CN105320964A - 基于稀疏表示的煤岩识别方法 - Google Patents

Abstract

本发明公开了一种基于稀疏表示的煤岩识别方法。该方法分为建立过完备字典和比较识别两个阶段，建立过完备字典包括：(1)训练图像样本采集；(2)训练图像特征提取；(3)构造过完备字典；比较识别阶段：(1)测试样本图像采集；(2)测试样本图像特征提取；(3)比较识别。与现有的方法相比，此方法采用十字对角纹理矩阵提取特征和多层稀疏表示方法进行表示识别，可以很好地增强煤图像岩识别的光照适应性，获得了很好地识别效果，为自适应识别不同光照条件下的煤岩图片提供了很好的方法。

Description

基于稀疏表示的煤岩识别方法

技术领域

本发明涉及一种基于稀疏表示的煤岩识别方法，属于煤岩识别技术领域。

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。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工作人员、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的意义

目前，国内外煤岩识别主要有以下两类方法，第一种是煤层厚度的测量方法，通过反馈的信息调整滚筒的高度，包括各种射线和电磁波，例如自然γ射线探测法、电磁波探测法以及雷达探测法；另一种是煤和岩石界面的测量方法，通过采煤机自生的响应来调整滚筒高度，包括应力截齿法、震动检测法、红外线检测法等。以上各种方法有各自的优缺点，但都是采用传感器进行识别。一方面在不同的煤矿产区，需要选取不同的传感器，并需要安装在不同的机器设备上；另一方面在煤炭开采环境中，传感器本身容易出现故障和失灵的情况，无疑都加大了人力和物力的浪费。

为解决上述问题，图像技术越来越受到重视并研发了一些图像技术的煤岩识别方法，然而在已有的方法中，例如基于灰度共生矩阵方法，小波变换方法，用来分析图像纹理的特点，但是，此类方法都没有实际考虑煤矿的开采环境，例如：煤矿井下的光照强度多变，电磁环境复杂，噪声等因素。基于稀疏表示的纹理方法，对于噪声和遮挡具有很好的适应性，再加上多层稀疏表示中考虑光照强度变化因子，可以很好的适应煤矿井下复杂的环境。

发明内容

本发明的目的在于提供一种基于稀疏表示的煤岩识别方法，该识别方法考虑了光照强度变换因子，能够对光照强度多变具有很好的适应性，能够对于噪声、遮挡具有很好的鲁棒性，能够实时、自动识别出当前对象是烟煤、无烟煤、砂岩或页岩，为自动化采掘提供必要的信息。用以解决现有的煤岩识别方法成本高，浪费人力物力的问题。

为实现上述目的，本发明的方案是一种基于稀疏表示的煤岩识别方法，包括如下步骤：

(1)建立过完备字典

1)图像样本采集阶段，通过照相机采集大量的在不同光照强度下的图像，所述的图像包括：烟煤、无烟煤、砂岩、页岩；

2)图像预处理，将采集的图片转化为灰度图像；

3)图像特征提取，将得到的灰度图像转化为十字对角纹理矩阵，并分别提取得到十字对角纹理矩阵的统计特征，并组成特征向量；最后，对图像的特征向量进行归一化处理；

4)图像特征分类，按照采集对象所属的类别与采集图像时的光照强度的不同进行分类；所述特征的分类的过程：首先，按照采集对象所属的类别分为4大类，然后分别对不同的采集对象按照采集时的光照强度进行分类；

5)组合超完备字典，根据上述步骤所得到的各类特征，按照顺序组合成一个超完备字典；

(2)比较识别

1)按照上述步骤(1)中的1)、2)、3)所示的过程，得到测试样本的特征向量；

2)将得到的测试图像的特征向量利用超完备字典进行稀疏表示，并得到稀疏表示的表示系数；

3)分别把4大类中各类的稀疏表示，代入分类器进行识别。

进一步地，根据本发明所述的煤岩识别方法，所述的步骤(1)建立过完备字典过程中，图像样本采集阶段的具体过程如下：

(1)在不同光照强度下采集大量的烟煤、无烟煤、砂岩、页岩的图像，采集的光照光照强度标准按15、20、30、50、75、100、150、200、300、500lx分级，其中lx(勒克斯)为照度单位；

