CN104376313A - 用图像局部曲线方向分布识别煤岩的方法 - Google Patents

Abstract

本发明公开了一种用图像局部曲线方向分布识别煤岩的方法，识别过程分2步：A.计算已知煤岩对象的图像I_c、I_r和待识别的图像I_o的局部曲线方向分布特征H_c、H_r和H_o；B.根据H_o与H_c、H_r的相似程度来确定待识别的图像I_o的对象是煤或者岩石。本发明的方法提高了煤岩识别稳定性和识别正确率，为自动化采掘、自动化放煤、自动化选矸等生产过程提供可靠的煤岩识别信息，解决现有的基于图像技术的煤岩识别方法识别稳定性和识别正确率较低的问题。

Description

用图像局部曲线方向分布识别煤岩的方法

技术领域

本发明涉及一种用图像局部曲线方向分布识别煤岩的方法，属于图像识别技术领域。

背景技术

煤岩识别即用一种方法自动识别出煤岩对象为煤或岩石。在煤炭生产过程中，煤岩识别技术可广泛应用于滚筒采煤、掘进、放顶煤开采、原煤选矸石等生产环节，对于减少采掘工作面作业人员、减轻工人劳动强度、改善作业环境、实现煤矿安全高效生产具有重要意义。

已有多种煤岩识别方法，如自然γ射线探测法、雷达探测法、应力截齿法、红外探测法、有功功率监测法、震动检测法、声音检测法、粉尘检测法、记忆截割法等，但这些方法存在以下问题：①需要在现有设备上加装各类传感器获取信息，导致装置结构复杂，成本高。②采煤机滚筒、掘进机等设备在生产过程中受力复杂、振动剧烈、磨损严重、粉尘大，传感器部署比较困难，容易导致机械构件、传感器和电气线路受到损坏，装置可靠性差。③对于不同类型机械设备，传感器的最佳类型和信号拾取点的选择存在较大区别，需要进行个性化定制，系统的适应性差。

通过对煤、岩石块状样本的观察，发现煤和岩石的表面纹理在局部呈现曲线结构而其方向有很大的差异，当用成像技术获取煤岩信息时，这种差异性就隐含在图像数据里，因此，提取出这种特征可用来区分煤岩。已有的基于图像技术的煤岩识别方法在识别稳定性和识别正确率上还有很大的不足。

因此，需要一种解决或至少改善现有技术中固有的一个或多个问题的煤岩识别方法。

发明内容

本发明的目的在于提供一种用图像局部曲线方向分布识别煤岩的方法，该方法可以提高煤岩识别稳定性和识别正确率，为自动化采掘、自动化放煤、自动化选矸等生产过程提供可靠的煤岩识别信息，解决现有的基于图像技术的煤岩识别方法识别稳定性和识别正确率较低的问题。

根据一种实施例形式，提供一种用图像局部曲线方向分布识别煤岩的方法，给定一幅或者多幅已知煤岩对象图像I_c、I_r和一幅或者多幅待识别煤岩对象的图像I_o，识别过程包括以下步骤：

A.用相同的计算方法分别计算所述图像I_c、I_r和I_o的局部曲线方向分布H_c、H_r和H_o，所述计算方法具体包括如下步骤：

A1.计算描述像素点(x，y)邻域ρ内图像结构的矩阵T；

A2.计算像素点(x，y)邻域ρ内的梯度平均方向φ；

A3.以像素点(x，y)为中心，建立局部曲线度量坐标系vw，v沿着像素邻域ρ的梯度平均方向φ，w沿垂直于φ方向的切线方向，所述度量坐标系下经过点(v＝p，w＝0)的曲线可由描述，其中，k为曲线曲率；

