CN105354577A - 一种用于煤岩识别的b-cdtm纹理特征提取方法 - Google Patents

Abstract

本发明提供了一种用于煤岩识别的B-CDTM纹理特征提取方法，步骤一，将煤岩样本灰度图像的3×3的图像块的中心像素的八连通像素分为两组，每组4个元素；步骤二，根据所在像素值与中心像素值相比较，两组中每个元素分别取值0或1；步骤三，获得中心像素点的十字纹理单元值和对角纹理单元值；步骤四，以十字纹理单元值为X坐边和以对角纹理单元值为Y坐标的矩阵的对应元素值累加，得到一个B-CDTM矩阵；步骤五，基于B-CDTM矩阵，计算大量统计特征，构造成特征向量。本发明通过改善原始CDTM的构造方式，使得提取煤岩图像的纹理特征的速度更加快捷，使得煤岩图像识别的实时性得到很好的改善。

Description

一种用于煤岩识别的B-CDTM纹理特征提取方法

技术领域

本发明涉及一种用于煤岩识别的B-CDTM纹理特征提取方法，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(graylevelco-occurrencematrix)方法，十字对角纹理矩阵(cross-diagonaltexturematrix)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岩图像识别的实时性，例如：煤矿井下的采煤机需不间断的工作，因此对于用于图像技术进行煤岩识别需考虑识别的实时性。对于煤岩图像识别中，分析图像纹理特点消耗了大量的时间，为了解决该问题，B-CDTM(binary-cross-diagonaltexturematrix)纹理特征提取方法，通过实验比较，相比灰度共生矩阵方法，十字对角纹理矩阵方法，可以很好的改善煤岩识别的实时性。

发明内容

本发明的目的在于提供一种用于煤岩识别的B-CDTM纹理特征提取方法，该纹理特征提取方法很好的解决了的煤岩图像识别的实时性的要求，能够快速方便的提取出煤岩图像的纹理特征，并且能够为煤岩识别提供准确的识别信息，为自动化采掘提供必要的信息。用以解决现有的煤岩识别实时性不足，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用于煤岩识别的B-CDTM纹理特征提取方法，包括以下步骤：

(1)将煤岩样本灰度图像中的3×3的图像块的中心像素的八连通像素分为两组，每组4个元素，即一组为正十字线上的四相邻像素和另一组对角线上的四相邻像素；

(2)根据所在像素值与中心像素值相比较，两组中每个元素分别取值0或1，即小于中心像素的值则取0，大于或者等于则取1；

(3)每组四个元素按照纹理单元值计算公式，获得中心像素点的十字纹理单元值和对角纹理单元值，这些单元值的取值范围文0——15之间的整数；

(4)计算图像中除边缘外的所有像素值的十字纹理单元值和对角纹理单元值，并以十字纹理单元值为X坐边和以对角纹理单元值为Y坐标的矩阵的对应元素值累加，得到一个B-CDTM矩阵，

(5)基于B-CDTM矩阵，计算大量统计特征，最终将这些统计特征当做煤岩图像的纹理特征，构造成特征向量。

进一步地，根据本发明所述的煤岩图像的纹理特征的提取方法，步骤(3)中所述的纹理单元值的具体计算公式如下：

十字纹理单元值： $N_{B-CTU}={\mathrm{\Σ}}_{i=1}^4{E}_{C_i}\·2^{i-1},$

对角纹理单元值： $N_{B-DTU}={\mathrm{\Σ}}_{i=1}^4{E}_{D_i}\·2^{i-1},$

其中为3×3的图像块中正十字线上的四相邻像素组中元素的取值，即为0或1；其中为3×3的图像块中对角线线上的四相邻像素组中元素的取值，即为0或1；

进一步地，根据上述步骤中：纹理单元值的具体计算公式中的的起始位置的不同，可得到四种十字对角纹理矩阵：T¹、T²、T³、T⁴。

进一步地，根据本发明所述的煤岩图像的纹理特征的提取方法，所述的步骤(3)中的十字纹理单元值用N_B-CTU表示，对角纹理单元值用N_B-DTU表示。

本发明达到的有益效果：本发明所述的一种用于煤岩识别的B-CDTM纹理特征提取方法，本发明在原始CDTM纹理特征提取方法的基础上，将每组中每个像素的取值进行二值化，即取0或者1，对于纹理单元值的计算公式进行了改善，在保证原始CDTM纹理特征提取方法的有效性的基础上，并且达到了良好的实时性。因此，考虑到煤矿井下工作环境的需求，本发明更加适用于煤岩识别的纹理特征提取方法。