(2)采集到的图像表示为P_a，b，c，其中a表示为采集图像的光照强度的类别，按照光照强度由小到大，依次用1、…、10表示；b表示为采集对象的所属类别，类别1表示烟煤、类别2表示无烟煤、类别3表示砂岩、类别4表示页岩；c表示同一采集对象在同一光照情况下采集的图像的次序，在本方法的采集过程中，每类图像采集10张，依次表示为1、…、10。

进一步地，根据本发明所述的煤岩识别方法，所述的步骤(1)建立过完备字典的过程中，图像特征提取的具体过程如下：

(1)G_a，b，c表示为各类采集图像的灰度图像，将转换后的各类煤岩图像的灰度图像G_a，b，c进行CDTM转换，即十字对角纹理矩阵的转换，得到各类图像的四种十字对角纹理矩阵，表示为T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴；

(2)分别计算十字对角纹理矩阵T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的能量E、熵H、惯性矩I、相关C；

(3)计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的能量E的均值和方差用a₁，b₁表示；

(4)计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的熵H的均值和方差用a₂，b₂表示；

(5)计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的惯性矩I的均值和方差用a₃，b₃表示；

(6)计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的相关C的均值和方差用a₄，b₄表示；

(7)将得到的均值和方差组成特征向量q＝{a₁，b₁，a₂，b₂，a₃，b₃，a₄，b₄}；

(8)将得到的特征向量归一化，得到归一化的特征向量Q；

(9)将各类图像的到的归一化的特征向量按照类别顺序组成成过完备字典D＝[Q_1，1，1，…，Q_1，1，10，…，Q_1，10，10，…，Q_4，10，1，…，Q_4，10，10]。

进一步地，根据本发明所述的煤岩识别方法，所述的G_a，b，c进行十字对角纹理矩阵的转换，得到各类图像的十字对角矩阵的具体过程如下：

a.在G_a，b，c的素块大小为3×3的邻域内，将中心像素的八连通像素分为两组，每组4个元素。即一组为正十字的四相邻像素和另一组对角线上的四相邻像素，每个元素的取值根据所在像素的值与中心像素的值相比较而分别取为0，1，2；即小于中心像素的值则取0，相等取值1，大于则取值2；

b.每组四个元素按照如下公式进行计算，便可获得中心像素点的十字纹理单元(CTU)值和对角纹理单元(DTU)值，这些单元值得取值范围为0-80之间的整数。各纹理单元值计算公式如下：

$N_{CTU}={\mathrm{\Σ}}_{i=1}^4{E}_{C_i}\·3^{i-1}$

$N_{DTU}={\mathrm{\Σ}}_{i=1}^4{E}_{D_i}\·3^{i-1}$

其中，N_CTU为十字纹理单元值，N_DTU为对角纹理单元值，E_Ci为十字线上相邻像素值，E_Di为对角线上相邻元素值；

c.对图像中除边缘外的所有像素值N_CTU和N_DTU，并在以N_CTU为X坐标和以N_DTU为Y坐标的矩阵的对应元素值累加，这样得到各类图像的十字对角纹理矩阵T_a，b，c；

d.根据的起始位置的不同，可得到四种十字对角纹理矩阵：T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴。

进一步地，根据本发明所述的煤岩识别方法，所述计算各类图像的十字对角纹理矩阵的能量E、熵H、惯性矩I、相关C、的具体过程如下：

a.将十字对角纹理矩阵T_a，b，c进行归一化处理，计算公式：其中，T_a，b，c矩阵(x，y)对应的值为T(x，y)；

b.能量：E＝∑∑₂[t(x，y)]²；

c.熵：I＝-∑∑t(x，y)lgt(x，y)；

d.惯性矩：H＝∑₁∑k²t(x，y)，其中k＝|x-y|；

e.相关： $C=\frac{\mathrm{\Σ}\mathrm{\Σ}xyt(x,y)-u_x{u}_y}{{\mathrm{\σ}}_x{\mathrm{\σ}}_y};$

