CN106055636A - 一种岩石便携智能识别方法 - Google Patents

Abstract

本发明公开了一种岩石便携智能识别方法，包括如下步骤：步骤一、岩石图像数据库开发：步骤二、岩石数据库更新和维护；步骤三、岩石数据库导入；步骤四、岩石识别便携设备软件；步骤五、特征提取；步骤六、特征匹配：利用步骤四开发的软件获得待搜索图像，利用步骤五的方法提取待搜索图像的特征，利用某种特征值匹配算法，和步骤五得到的岩石图像特征数据库进行相似度计算，将相似度较高的结果返回到步骤四开发的软件中；该方法相对于野外岩石取样镜鉴及人工经验辨别的传统方法，有高效、廉价、便携式、成果可复用性等多种优点。该方法最基本的两大特征，一是大数据高存储的标准化岩石图像库，二是多种图像识别算法的集成。

Description

一种岩石便携智能识别方法

技术领域

本发明涉及数字图像处理领域，更具体地来说它是一种岩石便携智能识别方法。

背景技术

地质工作者开展野外地质勘察工作时，需要经常对天然的岩石、岩体岩性或钻探得到的岩芯进行辨别，从而确定其具体的岩性。传统的通过肉眼观察的方法存在一定的误差，也存在一定的主观因素，并且效率较低，准确度较低，同时在勘察过程中，岩性属性需要反复书写，工作量大、任务繁重，且积累下来的数据和经验无法顺利应用到新的勘察项目中，随着国外工程的推进，市场的开拓，工期愈来愈紧，若取样之后开通关证明，拿回国内镜鉴则较长周期，耗时费力，急需地质人员在野外快速准确的进行大致识别，识别精度可达到三大岩类的下一个次级即可，不需要往下一级继续细分识别。

专利发明名称为“一种基于图像特征的野外岩性智能识别方法”，其申请号：201510219555.X，该方法在使用和操作时存在以下不足之处：一是使用难易程度方面，需用电脑PC机运行程序，野外拍摄的岩石照片仍需导入PC机中处理，野外工作走回营地至少1～3个小时；二是智能化程度方面，最后识别结果相似照片有2～5张，过程中仍需加入人工经验判别；三是运算速度方面，拍摄照片未经过标准化处理，像素大，PC机处理时运转速度慢，从开始运行到得出结果一般需要2～30分钟左右。

基于以上考虑和鉴于野外人工识别岩石岩性受经验差异、环境因素、主观视觉等各种因素干扰而导致高误差判断的不利缺陷，因此，需要一种岩石便携的智能识别方法。

发明内容

本发明的目的为了克服上述背景技术的不足之处，而提供一种岩石便携智能识别方法，野外仅凭一个无需联网的轻巧手持设备去解决传统岩性识别在不做试验情况下工作准确度低、效率低下的问题。

为了实现上述目的，本发明的技术方案是这样的，一种岩石便携智能识别方法，包括如下步骤：

步骤一、岩石图像数据库开发：对各种岩石图像进行采集，并搜集相应岩石颜色、构造、物理力学等相关属性，对各种岩石的图像和属性进行整理和分类，采用某平台的数据库管理系统建立岩石数据库；

步骤二、岩石数据库更新和维护：采用第三方SQLite的GUI软件，对数据库进行更新、维护；

步骤三、岩石数据库导入：某平台建立的岩石数据库导入便携设备，包括各类岩体、岩石或岩芯照片、和相应的岩体属性，并对导入的图像图片进行标准化处理，包括大小、清晰度、标志特征、属性说明等；

步骤四、岩石识别便携设备软件：选取某种操作系统的移动设备作为岩石野外识别的便携设备，用某集成开发环境软件作为开发环境，开发此便携设备识别软件；

步骤五、特征提取：基于跨平台图像处理库，采用某种特征提取算法对Android系统的岩石图像数据库进行处理，抽取图像特征，形成岩石图像特征数据库；

步骤六、特征匹配：利用步骤四开发的软件获得待搜索图像，利用步骤五的方法提取待搜索图像的特征，利用某种特征值匹配算法，和步骤五得到的岩石图像特征数据库进行相似度计算，将相似度较高的结果返回到步骤四开发的软件中。