A4.将所述度量坐标系下的曲线变换到坐标系pw’，变换关系为：

$\begin{array}{c}p=v-\frac{1}{2}k{w}^2\\ w^{,}=w\end{array};$

A5.在pw′坐标系下计算描述像素点(x，y)邻域ρ内图像结构的矩阵T′，并计算所述矩阵T′所描述的结构与度量坐标系下的曲线最相似时的特征值λ₁，λ₂；

A6.计算像素点(x，y)ρ邻域内结构为所述度量坐标系下的曲线时的测量置信度C；

$C=\frac{{\mathrm{\λ}}_1-{\mathrm{\λ}}_2}{{\mathrm{\λ}}_2+{\mathrm{\λ}}_2}$

A7.重复步骤A1～A6，遍历图像中的所有像素点；

A8.计算图像局部曲线方向分布H：

$H=\{h_{\mathrm{\φ}}=\frac{N^2{m}_{\mathrm{\φ}}}{M}\}$

其中，h_φ为由步骤A2所计算的角度值为φ时的概率，N²＝N×N为图像的大小，M为当C＞C_th时的像素个数，C_th为测量置信度阈值，m_φ为当C＞C_th时角度值为φ的像素个数；

B.计算H_o分别与H_c、H_r的相似性，并根据H_o与H_c、H_r的相似性关系，判别所述待识别图像I_o的对象是煤或者岩石，具体包括以下步骤：

B1.计算H_o分别与H_c、H_r的相似性d_o-c和d_o-r

$\begin{array}{c}{d}_{o-c}=\underset{\mathrm{\φ}}{\mathrm{\Σ}}\sqrt{H_O\left(h_{\mathrm{\φ}}\right)H_c\left(h_{\mathrm{\φ}}\right)}\\ d_{o-r}=\underset{\mathrm{\φ}}{\mathrm{\Σ}}\sqrt{H_O\left(h_{\mathrm{\φ}}\right)H_r\left(h_{\mathrm{\φ}}\right)}\end{array}$

B2.根据以下判别规则进行识别，ε为给定阈值：

当d_o-c-d_o-r＞ε时，为煤；

当d_o-c-d_o-r＜-ε时，为岩；

当-ε≤d_o-c-d_o-r≤ε时，无法判断。

在进一步特定的但非限制性的形式中，所述步骤A1中，所述矩阵T为：

$T=F\left(\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_y& I_y^2\end{array}\right)\left[\begin{array}{cc}{T}_{\mathrm{xx}}& T_{\mathrm{xy}}\\ T_{\mathrm{xy}}& T_{\mathrm{yy}}\end{array}\right]$

其中，I_x，I_y分别表示图像I中像素点(x，y)沿X方向和Y方向的微分，F表示在像素点(x，y)邻域ρ内的平均操作。

在进一步特定的但非限制性的形式中，所述步骤A2中，梯度平均方向φ为：

$\mathrm{\φ}=\frac{1}{2}\arctan \frac{2T_{\mathrm{xy}}}{T_{\mathrm{xx}}-T_{\mathrm{yy}}}$

当T_xx＜T_yy，T_xy＜0，

当T_xx＜T_yy，T_xy＞0，

在进一步特定的但非限制性的形式中，所述的步骤A5中，所述矩阵T′为：

$T^{,}=F\left(\begin{array}{cc}{I}_p^2& I_p{I}_{w^{\′}}\\ I_p{I}_{w^{\′}}& I_{w^{\′}}^2\end{array}\right)=\left[\begin{array}{cc}F\left(I_v^2\right)& 0\\ 0& Q+F\left(I_w^2\right)-S\end{array}\right]$

其中，I_p，I_w′表示沿p，w’方向的微分，I_v，I_w表示沿v，w方向的微分；

$Q={(k-k_0)}^{2}F\left(w^2{I}_v^2\right),k_0=\frac{F\left(w{I}_v{I}_w\right)}{F\left(w^2{I}_v^2\right)},S=\frac{F^2\left(w{I}_v{I}_w\right)}{F\left(w^2{I}_v^2\right)}.$

