[发明专利]基于融合改进CLBP和感受野理论的煤岩图像识别分类方法

说明书

本发明公开了一种基于融合改进CLBP和感受野理论的煤岩图像识别分类方法，属于图像处理技术领域。首先，对煤岩图像进行灰度值转化，提取灰度图像的每一点像素值形成像素值矩阵，再使用中值处理的方法就像素矩阵进行降噪的操作，以增强算法的抗噪性能，在中值处理后得到的新的像素矩阵基础上，引入改进的完备局部二值模式（CLBP）图像特征描述子进行煤岩特征提取，最后使用网络模型进行识别分类。实验结果表明在煤岩数据库中对于煤岩的识别准确率达到94%，并且识别速率也比原始算法更优秀，本发明能有效的解决原始算法识别效率低下的问题，在煤岩识别的方法中能够高效的解决实际问题，具有一定的实用价值。

技术领域

本发明涉及图像处理技术领域，具体为一种基于融合改进CLBP和感受野理论的煤岩图像识别分类方法。

背景技术

纹理特征是一种在图像识别分类中十分重要的特征，在很多的领域都具有及其广泛的作用。在进行一些分类任务时，例如如何准确分辨煤和岩石，当先验知识无法获取良好的效果时，对分类结果会造成不良的影响。因此，使用更加具有针对性的特征提取方法是解决这些问题得核心。

在现在的煤岩识别方法中，主要有接触式和非接触式两种。接触式依赖传感设备和煤岩体间的频繁交互，设备的损耗较为快，而非接触式则面临着一些其他的问题，所以基于图像分析的煤岩识别方法前景巨大。因此在煤岩识别中对于图像的纹理特征有效提取显得尤为重要。

CLBP纹理描述符是在LBP描述符基础上扩展的纹理描述符，它有效描述LBP类型的遗失信息，以便获得更好的纹理分类性能。分析煤岩图像可知，两者的本质区别在于纹理特征(包括基元结构、统计规律、灰度分布等)，而图像纹理的信息更多的包含在图像的中高频域信息中，现有的特征提取模式只是研究图像的整体灰度像素灰度分布并没有着重于中高频信息，有必要对现行的特征提取方式进行改进。

针对现在的完备局部二值模式在识别效率上较为低下，并且特征提取对于煤岩纹理图像产生冗余特征信息以及传统机器学习算法分类效率低等问题，因此，如何降低特征维度以及提高运算速率是需要进行改进之处。

发明内容

本发明为了解决现有的煤岩纹理图像识别中，分类效率低下且特征提取对于煤岩纹理图像产生冗余特征信息以及深度学习网络模型对特征提取不具有可解释性的黑箱问题，提供了一种融合改进CLBP和感受野理论的煤岩图像识别分类方法。

本发明是通过如下技术方案来实现的：一种基于融合改进CLBP和感受野理论的煤岩图像识别分类方法，包括如下步骤：

步骤1：采集矿山中拍摄的煤炭与岩石的图片数据；

步骤2：制作实验数据时，将煤岩图像进行数据扩增并统一尺寸，得到煤岩纹理图像实验数据集；

步骤3：对步骤2中得到的实验数据集进行灰度化处理，得到煤岩图像数据库；

步骤4：对步骤3得到的灰度图像的煤岩图像数据库使用中值处理和改进完全局部二值模式方法提取煤岩图像的纹理特征，所述纹理特征包括符号分量、幅值分量以及中心像素点分量：

步骤4.1：采用中值处理方法将步骤3得到的灰度图像进行降噪操作，具体为：使用一定尺寸的滤波核从左至右或从上至下遍历整个像素矩阵，设定滤波核步长，将提取出的中值组成新的像素值矩阵；

步骤4.2：对得到的全新图像像素矩阵进行特征提取，通过改进的局部差分操作得到煤岩图像的符号分量、幅值分量以及中心像素点分量；

步骤4.2.1：采用5*5的采样邻域来进行特征提取，分为中心像素点、邻域像素点和最外圈采样像素点，分别在水平、垂直以及对角线的位置采集像素点，除去中心像素点，每一层的像素点采样个数均为8个，得到新的局部采样拓扑结构；

步骤4.2.2：对局部采样区域提取特征，通过二阶差分的计算方式得到符号分量与幅值分量，如公式(1)所示，为改进完备局部二值模式经过二阶差分得到的像素差值：