的诸多问题。

发明内容

发明目的：针对以上问题，本发明提供一种基于Adaboost和Gabor算法的煤和岩的识别检测方法，通过Gabor提取图像纹理，并利用Adaboost分类器进行煤岩种类的可靠 快速识别。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于Adaboost和Gabor算法的煤岩识别检测方法，该方法包括以下步骤：

(1)收集带有类别标签的煤和岩的图像共N0张，构成原始数据集X0；其中，煤 的图像标记为1，岩的图像标记为-1；

(2)对图像施加噪声模拟井下粉尘噪声的影响，将步骤(1)中的数据集X0变为 数据集X；其中，X中有煤和岩图像N张，并将图像归一化为预定尺寸大小；

(3)用Gabor算法提取加噪后的煤和岩图像的纹理特征；

(4)将步骤(3)中提取到的纹理特征输入到adaboost分类器中进行训练；

(5)用训练好的adaboost分类器对待检测图像进行检测，输出煤岩识别结果。

进一步的，步骤(2)中，对图像施加噪声模拟井下粉尘噪声的影响，将步骤(1) 中的数据集X0变为数据集X，方法如下：对原始图像加入不同程度椒盐噪声模拟井下粉 尘噪声的影响，形成新的图像数据集，椒盐噪声具体为：

(2.1)预设m个信噪比SNR；

(2.2)计算原始图像的总像素数目Q，将第一个信噪比SNR带入如下公式得到要加噪的像素数目：

P＝Q*(1-SNR)；

(2.3)在原始图像中随机获取要加噪的P个像素的位置，指定所确定的P个位置像素值为0；

(2.4)依次将第2-m个信噪比SNR带入上述公式，重复步骤(2.2)-(2.3)，得到 原始图像对应的m张加噪声的图像；

(2.5)重复步骤(2.2)-(2.4)对所有图片进行加噪，输出加噪声以后的图像。

进一步的，步骤(3)中，用Gabor算法提取加噪后的煤和岩图像的纹理特征，方 法如下：

(3.1)对Gabor算法参数设置为5个尺度，6个方向共30个滤波器，其中gabor 滤波器的形式为：