在进一步特定的但非限制性的形式中，所述的步骤A5中，所述矩阵T′所描述的结构与度量坐标系下的曲线最相似时的特征值λ₁，λ₂为：

${\mathrm{\λ}}_1=F\left(I_v^2\right)$

${\mathrm{\λ}}_2=F\left(I_w^2\right)-S$

该特征值是在k＝k₀时取得。

附图说明

通过以下说明，附图实施例变得显而易见，其仅以结合附图描述的至少一种优选但非限制性实施例的示例方式给出。

图1是本发明所述煤岩识别方法的流程图；

图2是本发明中xy坐标和vw坐标变换关系示意图。

具体实施方式

纹理是煤岩图像最主要的特征之一，煤岩图像纹理的局部方向是纹理特征的主要元素，通过观察和大量的实验研究发现，将煤岩图像的局部纹理用曲线结构来表征，曲线的方向分布能够有效地识别煤岩对象。

因此，本发明用煤岩图像的局部曲线方向分布特征来识别煤岩对象。图1是本发明方法的识别流程，具体步骤如下：

A.计算已知煤岩对象的图像I_c、I_r和待识别的图像I_o的局部曲线方向分布H_c、H_r和H_o，为了进一步提高精度，可以分别计算多幅已知对象的煤图像和岩石图像的局部曲线方向分布，然后取均值作为最终的分布特征；

B.根据H_o与H_c、H_r的相似程度来确定待识别的图像I_o的对象是煤或者岩石。

图像I_c、I_r和I_o的局部曲线方向分布由以下步骤A1～A8分别计算，每次计算只需更换不同的图像即可：

A1.计算描述像素点(x，y)邻域ρ内图像结构的矩阵T

$T=F\left(\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_y& I_y^2\end{array}\right)\left[\begin{array}{cc}{T}_{\mathrm{xx}}& T_{\mathrm{xy}}\\ T_{\mathrm{xy}}& T_{\mathrm{yy}}\end{array}\right]$

其中，I_x，I_y分别表示图像I中像素点(x，y)沿X方向和Y方向的微分，F表示在像素点(x，y)邻域ρ内的平均操作(本发明中ρ＝5)。F表示的平均操作可用与高斯函数 $G_{\mathrm{\ρ}}=\frac{1}{2\mathrm{\π}{\mathrm{\ρ}}^2}\exp \{-\frac{x^2+y^2}{2{\mathrm{\ρ}}^2}\}$ 的卷积来实现；I_x和I_y分别用 $I_x=G_{\mathrm{\σ}}^x*I$ 和 $I_y=G_{\mathrm{\σ}}^y*I$ 计算，为高斯函数分别在X方向和Y方向的微分，σ表示其尺度大小(本发明中σ＝1)；

A2.计算像素点(x，y)邻域ρ内的梯度平均方向φ，本发明中φ∈[0，π]；

$\mathrm{\φ}=\frac{1}{2}\arctan \frac{2T_{\mathrm{xy}}}{T_{\mathrm{xx}}-T_{\mathrm{yy}}}$

当T_xx＜T_yy，T_xy＜0，

当T_xx＜T_yy，T_xy＞0，

A3.以像素点(x，y)为中心建立局部曲线度量坐标系vw，v沿着像素点(x，y)邻域ρ_内的梯度平均方向φ，w沿垂直于φ方向的切线方向，如图2所示。该度量坐标系下经过点(v＝p，w＝0)的曲线可由描述，其中，k为曲线曲率；

A4.将度量坐标系下的曲线变换到坐标系pw’，变换关系为

$\begin{array}{c}p=v-\frac{1}{2}k{w}^2\\ w^{,}=w\end{array};$

A5.在pw’坐标系下计算描述像素点(x，y)邻域ρ内图像结构的矩阵T’

$T^{,}=F\left(\begin{array}{cc}{I}_p^2& I_p{I}_{w^{\′}}\\ I_p{I}_{w^{\′}}& I_{w^{\′}}^2\end{array}\right)=\left[\begin{array}{cc}F\left(I_v^2\right)& 0\\ 0& Q+F\left(I_w^2\right)-S\end{array}\right]$

其中：I_p，I_w′表示沿p，w’方向的微分，经坐标反变换即w’＝w，得到用vw坐标系表示的矩阵T’，其中I_v，I_w表示沿v，w方向的微分， 则矩阵T’的特征值分别为：