其中，u_x＝∑_xx∑_yt(x，y)，u_y＝∑_yy∑_xt(x，y)，σ_x ²＝∑_x(x-u_x)²∑_yt(x，y)，σ_y ²＝∑_y(y-u_y)²∑_xt(x，y)；

f.计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的能量E的均值和方差用a₁，b₁表示；

g.计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的熵H的均值和方差用a₂，b₂表示；

h.计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的惯性矩I的均值和方差用a₃，b₃表示；

i.计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的相关C的均值和方差用a₄，b₄表示；

j.将得到的均值和方差组成特征向量q＝{a₁，b₁，a₂，b₂，a₃，b₃，a₄，b₄}；

k.将得到的特征向量归一化，得到归一化的特征向量Q；

l.将各类图像的到的归一化的特征向量按照类别顺序搞糟成过完备字典D＝[Q_1，1，1，…，Q_1，1，10，…，Q_1，10，10，…，Q_4，10，1，…，Q_4，10，10]，D∈R^4·10·10×8；

进一步地，根据本发明所述的煤岩识别方法，所述的步骤(2)建立过完备字典的过程中，稀疏表示的具体过程如下：

(1)将得到的测试图像按照步骤(1)中的1)、2)、3)所示的过程，得到测试样本的特征向量，并用y表示；

(2)用N_a，b表示图像P_a，b类中的图像数目，即在该方法中N_a，b＝10，在N_a，b，P_a，b中，a表示采集对象的类别，b表示光照强度的类别；

(3)对y进行第一层的稀疏表示：

1)y＝Q_a，bα_a，b，其中a＝1，2，3，4，b＝1，2，…，10，c＝10，该层稀疏表示，得到一个稀疏表示矩阵C该式表示在a类对象在光照强度b下对测试图像特征向量y的线性表示的系数矩阵，其中，α_a，b为a类对象在光照强度b下对测试图像特征向量y的线性表示中N_a，b个图像的表示系数；

2)用是对象a在光照强度b下的采集图像类的稀疏表示系数，即与α_a，b相同；

(4)对y进行第二层稀疏表示：

1)y＝Z_aβ_a，Z_a＝[Z_a，1，…，Z_a，10]，β_a∈R^10×1；

2)是对象a在各类光照下的稀疏表示系数，即与β_a相同；

(5)对y进行第三层稀疏表示：

1)y＝Xλ，X＝[X₁，X₂，X₃，X₄]，λ＝[λ₁，λ₂，λ₃，λ₄]∈R^4×1；

2)是测试图像的特征向量y在各类对象下的表示稀疏，即与λ相同。

进一步地，根据本发明所述的煤岩识别方法，所述的识别的具体过程如下：

(1)设置误差稀疏ε；

(2)第一层稀疏表示，计算：在||y-Q_a，bα_a，b||₂≤ε条件下的min||α_a，b||₁的α_a，b其中a＝1，…，4；b＝1，…，10；||||₂表示L2范式约束，||||₁表示L1范式约束；

(3)第二层稀疏表示，计算：在||y-Z_aβ_a||₂≤ε条件下的min||β_a||₁的β_a，其中a＝1，2，3，4；||||₂表示L2范式约束，||||₁表示L1范式约束；

(4)第三层稀疏表示，计算：在||y-Xλ||₂≤ε条件下的min||λ||₁的λ；λ＝[λ₁，λ₂，λ₃，λ₄]；||||₂表示L2范式约束，||||₁表示L1范式约束；

(5)计算其中a＝1，2，3，4；||||₂表示L2范式约束；

(6)若r₁(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为烟煤的图像；若r₂(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为无烟煤的图像；若r₃(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为砂岩的图像；若r₄(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为页岩的图像。

本发明达到的有益效果：本发明采用十字对角纹理矩阵提取特征和多层稀疏表示方法进行表示识别，可以很好地增强煤图像岩识别的光照适应性，获得了很好地识别效果，为自适应识别不同光照条件下的煤岩图片提供了很好的方法。而且，本发明的煤岩识别方法考虑了光照强度变换因子，能够对光照强度多变具有很好的适应性，能够对于噪声、遮挡具有很好的鲁棒性，能够实时、自动识别出当前对象是烟煤、无烟煤、砂岩或页岩，为自动化采掘提供必要的信息。

