CN104778461B - 基于相似测度学习的煤岩识别方法 - Google Patents

Abstract

本发明公开了一种基于相似性测度学习的煤岩识别方法，该方法直接面向煤岩识别任务，通过监督煤岩识别正确率，从煤岩数据中学习能辨别煤岩本质相似性的测度函数，具有适应煤岩图像数据变化的能力从而使得该方法具有高的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。

Description

基于相似测度学习的煤岩识别方法

技术领域

本发明属于煤岩识别方法领域，尤其涉及一种基于相似测度学习的煤岩识别方法。

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。

为解决上述问题，图像技术越来越受到重视并研发了一些基于图像技术的煤岩识别方法，然而已有方法需要人工精心选择图像特征或者图像特征的组合，这往往需要很大的努力与尝 试，然而所得方法并不总是对因成像条件变化引起的图像数据变化具有具鲁棒性，致使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基于相似性测度学习的煤岩识别方法，该方法直接面向煤岩识别任务，通过监督煤岩识别正确率，从煤岩数据中学习能辨别煤岩本质相似性的测度函数，具有适应煤岩图像数据变化的能力从而使得该方法具有高的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。

根据一种实施例形式，提供一种基于相似性测度学习的煤岩识别方法，其特征在于包括以下步骤：

A.针对应用问题有目的采集煤、岩样本图像，提取表征煤、岩样本图像的特征向量，构成煤岩模式集；

B.利用模式集数据求解使取得极大值的w，其中：(为简洁省略x，y下标)，T表示转置，β是常数，S表示由相同类两幅图像构成的图像对集，D表示由不同类两幅图像构成的图像对集；

C.对于一幅待识别的煤岩图像，用与步骤A中相同的方法提取图像特征向量，用s(x，y，w) 度量其与模式集中每一幅图像的相似性，值越大越相似，按值从大到小排序，排在前三的图像中多数图像所属的类别即为待识别图像的类别。

在进一步特定的但非限制性的形式中，在所述步骤A中，图像特征向量抽取方法是：将图像分割成非重叠的、大小相等的若干小块，提取每一个小块的LBP直方图然后将他们级连接在一起构成向量，并由||·||₁正则化。

在进一步特定的但非限制性的形式中，所述步骤B中求解w过程如下：

B1.分别从图像对集S和D中随机取一部分图像对构成训练集，其余的为验证集；

B2.给w₀赋初值；

B3.采用由粗到细的策略，给β赋若干不同的值，对每个β值用训练集求使函数 f(w)取值最大的w^*；

B4.对步骤B3中的每一个w^*，用验证集根据交叉验证法验证用函数s(x，y，w^*)识别煤岩图像的误差，找出误差最小的w^*，记为表示本轮训练结果；

B5.和上一轮训练结果比，若小于设定的收敛误差ε，即则训练结束；否则回到步骤B3，开始下一轮训练，训练轮次t＞2。

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是本发明中煤岩相似性测度函数训练流程图。

具体实施方式

一种基于相似性测度学习的煤岩识别方法，包括如下步骤(流程见图1)：

A.采集煤和岩石样本图像，这些图像包括不同拍摄视点、不同光照、不同拍摄距离等的图像，这些图像包含了可能的成像状况。对于每一幅图像，用相同大小的矩形在其中心处截取不包含背景的如大小为200×200子图，将这些子图作为煤岩模式图像。提取这些图像的特征，提取方法是：将图像分割成不相重叠的方块，方块的大小最好能被训练图像整除如20×20，对于每一个方块，用59维的LBP直方图表示，然后将每个方块的LBP直方图级联，构成图像的特征向量，用||·||₁将该向量正则化；

将模式图像中煤和煤，岩和岩两两组合构成相似性图像对集S，煤和岩两两组合构成不相似图像对集D；

B.求度量煤岩图像相似性的测度函数中的变换矩阵w，所求的w 使函数当两张图像是相似性图像时，输出尽可能大的值，当两张图像是不相似图像时，输出尽可能小的值，其中，β是常数。优化的具体过程包括如下步骤，见图2：

B1.分别从图像对集S和D中随机取50％图像对构成训练集，其余的为验证集；

B2.给w₀赋初值，如单位矩阵I；

B3.采用由粗到细的策略，给β赋若干不同的值，对每个β值用训练集求使函数 f(w)取值最大的w^*；

B4.对步骤B3中的每一个w^*，用验证集采用5-fold交叉验证法验证用函数s(x，y，w^*)识别煤岩图像时产生的误差，找出误差最小的w^*，记为表示本轮训练结果；

B5.和上一轮训练结果比，若小于设定的收敛误差ε＝0.0001，即则训练结束；否则回到步骤B3，开始下一轮训练，训练轮次t＞2。

C.对于一幅待识别的煤岩图像，用与步骤A中相同的方法提取图像特征向量，用s(x，y，w) 度量其与模式集中每一幅图像的相似性，值越大越相似，按值从大到小排序，排在前三的图像中多数图像所属的类别即为待识别图像的类别。

Claims (3)

1.一种基于相似测度学习的煤岩识别方法，其特征在于包括以下步骤：

A.针对应用问题有目的采集煤、岩样本图像，提取表征煤、岩样本图像的特征向量，构成煤岩模式集；

B.利用模式集数据求解使取得极大值的w，其中：为简洁省略x，y下标，T表示转置，β是常数，S表示所有相同类两幅图像构成的图像对集，D表示所有不同类两幅图像构成的图像对集；

C.对于一幅待识别的煤岩图像，用与步骤A中相同的方法提取图像特征向量，用s(x，y，ω)度量其与模式集中每一幅图像的相似性，值越大越相似，按值从大到小排序，排在前三的图像中多数图像所属的类别即为待识别图像的类别。

2.根据权利要求1所述煤岩识别方法，其特征在于所述步骤A中，图像特征向量抽取方法是：将图像分割成非重叠的、大小相等的若干小块，提取每一个小块的LBP直方图然后，将它们级连接在一起构成向量，并由||·||₁正则化。

3.根据权利要求1所述煤岩识别方法，其特征在于所述步骤B中求解ω过程如下：

B1.分别从图像对集S和D中随机取一部分图像对构成训练集，其余的为验证集；

B2.给w₀赋初值；

B3.采用由粗到细的策略，给β赋若干不同的值，对每个β值用训练集求使函数f(w)取值最大的w^*；

B4.对步骤B3中的每一个w^*，用验证集根据交叉验证法验证用函数s(x，y，w^*)识别煤岩图像的误差，找出误差最小的w^*，记为表示本轮训练结果；

B5.和上一轮训练结果比，若小于设定的收敛误差ε，即则训练结束；否则回到步骤B3，开始下一轮训练，训练轮次t＞2。