[发明专利]一种基于相关性度量学习的煤岩识别方法

摘要

本发明公开了一种基于相关性度量学习的煤岩识别方法，该方法从训练样本集有监督地学习到一种新的相关性度量函数来度量煤、岩图像样本的相关度，使得同类样本的相关性度量值越来越大，异类样本间的相关性度量值越来越小，从而提高了未知样本的分类率。本方法由图像预处理、训练过程和识别过程三大模块组成。预处理模块，对采集到的煤、岩图像进行简单的预处理，得到训练样本集。训练模块，用训练样本集学习到一个煤岩分类效果最优相关性度量函数。识别模块，利用最优相关性度量函数进行度量分类。该方法用了煤、岩在不同照度、不同视点下的图像作为训练样本，受照度和成像视点变化影响小，识别率高，稳定性好。

主权项

一种基于相关性度量学习的煤岩识别方法，其特征在于包括以下步骤：A.采集煤、岩石样本图像，并对图像进行预处理后提取每一幅图像的Uniform模式LBP统计直方图特征向量，构成煤、岩石样本集；B.利用样本集求使得函数J(w)＝cs₁+cs₂‑cs₃‑α||w‑w₀||²取得最大值的矩阵w^*，其中cs₁、cs₂、cs₃分别为煤、岩样本的各自的自相关及互相关度量函数：${\mathrm{cs}}_1=\frac{2}{m\×(m-1)}\underset{i=1}{\overset{m}{\Σ}}\underset{j\≠i,j\∈m}{\Σ}{{\mathrm{cs}}_0}^2(x_i,x_j,w)$${\mathrm{cs}}_2=\frac{2}{n\×(n-1)}\underset{i=1}{\overset{n}{\Σ}}\underset{j\≠i,j\∈n}{\Σ}{{\mathrm{cs}}_0}^2(y_i,y_j,w)$${\mathrm{cs}}_3=\frac{1}{m\×n}\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{{\mathrm{cs}}_0}^2(x_i,y_j,w)$其中：x和y分别表示两个样本，T表示转置，x_i和x_j分别表示属性是煤的两个样本，y_i和y_j分别表示属性是岩石的两个样本，x_i，、x_j、y_i、y_j∈R^L×1，L表示提取样本的LBP统计直方图的特征向量的维数，m表示属性是煤的样本数，n表示属性是岩石的样本数，α是常数，w₀为常数矩阵，w₀∈R^d×L，d为样本特征向量转换后所在空间的维数；C.对于一幅待识别的样本图像，用与步骤A相同的方法进行预处理并提取其Uniform模式的LBP统计直方图特征向量，用cs₀(x，y，w^*)度量其与样本集中每一幅图像的相关性，值越大越相关，按值从大到小排序，排在前五的图像中多数图像所属的类别即为待识别图像的类别。