附图说明

图1是本发明所述基于稀疏表示的煤岩识别流程图；

图2是本发明所述灰度图像转换为十字对角纹理矩阵的转换原理图；

图3是本发明所述的4种十字对角纹理矩阵的构造原理图；

图4是本发明所述的三层稀疏表示的具体流程图；

图5是本发明所述的煤岩分类的流程图。

其中，图3中，说明了通过该变每组各个元素的位置，得到的所有可能的十字纹理单元与对角纹理单元的值。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步的详细阐述；

本发明的基于稀疏表示的煤岩识别方法，它包括如下步骤：

(1)建立过完备字典

1)图像样本采集阶段，通过照相机采集大量的在不同光照强度下的图片，包括：烟煤、无烟煤、砂岩、页岩；

2)图像预处理，将采集的图片转化为灰度图像；

3)图像特征提取，将得到的灰度图像转化为十字对角纹理矩阵，并分别提取得到十字对角纹理矩阵的统计特征，例如：相关、熵等，并将统计特征按照一定组合和顺序组成特征向量；最后，对图像的特征向量进行归一化处理；

4)图像特征分类，按照采集对象所属的类别与采集图像时的光照强度的不同进行分类；所述特征的分类的过程：首先，按照采集对象所属的类别分为4大类，然后分别对不同的采集对象按照采集时的光照强度进行分类；

5)组合超完备字典，根据上述步骤所得到的各类特征，按照顺序组合成一个超完备字典；

(2)比较识别

1)按照上述步骤(1)中的1)、2)、3)所示的过程，得到测试样本的特征向量。

2)将得到的测试图像的特征向量利用超完备字典进行稀疏表示，并得到稀疏表示的表示系数。

3)分别把4大类中各类的稀疏表示，代入分类器进行识别；

所述的步骤(1)建立过完备字典过程中，图像样本采集阶段的具体过程如下：

一、在不同光照强度下采集大量的烟煤、无烟煤、砂岩、页岩的图像，采集的光照光照强度标准按15、20、30、50、75、100、150、200、300、500lx分级，其中lx(勒克斯)为照度单位；

二、采集到的图像表示为P_a，b，c，其中a表示为采集图像的光照强度，按照光照强度由小到大，依次用1、…、10表示；b表示为采集对象的所属类别，类别1表示烟煤、类别2表示无烟煤、类别3表示砂岩、类别4表示页岩；c表示同一采集对象在同一光照情况下采集的图像的次序，在本方法的采集过程中，每类图像采集10张，依次表示为1、…、10。

所述的步骤(1)建立过完备字典的过程中，图像特征提取的具体过程如下：

一、G_a，b，c表示为各类采集图像的灰度图像，将转换后的各类煤岩图像的灰度图像G_a，b，c进行CDTM转换，即十字对角纹理矩阵的转换，最终，得到各类图像的四种十字对角纹理矩阵，表示为T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴；

二、分别计算十字对角纹理矩阵T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的能量E、熵H、惯性矩I、相关C；

三、计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的能量E的均值和方差用a₁，b₁表示；

四、计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的熵H的均值和方差用a₂，b₂表示；

五、计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的惯性矩I的均值和方差用a₃，b₃表示；

六、计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的相关C的均值和方差用a₄，b₄表示；

七、将得到的均值和方差组成特征向量q＝{a₁，b₁，a₂，b₂，a₃，b₃，a₄，b₄}；

八、将得到的特征向量归一化，得到归一化的特征向量Q；

九、将各类图像的到的归一化的特征向量按照类别顺序组成成过完备字典D＝[Q_1，1，1，…，Q_1，1，10，…，Q_1，10，10，…，Q_4，10，1，…，Q_4，10，10]。