附图说明

图1为本发明实施例提供的方法的步骤流程图；

图2为CDTM的方法的步骤流程图；

图3为本发明所述的4种十字对角纹理矩阵的构造原理图；

图4为本发明所述的方法与CDTM方法的效果比对图；

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；图4，本发明所述的方法与CDTM方法的效果比对图：分别使用B-CDTM与CDTM提取320张64×64的煤岩样本灰度图像的纹理特征，并采用SRC(SparseRepresentation-basedClassification)进行分类，对纹理特征提取时间(s)，煤岩图像识别率(％)进行比对。

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；本发明的方案是一种用于煤岩识别的B-CDTM纹理特征提取方法，包括以下步骤：

(1)如图1所示，将煤岩样本灰度图像中的3×3的图像块的中心像素的八连通像素分为两组，每组4个元素，即一组为正十字线上的四相邻像素和另一组对角线上的四相邻像素；

(2)如图1所示，根据所在像素值与中心像素值相比较，两组中每个元素分别取值0或1，即小于中心像素的值则取0，大于或者等于则取1；

(3)如图1所示，每组四个元素按照纹理单元值计算公式，获得中心像素点的十字纹理单元值和对角纹理单元值，这些单元值的取值范围文0——15之间的整数；

(4)如图1所示，计算图像中除边缘外的所有像素值的十字纹理单元值和对角纹理单元值，并以十字纹理单元值为X坐边和以对角纹理单元值为Y坐标的矩阵的对应元素值累加，得到一个B-CDTM矩阵，

(5)基于B-CDTM矩阵，计算大量统计特征，最终将这些统计特征当做煤岩图像的纹理特征，构造成特征向量。

进一步地，根据本发明所述的煤岩图像的纹理特征的提取方法，步骤(3)中所述的纹理单元值的具体计算公式如下：

十字纹理单元值： $N_{B-CTU}={\mathrm{\Σ}}_{i=1}^4{E}_{C_i}\·2^{i-1},$

对角纹理单元值： $N_{B-DTU}={\mathrm{\Σ}}_{i=1}^4{E}_{D_i}\·2^{i-1},$

其中为3×3的图像块中正十字线上的四相邻像素组中元素的取值，即为0或1；其中为3×3的图像块中对角线线上的四相邻像素组中元素的取值，即为0或1；

进一步地，如图3所示，根据上述步骤中：纹理单元值的具体计算公式中的的起始位置的不同，可得到四种十字对角纹理矩阵：T¹、T²、T³、T⁴。

进一步地，根据本发明所述的煤岩图像的纹理特征的提取方法，所述的步骤(3)中的十字纹理单元值用N_B-CTU表示，对角纹理单元值用N_B-DTU表示。

进一步地，根据本发明所述的煤岩图像的纹理特征的提取方法，步骤(5)中所述的纹理特征的具体计算过程如下：

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

b.F1＝∑∑(t(i，j))²；

c. $F2=\frac{\mathrm{\Σ}\mathrm{\Σ}i\·j\·t(i,j)-E1\·E2}{E3\·E4};$ 其中， $E1=\underset{i}{\Σ}i\underset{j}{\Σ}t(i,j),E2=\underset{j}{\Σ}j\underset{i}{\Σ}t(i,j),{\left(E3\right)}^2=\underset{i}{\Σ}{(i-E1)}^2\underset{j}{\Σ}t(i,j),$ ${\left(E4\right)}^2=\underset{j}{\Σ}{(j-E2)}^2\underset{j}{\Σ}t(i,j);$

d.F3＝∑(i-E1)²p_x(i)；其中

e. $F4={\mathrm{\Σ}}_i{\mathrm{\Σ}}_j\frac{t(i,j)}{1+{(i-j)}^2};$

f.F5＝-∑_i∑_jt(i，j)log(t(i，j))；

g. $F6=-{\mathrm{\Σ}}_k^{2(N-1)}{p}_{(x+y)}\left(k\right)log\left(p_{(x+y)}\right(k\left)\right),$ 其中 $p_{(x+y)}\left(k\right)=\mathrm{\Σ}\underset{k=i+j}{\mathrm{\Σ}}t(i,j),2\≤k\≤2N;$

