[发明专利]一种基于随机局部图像特征的煤岩识别方法

摘要

本发明公开了一种基于随机局部图像特征识别煤岩的方法，该方法用随机局部图像特征来描述煤、岩石图像，用聚类算法选择煤、岩石训练样本的随机局部图像特征作为基元字典，然后用最邻近规则对选定的煤、岩石样本图像的随机局部图像特征用基元字典标注，煤、岩石的一张样本图像的基元频率统计正则直方图表达了煤、岩石的一个模式，用多个模式表达煤、岩石特征；在识别时，待识别图像用与训练图像同样的方法抽取随机局部图像特征和建立直方图，然后和训练阶段学习到的模式进行比较，用巴氏系数来度量，用最近邻准则来识别。该方法用了不同种类的煤、岩石在不同光线、不同视点下的图像作为训练样本，因而受光照和成像视点变化影响小，不受煤、岩石种类变化的影响，识别率高，稳定性好。

主权项

一种基于随机局部图像特征的煤岩识别方法，其特征在于，包括以下步骤：A.分别采集像素大小为N的煤样本图像集和岩石样本图像集分别提取两个样本图像集中每张图像Ic和Ir的随机局部图像特征{xi}c和{xi}r，构成训练集和采集样本的方式为：在不同光照、不同位置拍摄不同种类的煤样本图像和不同种类的岩石样本图像，每个样品拍9张分别为：相机位置不变，样品放在3个不同位置，变化光照3次，将所有图像裁减成像素大小为N的图像，其中，S1为所述煤样本图像集中煤样本图像的个数，s1为所述煤样本图像集中的第s1个煤样本图像，s1＝1，2，…，S1；S2为所述岩石样本图像集中岩石样本图像的个数，s2为所述岩石样本图像集中的第s2个岩石样本图像，s2＝1，2，…，S2；B.用K‑means聚类方法分别对随机局部图像特征集和进行聚类运算，分别得到Q个聚类中心作为基元，合并成2Q大小的基元字典TD；C.分别从煤样本图像集和岩石样本图像集中选取特定样本图像M张，将选定的每一张图像的随机局部图像特征{xi}用基元字典TD中与其最近的基元标注，计算每个基元出现的频率，作归一化直方图，即为该张图像的基元直方图，煤的M张图像的基元直方图构成煤的模式岩石的M张图像的基元直方图构成岩的模式D.给定未知煤岩对象图像Ix，用与步骤A中相同的方法提取Ix的随机局部图像特征{xi}x，用与步骤C中相同的方法计算Ix基元直方图hx，用巴氏系数度量hx与煤和岩石模式距离，若max d(hx，hcm)＜max d(hx，Hrm)，则为煤，否则为岩石，计算公式如下：d(hx,h)=Σu=12Qhx,uhu,h∈{Hc∪Hr};]]>其中，hx，u为hx中第u个聚类中心的值，hu为h中第u个聚类中心的值；其中，步骤A中所述每张图像的随机局部图像特征{xi}提取过程如下：(1)对每张样本图像，在每个像素位置以其为中心取其周围大小为的图像块pj，j为图像块索引，将图像块pj中像素灰度值记录成长度为n的向量，所有图像块pj向量表示为P＝{p1，p2，…，pL}T，L为图像块维数；(2)对P进行χ＝ΨP操作，其中Ψ∈Rm×L为随机测量矩阵，m＜＜L，满足压缩感知原理的约束等距性RIP，能捕捉绝大多数原图像中的显著性信息，其元素rij为：rij=ρ×1withprobability12ρ0withprobability1-1ρ-1withprobability12ρ]]>α＝常数，表示Ψ中每一行非零元素个数，xi＝∑jrijpj，为非零元素对应的图像块向量加权和，权值为+1或‑1，xi∈Rn，χ＝{x1，x2，...，xm}T，m表示该张图像中随机局部图像特征维数；(3)将xi归一化为单位长度向量。