如图2所示，G_a，b，c进行十字对角纹理矩阵的转换，得到各类图像的十字对角矩阵T_a，b，c具体过程如下：

a.在G_a，b，c的素块大小为3×3的邻域内，将中心像素的八连通像素分为两组，每组4个元素。即一组为正十字的四相邻像素和另一组对角线上的四相邻像素，每个元素的取值根据所在像素的值与中心像素的值相比较而分别取为0，1，2；即小于中心像素的值则取0，相等取值1，大于则取值2；

b.每组四个元素按照如下公式进行计算，便可获得中心像素点的十字纹理单元(CTU)值和对角纹理单元(DTU)值，这些单元值得取值范围为0-80之间的整数。各纹理单元值计算公式如下：

$N_{CTU}={\mathrm{\Σ}}_{i=1}^4{E}_{C_i}\·3^{i-1}$

$N_{DTU}={\mathrm{\Σ}}_{i=1}^4{E}_{D_i}\·3^{i-1}$

其中N_CTU为十字纹理单元值，N_DTU为对角纹理单元值，E_Ci为十字线上相邻像素值，E_Di为对角线上相邻元素值；

a)对图像中除边缘外的所有像素值N_CTU和N_DTU，并在以N_CTU为X坐标和以N_DTU为Y坐标的矩阵的对应元素值累加，这样得到各类图像的十字对角纹理矩阵T_a，b，c；

b)如图3所示，根据的起始位置的不同，可得到四种十字对角纹理矩阵：T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴。

计算各类图像的十字对角纹理矩阵T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的能量E、熵H性矩I、相关C、的具体过程如下：

a.将十字对角纹理矩阵T_a，b，c进行归一化处理，计算公式：

其中，T_a，b，c矩阵(x，y)对应的值为T(x，y)；

b.能量：E＝∑∑₂[t(x，y)]²；

c.熵：I＝-∑∑t(x，y)lgt(x，y)；

d.惯性矩：H＝∑₁∑k²t(x，y)，其中k＝|x-y|；

e.相关： $C=\frac{\mathrm{\Σ}\mathrm{\Σ}xyt(x,y)-u_x{u}_y}{{\mathrm{\σ}}_x{\mathrm{\σ}}_y};$

其中，u_x＝∑_xx∑_yt(x，y)，u_y＝∑_yy∑_xt(x，y)，

σ_x ²＝∑_x(x-u_x)²∑_yt(x，y)，σ_y ²＝∑_y(y-u_y)²∑_xt(x，y)；

f.计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的能量E的均值和方差用a₁，b₁表示；

g.计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的熵H的均值和方差用a₂，b₂表示；

h.计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的惯性矩I的均值和方差用a₃，b₃表示；

i.计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的相关C的均值和方差用a₄，b₄表示；

j.将得到的均值和方差组成特征向量q＝{a₁，b₁，a₂，b₂，a₃，b₃，a₄，b₄}；

k.将得到的特征向量归一化，得到归一化的特征向量Q；

l.将各类图像的到的归一化的特征向量按照类别顺序搞糟成过完备字典D＝[Q_1，1，1，…，Q_1，1，10，…，Q_1，10，10，…，Q_4，10，1，…，Q_4，10，10]，D∈R^4·10·10×8；

所述的步骤(2)建立过完备字典的过程中，稀疏表示的具体过程如下：

一、将得到的测试图像按照步骤(1)中的1)、2)、3)所示的过程，得到测试样本的特征向量，并用y表示；

二、用N_a，b表示图像P_a，b类中的图像数目，即在该方法中N_a，b＝10，在N_a，b，P_a，b中，a表示采集对象的类别，b表示光照强度的类别；

三、如图4所示，对y进行第一层的稀疏表示：

1)y＝Q_a，bα_a，b，其中a＝1，2，3，4，b＝1，2，…，10，c＝10，该层稀疏表示，得到一个稀疏表示矩阵C该式表示在a类对象在光照强度b下对测试图像特征向量y的线性表示的系数矩阵，其中，α_a，b为a类对象在光照强度b下对测试图像特征向量y的线性表示中c个图像的表示系数；