h. $F7=-{\mathrm{\Σ}}_k^{(N-1)}{p}_{(x-y)}\left(k\right)log\left(p_{(x-y)}\right(k\left)\right),$ 其中 $p_{(x-y)}\left(k\right)=\mathrm{\Σ}\underset{k=\left|i-j\right|}{\mathrm{\Σ}}t(i,j),0\≤k\≤N-1;$

i. $F8=\frac{F6-HXY1}{max(HX,HY)},$ 其中 $HX=\underset{i}{\Σ}{p}_x\left(i\right)log2\left(p_x\right(i\left)\right),HY=\underset{j}{\Σ}{p}_y\left(j\right)log2\left(p_y\right(j\left)\right),$ HXY1＝-∑∑t(i，j)log(p_x(i)·p_y(j))， $p_x\left(i\right)=\underset{j}{\Σ}t(i,j),p_y\left(j\right)=\underset{i}{\Σ}t(i,j);$

j.F9＝(1-e^{(-2(HXY2-F5))})^1/2；其中HXY2＝-∑∑p_x(i)·p_y(j)·log(p_x(i)·p_y(j))

k. $F10={\mathrm{\Σ}}_2^{2N}k\·p_{(x+y)}\left(k\right);$

l. $F11={\mathrm{\Σ}}_{\left|i-j\right|}^{N-1}{\left|i-j\right|}^2\left({\mathrm{\Σ}}_1^N{\mathrm{\Σ}}_1^{N}t\right(i,j\left)\right);$

m. $F12=\underset{2}{\overset{2N}{\Σ}}{(k-F11)}^2{p}_{(x+y)}\left(k\right);$

n. $F13=\underset{0}{\overset{N-1}{\Σ}}{(k-F11)}^2{p}_{(x-y)}\left(k\right);$

o.将得到的特征值组成特征向量q＝{F1，F2，F3，F4，F5，F6，F7，F8，F9，F10，F11，F12，F13}；

p.将得到的特征向量归一化，得到归一化的特征向量Q；

q.将分别得到每张煤岩图像的十字对角纹理矩阵T¹、T²、T³、T⁴的特征向量Q¹、Q²、Q³、Q⁴。

Claims (3)

1.一种用于煤岩识别的B-CDTM纹理特征提取方法，其特征在于，所述的纹理特征提取方法包括如下步骤：

(1)将煤岩样本灰度图像中的3×3的图像块的中心像素的八连通像素分为两组，每组4个元素，即一组为正十字线上的四相邻像素和另一组对角线上的四相邻像素；

(2)根据所在像素值与中心像素值相比较，两组中每个元素分别取值0或1，即小于中心像素的值则取0，大于或者等于则取1；

(3)每组四个元素按照纹理单元值计算公式，获得中心像素点的十字纹理单元值和对角纹理单元值，这些单元值的取值范围为0——15之间的整数；

(4)计算图像中除边缘外的所有像素值的十字纹理单元值和对角纹理单元值，并以十字纹理单元值为X坐边和以对角纹理单元值为Y坐标的矩阵的对应元素值累加，得到一个B-CDTM矩阵，

(5)基于B-CDTM矩阵，计算大量统计特征，最终将这些统计特征当做煤岩图像的纹理特征，构造成特征向量。

2.根据权利1所述的一种用于煤岩识别的B-CDTM纹理特征提取方法，其特征在于所述步骤(3)中的四个元素的纹理单元值的计算公式是：

十字纹理单元值：

对角纹理单元值：

其中为3×3的图像块中正十字线上的四相邻像素组中元素的取值，即为0或1；其中为3×3的图像块中对角线线上的四相邻像素组中元素的取值，即为0或1。

3.根据权利1所述的一种用于煤岩识别的B-CDTM纹理特征提取方法，其特征在与所述的步骤(3)中的十字纹理单元值用N_B-CTU表示，对角纹理单元值用N_B-DTU表示。