在上述技术方案中，所述步骤一中，所述某平台是Windows平台，所述数据库管理系统是SQLite。

在上述技术方案中，所述步骤二中，所述第三方SQLite的GUI软件为SQLiteSpy。

在上述技术方案中，所述步骤三中，所述某平台是Windows平台，所述便携设备是采用Android系统设备，该设备摄像头采用指定距扫描方式采集图像标本。

在上述技术方案中，所述步骤四中，所述某种操作系统是Android系统，所述集成开发环境软件是基于Java的可扩展开发平台Eclipse。

在上述技术方案中，所述步骤五中，所述跨平台图像处理库是OpenCV AndroidAPI库；所述某种特征提取算法为一种基于颜色与纹理的特征描述符算法，具体如下：

(1)提取图片的颜色信息，引用一系列模糊规则产生一个10维量化的颜色直方图，然后，再通过一个24维的模糊颜色过滤器，使原有的10维直方图转化为24维直方图；

(2)提取图片的纹理信息，用五个由MPEG-7边缘描述符提出的数字过滤器，输出与图像纹理有关的信息，将每个图片分块分类成六种纹理区域中的一个；

(3)所有与抽取颜色信息有关的内容被包含到一个颜色单元内，同样，所有与抽取纹理信息有关的操作被包含到一个纹理单元内，基于颜色与纹理的特征描述由6维纹理信息特征和24维颜色信息特征组成，最终形成144维直方图；

(4)将颜色与纹理的特征量化，限制其长度于144*3＝432bits。

在上述技术方案中，所述步骤六中，所述某种特征值匹配算法为TanimotoCoefficient算法和余弦相似度算法，具体如下:

(1)Tanimoto Coefficient算法用于计算符号度量的个体间的相似度，计算公式如下：

$T_{ij}=t(x_i,x_j)=\frac{x_i^T{x}_j}{x_i^T{x}_i+x_j^T{x}_j-x_i^T{x}_j}$

对于图像特征而言，T_ij越接近1，两张图像越相似；

(2)余弦相似度算法计算公式如下：

$\sin (X,Y)=cos\mathrm{\θ}\frac{\stackrel{\→}{x}\·\stackrel{\→}{y}}{\left|\right|x\left|\right|\·\left|\right|y\left|\right|}$

对于图像特征而言，余弦相似度取值越接近1，两张图像越相似。

本发明的有益效果是：该发明相对于野外岩石取样镜鉴及人工经验辨别的传统方法，有高效、廉价、便携式、成果可复用性等多种优点。该方法最基本的两大特征，一是大数据高存储的标准化岩石图像库，二是多种图像识别算法的集成。因此，该方法可以帮助地质勘测人员提高工作效率和不依赖经验判断的准确率，从而更好帮助地质人员开展野外现场地质勘察工作。

附图说明

图1本发明一种岩石便携智能识别方法的流程示意图。

具体实施方式

下面结合附图详细说明本发明实施情况，但它们并不构成对本发明的限定，仅作举例而已，同时通过说明本发明的优点将变得更加清楚和容易理解。

一种岩石便携智能识别方法，见图1，具体包括如下步骤：

步骤一、岩石图像数据库开发：对各种岩石图像进行采集，并搜集相应岩石颜色、构造、物理力学等相关属性，对各种岩石的图像和属性进行整理和分类，采用某平台的数据库管理系统建立岩石数据库；

步骤二、岩石数据库更新和维护：采用第三方SQLite的GUI软件，对数据库进行更新、维护；

步骤三、岩石数据库导入：某平台建立的岩石数据库导入便携设备，包括各类岩体、岩石或岩芯照片、和相应的岩体属性，并对导入的图像图片进行标准化处理，包括大小、清晰度、标志特征、属性说明等；