${\mathrm{\λ}}_1^{,}=F\left(I_v^2\right)$

${\mathrm{\λ}}_2^{,}=Q+F\left(I_w^2\right)-S$

λ′₁+λ′₂表征了像素点(x，y)邻域ρ内总微分能量，λ′₁表征了平均梯度方向即v方向上的微分能量，λ′₂则表征了垂直于平均梯度方向的即w方向的微分能量，最小化λ′₂即取曲率k＝k₀时，像素点(x，y)邻域ρ内图像结构最有可能是曲率为k₀的曲线，此时矩阵T’特征值为：

${\mathrm{\λ}}_1=F\left(I_v^2\right)$

${\mathrm{\λ}}_2=F\left(I_w^2\right)-S$

计算时将vw坐标系变换到xy坐标系，两者的变换关系为下式，如图2所示。

v＝ξcosφ+ηsinφ

w＝-ξsinφ+ηcosφ

(ξ，η)为像素点在xy坐标系下的坐标。

A6.计算像素点(x，y)ρ邻域内结构为所述度量坐标系下的曲线时的测量置信度C；

$C=\frac{{\mathrm{\λ}}_1-{\mathrm{\λ}}_2}{{\mathrm{\λ}}_2+{\mathrm{\λ}}_2}$

C∈[0，1]，C越大表明测量的结果越可信；

A7.重复A1～A6，遍历图像中的所有像素点；

A8.计算图像局部曲线方向分布H

$H=\{h_{\mathrm{\φ}}=\frac{N^2{m}_{\mathrm{\φ}}}{M}\}$

其中，h_φ为由步骤A2所计算的角度值为φ时的概率，N²＝N×N为图像的大小，M为当C＞C_th时的像素个数，C_th为测量置信度阈值，m_φ为当C＞C_th时角度值为φ的像素个数。I_c、I_r和待识别图像I_o的局部曲线方向分布H_c、H_r和H_o均由步骤A1A8分别计算，每次计算时，只要更换不同的图像数据即可；

判别图像I_o的对象是煤或者岩的步骤如下：

B1.计算H_o分别与H_c、H_r的相似性d_o-c和d_o-r

$\begin{array}{c}{d}_{o-c}=\underset{\mathrm{\φ}}{\mathrm{\Σ}}\sqrt{H_O\left(h_{\mathrm{\φ}}\right)H_c\left(h_{\mathrm{\φ}}\right)}\\ d_{o-r}=\underset{\mathrm{\φ}}{\mathrm{\Σ}}\sqrt{H_O\left(h_{\mathrm{\φ}}\right)H_r\left(h_{\mathrm{\φ}}\right)}\end{array};$

B2.根据以下判别规则进行识别，为增加鲁棒性，设定阈值参数ε，

当d_o-c-d_o-r＞ε时，为煤；

当d_o-c-d_o-r＜-ε时，为岩；

当-ε≤d_o-c-d_o-r≤ε时，无法判断。

Claims (5)

1.一种用图像局部曲线方向分布识别煤岩的方法，给定一幅或者多幅已知煤岩对象的图像I_c、I_r和一幅或者多幅待识别煤岩对象的图像I_o，其特征在于所述的方法包括以下步骤：

A.用相同的计算方法分别计算所述图像I_c、I_r和I_o的局部曲线方向分布H_c、H_r和H_o，所述计算方法具体包括如下步骤：

A1.计算描述像素点(x，y)邻域ρ内图像结构的矩阵T；

A2.计算像素点(x，y)邻域ρ内的梯度平均方向φ；

A3.以像素点(x，y)为中心，建立局部曲线度量坐标系vw，v沿着像素邻域ρ的梯度平均方向φ，w沿垂直于φ方向的切线方向，所述度量坐标系下经过点(v＝p，w＝0)的曲线可由描述，其中，k为曲线曲率；