2)用是对象a在光照强度b下的采集图像类的稀疏表示系数，即与α_a，b相同；

四、如图4所示，对y进行第二层稀疏表示：

1)y＝Z_aβ_a，Z_a＝[Z_a，1，…，Z_a，10]，β_a∈R^10×1；

2)是对象a在各类光照下的稀疏表示系数，即与β_a相同；

五、如图4所示，对y进行第三层稀疏表示：

1)y＝Xλ，X＝[X₁，X₂，X₃，X₄]，λ＝[λ₁，λ₂，λ₃，λ₄]∈R^4×1；

2)是测试图像的特征向量y在各类对象下的表示稀疏，即与λ相同。

所述的识别的具体过程如下：

一、设置误差稀疏ε；

二、第一层稀疏表示，计算：在||y-Q_a，bα_a，b||₂≤ε条件下的min||α_a，b||₁的α_a，b其中a＝1，…，4；b＝1，…，10；||||₂表示L2范式约束，||||₁表示L1范式约束；

三、第二层稀疏表示，计算：在||y-Z_aβ_a||₂≤ε条件下的min||β_a||₁的β_a，其中a＝1，2，3，4；||||₂表示L2范式约束，||||₁表示L1范式约束；

四、第三层稀疏表示，计算：在||y-Xλ||₂≤ε条件下的min||λ||₁的λ；λ＝[λ₁，λ₂，λ₃，λ₄]；||||₂表示L2范式约束，||||₁表示L1范式约束；

五、计算其中a＝1，2，3，4；||||₂表示L2范式约束；

六、如图5所示，具体分类过程：若r₁(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为烟煤的图像；若r₂(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为无烟煤的图像；若r₃(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为砂岩的图像；若r₄(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为页岩的图像。

本发明采用十字对角纹理矩阵提取特征和多层稀疏表示方法进行表示识别，可以很好地增强煤图像岩识别的光照适应性，获得了很好地识别效果，为自适应识别不同光照条件下的煤岩图片提供了很好的方法。而且，本发明的煤岩识别方法考虑了光照强度变换因子，能够对光照强度多变具有很好的适应性，能够对于噪声、遮挡具有很好的鲁棒性，能够实时、自动识别出当前对象是烟煤、无烟煤、砂岩或页岩，为自动化采掘提供必要的信息。

Claims (5)

1.一种基于稀疏表示的煤岩识别方法，其特征在于，所述的煤岩识别方法包括如下步骤：

(1)建立过完备字典

1)图像样本采集阶段，通过照相机采集大量的在不同光照强度下的图像，所述的图像包括：烟煤、无烟煤、砂岩和页岩；

2)图像预处理，将采集的所述图像转化为灰度图像；

3)图像特征提取，将得到的灰度图像转化为十字对角纹理矩阵，并分别提取得到十字对角纹理矩阵的统计特征，组成特征向量；最后，对图像的特征向量进行归一化处理；

4)图像特征分类，按照采集对象所属的类别与采集图像时的光照强度的不同进行分类；所述特征的分类的过程为：首先，按照采集对象所属的类别分为4大类，然后分别对不同的采集对象按照采集时的光照强度进行分类；

5)组合超完备字典，根据上述步骤所得到的各类的特征向量，按照顺序组合成一个超完备字典；

(2)比较识别

1)按照上述步骤(1)中的1)、2)、3)所述的过程，得到测试样本的特征向量；

2)将得到的测试图像的特征向量利用超完备字典进行稀疏表示；

3)分别把4大类中各类的稀疏表示，代入分类器进行识别。

2.根据权利1所述的基于稀疏表示的煤岩识别方法中，其特征在于所述的建立过完备字典过程中，图像样本采集阶段的具体过程如下：

(1)在不同光照强度下采集大量的烟煤、无烟煤、砂岩、页岩的图像，采集的光照光照强度标准按15、20、30、50、75、100、150、200、300、500lx分级，其中lx为照度单位，即克勒斯；

(2)采集到的图像表示为P_a，b，c，其中a表示为采集图像的光照强度类别，按照光照强度由小到大，依次用1、…、10表示；b表示为采集对象的所属类别，类别1表示烟煤、类别2表示无烟煤、类别3表示砂岩、类别4表示页岩；c表示同一采集对象在同一光照情况下采集的图像的次序，在本方法的采集过程中，每类图像采集10张，依次表示为1、…、10。

