CN105354577A - 一种用于煤岩识别的b-cdtm纹理特征提取方法 - Google Patents
一种用于煤岩识别的b-cdtm纹理特征提取方法 Download PDFInfo
- Publication number
- CN105354577A CN105354577A CN201510695903.0A CN201510695903A CN105354577A CN 105354577 A CN105354577 A CN 105354577A CN 201510695903 A CN201510695903 A CN 201510695903A CN 105354577 A CN105354577 A CN 105354577A
- Authority
- CN
- China
- Prior art keywords
- value
- texture
- cdtm
- cell value
- coal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003245 coal Substances 0.000 title claims abstract description 52
- 239000011435 rock Substances 0.000 title claims abstract description 27
- 238000000605 extraction Methods 0.000 title abstract description 4
- 238000000034 method Methods 0.000 claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000010276 construction Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
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
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:
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;
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NB-CTU表示,对角纹理单元值用NB-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:
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;
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NB-CTU表示,对角纹理单元值用NB-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,Ta,b,c矩阵(i,j)对应的值为T(i,j);
b.F1=∑∑(t(i,j))2;
c. 其中,
d.F3=∑(i-E1)2px(i);其中
e.
f.F5=-∑i∑jt(i,j)log(t(i,j));
g. 其中
h. 其中
i. 其中 HXY1=-∑∑t(i,j)log(px(i)·py(j)),
j.F9=(1-e(-2(HXY2-F5)))1/2;其中HXY2=-∑∑px(i)·py(j)·log(px(i)·py(j))
k.
l.
m.
n.
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NB-CTU表示,对角纹理单元值用NB-DTU表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510695903.0A CN105354577A (zh) | 2015-10-26 | 2015-10-26 | 一种用于煤岩识别的b-cdtm纹理特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510695903.0A CN105354577A (zh) | 2015-10-26 | 2015-10-26 | 一种用于煤岩识别的b-cdtm纹理特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105354577A true CN105354577A (zh) | 2016-02-24 |
Family
ID=55330544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510695903.0A Pending CN105354577A (zh) | 2015-10-26 | 2015-10-26 | 一种用于煤岩识别的b-cdtm纹理特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105354577A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324032A (zh) * | 2011-09-08 | 2012-01-18 | 北京林业大学 | 一种基于极坐标系下灰度共生矩阵的纹理特征提取方法 |
CN102509087A (zh) * | 2011-11-24 | 2012-06-20 | 中国矿业大学(北京) | 一种基于图像灰度共生矩阵的煤岩识别方法 |
CN103207999A (zh) * | 2012-11-07 | 2013-07-17 | 中国矿业大学(北京) | 一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和系统 |
CN103530621A (zh) * | 2013-11-04 | 2014-01-22 | 中国矿业大学(北京) | 一种基于bp神经网络的煤岩图像识别方法 |
WO2014080305A3 (en) * | 2012-11-20 | 2014-07-24 | Koninklijke Philips N.V. | Integrated phenotyping employing image texture features |
-
2015
- 2015-10-26 CN CN201510695903.0A patent/CN105354577A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324032A (zh) * | 2011-09-08 | 2012-01-18 | 北京林业大学 | 一种基于极坐标系下灰度共生矩阵的纹理特征提取方法 |
CN102509087A (zh) * | 2011-11-24 | 2012-06-20 | 中国矿业大学(北京) | 一种基于图像灰度共生矩阵的煤岩识别方法 |
CN103207999A (zh) * | 2012-11-07 | 2013-07-17 | 中国矿业大学(北京) | 一种基于煤岩图像特征抽取以及分类识别的煤岩分界方法和系统 |
WO2014080305A3 (en) * | 2012-11-20 | 2014-07-24 | Koninklijke Philips N.V. | Integrated phenotyping employing image texture features |
CN103530621A (zh) * | 2013-11-04 | 2014-01-22 | 中国矿业大学(北京) | 一种基于bp神经网络的煤岩图像识别方法 |
Non-Patent Citations (3)
Title |
---|
ABDULRAHMAN AL-JANOBI: "Performance evaluation of cross-diagonal texture matrix method of texture analysis", 《PATTERN RECOGNITION》 * |
P.KIRAN KUMAR REDDY等: "Texture Classification based on Binary Cross Diagonal Shape Descriptor Texture Matrix (BCDSDTM)", 《ICGST INTERNATIONAL JOURNAL ON GRAPHICS, VISION AND IMAGE PROCESSING (GVIP)》 * |
左文明: "脱机手写中文签名鉴别的研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102509087B (zh) | 一种基于图像灰度共生矩阵的煤岩识别方法 | |
CN101950359B (zh) | 一种岩石种类的识别方法 | |
Huang et al. | Machine learning-based automatic control of tunneling posture of shield machine | |
CN102043958B (zh) | 一种高分辨率遥感图像多类目标检测识别方法 | |
CN103530621B (zh) | 一种基于bp神经网络的煤岩图像识别方法 | |
CN103927553B (zh) | 基于多尺度微纹理和对比度联合分布的煤岩识别方法 | |
CN102542295A (zh) | 一种采用图像分类技术从遥感图像中进行滑坡检测的方法 | |
CN108073786A (zh) | 页岩可压性评价方法及装置 | |
CN102864766B (zh) | 基于标准贯入和静力触探试验相关关系的液化判别方法 | |
CN103927528B (zh) | 基于紧邻域像素灰度联合分布特征的煤岩识别方法 | |
CN103927514A (zh) | 一种基于随机局部图像特征的煤岩识别方法 | |
CN105184300A (zh) | 一种基于图像lbp的煤岩识别方法 | |
CN104751192A (zh) | 基于图像块共生特征的煤岩识别方法 | |
CN103886612A (zh) | 一种基于水库监控摄像头的水位自动提取方法及系统 | |
CN104182985A (zh) | 遥感图像变化检测方法 | |
CN104318254A (zh) | 一种基于dct低频分量特征的快速煤岩识别方法 | |
CN105243387A (zh) | 一种基于无人机影像的露天矿典型地物分类方法 | |
CN101908214B (zh) | 基于邻域相关的背景重构的运动目标检测方法 | |
Liu et al. | LB-LSD: A length-based line segment detector for real-time applications | |
CN103903238A (zh) | 图像特征的显著结构和相关结构融合方法 | |
Liang et al. | An extraction and classification algorithm for concrete cracks based on machine vision | |
Zhang et al. | Deep learning‐based automatic detection of muck types for earth pressure balance shield tunneling in soft ground | |
CN105809182A (zh) | 一种图像分类的方法及装置 | |
Jiang et al. | Development of a core feature identification application based on the Faster R-CNN algorithm | |
CN103942576A (zh) | 一种用空域多尺度随机特征识别煤岩的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160224 |