A4.将所述度量坐标系下的曲线变换到坐标系pw’，变换关系为：

$p=v-\frac{1}{2}k{w}^2;$

w’＝w

A5.在pw’坐标系下计算描述像素点(x，y)邻域ρ内图像结构的矩阵T′，并计算所述矩阵T′所描述的结构与所述度量坐标系下的曲线最相似时的特征值λ₁，λ₂；

A6.计算像素点(x，y)ρ邻域内结构为所述度量坐标系下的曲线时的测量置信度C；

$C=\frac{{\mathrm{\λ}}_1-{\mathrm{\λ}}_2}{{\mathrm{\λ}}_1+{\mathrm{\λ}}_2}$

A7.重复步骤A1～A6，遍历图像中的所有像素点；

A8.计算图像局部曲线方向分布H：

$H=\{h_{\mathrm{\φ}}=\frac{N^2{m}_{\mathrm{\φ}}}{M}\}$

其中，h_φ为由步骤A2所计算的角度值为φ时的概率，N²＝N×N为图像的大小，M为当C＞C_th时的像素个数，C_th为测量置信度阈值，m_φ为当C＞C_th时角度值为φ的像素个数；

B.计算H_o分别与H_c、H_r的相似性，并根据H_o与H_c、H_r的相似性关系，判别所述待识别图像I_o的对象是煤或者岩石，具体包括以下步骤：

B1.计算H_o分别与H_c、H_r的相似性d_o-c和d_o-r；

$d_{o-c}=\underset{\mathrm{\φ}}{\mathrm{\Σ}}\sqrt{H_o\left(h_{\mathrm{\φ}}\right)H_c\left(h_{\mathrm{\φ}}\right)}$

$d_{o-r}=\underset{\mathrm{\φ}}{\mathrm{\Σ}}\sqrt{H_o\left(h_{\mathrm{\φ}}\right)H_r\left(h_{\mathrm{\φ}}\right)}$

B2.根据以下判别规则进行识别，ε为给定阈值，

当d_o-c-d_o-r＞ε时，为煤；

当d_o-c-d_o-r＜-ε时，为岩；

当-ε≤d_o-c-d_o-r≤ε时，无法判断。

2.根据权利要求1所述的方法，其特征在于，所述步骤A1中，所述矩阵T为：

$T=F\left(\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_y& I_y^2\end{array}\right)=\left[\begin{array}{cc}{T}_{\mathrm{xx}}& T_{\mathrm{xy}}\\ T_{\mathrm{xy}}& T_{\mathrm{yy}}\end{array}\right]$

其中，I_x，I_y分别表示图像I中像素点(x，y)沿X方向和Y方向的微分，F表示在像素点(x，y)邻域ρ内的平均操作。

3.根据权利要求1所述的方法，其特征在于，所述步骤A2中，梯度平均方向φ为：

$\mathrm{\φ}=\frac{1}{2}\arctan \frac{2t_{\mathrm{xy}}}{T_{\mathrm{xx}}-T_{\mathrm{yy}}}$

当T_xx＜T_yy，T_xy＜0，

当T_xx＜T_yy，T_xy＞0，

4.根据权利要求1所述的方法，其特征在于，所述的步骤A5中，所述矩阵T′为：

$T^{\text{'}}=F\left(\begin{array}{cc}{I}_p^2& I_p{I}_{w\text{'}}\\ I_p{I}_{w\text{'}}& I_{w\text{'}}^2\end{array}\right)=\left[\begin{array}{cc}F\left(I_v^2\right)& 0\\ 0& Q+F\left(I_w^2\right)-S\end{array}\right]$

其中，I_y，I_w表示沿v，w方向的微分，I_p，I_w’表示沿p，w’方向的微分；

$Q={(k-k_0)}^{2}F\left(w^2{I}_v^2\right),k_0=\frac{F\left(w{I}_v{I}_w\right)}{F\left(w^2{I}_v^2\right)},S=\frac{F^2\left(w{I}_v{I}_w\right)}{F\left(w^2{I}_v^2\right)}.$

5.根据权利要求4所述的方法，其特征在于，所述的步骤A5中，所述矩阵T′所描述的结构与局部曲线形状最相似时的特征值λ₁，λ₂为：

${\mathrm{\λ}}_1=F\left(I_v^2\right)$

${\mathrm{\λ}}_2=F\left(I_w^2\right)-S$

该特征值是在k＝k₀时取得。