3.根据权利1所述的基于稀疏表示的煤岩识别方法中，其特征在于所述的建立过完备字典的过程中，图像特征提取的具体过程如下：

(1)G_a，b，c表示为各类采集图像的灰度图像，将转换后的各类煤岩图像的灰度图像G_a，b，c进行CDTM转换，即十字对角纹理矩阵的转换，得到各类图像的四种十字对角纹理矩阵，表示为T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴；

(2)分别计算十字对角纹理矩阵T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的能量E、熵H、惯性矩I、相关C；

(3)计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的能量E的均值和方差用a₁，b₁表示；

(4)计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的熵H的均值和方差用a₂，b₂表示；

(5)计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的惯性矩I的均值和方差用a₃，b₃表示；

(6)计算T_a，b，c ¹、T_a，b，c ²、T_a，b，c ³、T_a，b，c ⁴的相关C的均值和方差用a₄，b₄表示；

(7)将得到的均值和方差组成特征向量q＝{a₁，b₁，a₂，b₂，a₃，b₃，a₄，b₄}；

(8)将得到的特征向量归一化，得到归一化的特征向量Q；

(9)将各类图像的到的归一化的特征向量按照类别顺序搞糟成过完备字典D＝[Q_1，1，1，…，Q_1，1，10，…，Q_1，10，10，…，Q_4，10，1，…，Q_4，10，10]。

4.根据权利1所述的基于稀疏表示的煤岩识别方法中，其特征在于所述的稀疏表示的具体过程如下：

(1)将得到的测试图像按照步骤(1)中的1)、2)、3)所示的过程，得到测试样本的特征向量，并用y表示；

(2)用N_a，b表示图像P_a，b类中的图像数目在该方法中N_a，b＝10，在N_a，b，P_a，b中，a表示采集对象的类别，b表示光照强度的类别；

(3)对y进行第一层的稀疏表示：

1)y＝Q_a，bα_a，b，其中a＝1，2，3，4，b＝1，2，…，10，该层稀疏表示，得到一个稀疏表示矩阵C该式表示在a类对象在光照强度b下对测试图像特征向量y的线性表示的系数矩阵，其中，α_a，b为a类对象在光照强度b下对测试图像特征向量y的线性表示中N_a，b个图像的表示系数；

2)用 是对象a在光照强度b下的采集图像类的稀疏表示系数，，即与α_a，b相同；

(4)对y进行第二层稀疏表示：

1)y＝Z_aβ_a，Z_a＝[Z_a，1，…，Z_a，10]，β_a∈R^10×1；

2) 是对象a在各类光照下的稀疏表示系数，即与β_a相同；

(5)对y进行第三层稀疏表示：

1)y＝Xλ，X＝[X₁，X₂，X₃，X₄]，λ＝[λ₁，λ₂，λ₃，λ₄]∈R^4×1；

2) 是测试图像的特征向量y在各类对象下的表示稀疏，即与λ相同。

5.根据权利1所述的基于稀疏表示的煤岩识别方法中，其特征在于所述的识别的具体过程如下：

(1)设置误差稀疏ε；

(2)第一层稀疏表示，计算：在||y-Q_a，bα_a，b||_2≤ε条件下的min||α_a，b||₁的α_a，b其中a＝1，…，4；b＝1，…，10；||||₂表示L2范式约束，||||₁表示L1范式约束；

(3)第二层稀疏表示，计算：在||y-Z_aβ_a||_2≤ε条件下的min||β_a||₁的β_a，其中a＝1，2，3，4；||||₂表示L2范式约束，||||₁表示L1范式约束；

(4)第三层稀疏表示，计算：在||y-Xλ||_2≤ε条件下的min||λ||₁的λ；λ＝[λ₁，λ₂，λ₃，λ₄]；||||₂表示L2范式约束，||||₁表示L1范式约束；

(5)计算其中a＝1，2，3，4；||||₂表示L2范式约束；

(6)若r₁(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为烟煤的图像；若r₂(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为无烟煤的图像；若r₃(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为砂岩的图像；若r₄(y)是r₁(y)，r₂(y)，r₃(y)，r₄(y)中的最小值，则被测试图像为页岩的图像。