步骤四、岩石识别便携设备软件：选取某种操作系统的移动设备作为岩石野外识别的便携设备，用某集成开发环境软件作为开发环境，开发此便携设备识别软件；

步骤五、特征提取：基于跨平台图像处理库，采用某种特征提取算法对Android系统的岩石图像数据库进行处理，抽取图像特征，形成岩石图像特征数据库；

步骤六、特征匹配：利用步骤四开发的软件获得待搜索图像，利用步骤五的方法提取待搜索图像的特征，利用某种特征值匹配算法，和步骤五得到的岩石图像特征数据库进行相似度计算，将相似度较高的结果返回到步骤四开发的软件中。

所述步骤一中，所述某平台是Windows平台，所述数据库管理系统是SQLite。

所述步骤二中，所述第三方SQLite的GUI软件为SQLiteSpy。

所述步骤三中，所述某平台是Windows平台，所述便携设备是采用Android系统设备，该设备摄像头采用指定距扫描方式采集图像标本。

所述步骤四中，所述某种操作系统是Android系统，所述集成开发环境软件是基于Java的可扩展开发平台Eclipse。

所述步骤五中，所述跨平台图像处理库是OpenCV Android API库；所述某种特征提取算法为一种基于颜色与纹理的特征描述符算法，具体如下：

(1)提取图片的颜色信息，引用一系列模糊规则产生一个10维量化的颜色直方图，然后，再通过一个24维的模糊颜色过滤器，使原有的10维直方图转化为24维直方图；

(2)提取图片的纹理信息，用五个由MPEG-7边缘描述符提出的数字过滤器，输出与图像纹理有关的信息，将每个图片分块分类成六种纹理区域中的一个；

(3)所有与抽取颜色信息有关的内容被包含到一个颜色单元内，同样，所有与抽取纹理信息有关的操作被包含到一个纹理单元内，基于颜色与纹理的特征描述由6维纹理信息特征和24维颜色信息特征组成，最终形成144维直方图；

(4)将颜色与纹理的特征量化，限制其长度于144*3＝432bits。

所述步骤六中，所述某种特征值匹配算法为Tanimoto Coefficient算法和余弦相似度算法，具体如下:

(1)Tanimoto Coefficient算法用于计算符号度量的个体间的相似度，计算公式如下：

$T_{ij}=t(x_i,x_j)=\frac{x_i^T{x}_j}{x_i^T{x}_i+x_j^T{x}_j-x_i^T{x}_j}$

对于图像特征而言，T_ij越接近1，两张图像越相似；

(2)余弦相似度算法计算公式如下：

$\sin (X,Y)=cos\mathrm{\θ}\frac{\stackrel{\→}{x}\·\stackrel{\→}{y}}{\left|\right|x\left|\right|\·\left|\right|y\left|\right|}$

在应用本发明时，可采用通过程序代码的方式装载于便携式手持设备中，通过摄像头获取外界岩石图像信息，然后通过智能系统进行信息处理，而后，通过算法对已存储于便携式设备中的图像库进行搜索对比识别，得到相似度较高的若干张岩石图像作为待确认岩石的识别结果提供给现场地质工作者以参考判断，且该便携智能设备还可以累积识别成果特征丰富已有数据库。

为了更好地理解本发明的技术效果，与“一种基于图像特征的野外岩性智能识别方法”相比较，本发明“一种岩石便携智能识别方法”在使用难易程度、智能化程度、运算速度方面有了更大的提高和改变，见表1基于图像特征的野外岩性智能识别方法和岩石便携智能识别方法比较。

表1基于图像特征的野外岩性智能识别方法与岩石便携智能识别方法比较。

未详细说明的均为现有技术。

Claims (9)

1.一种岩石便携智能识别方法，其特征在于，包括如下步骤：

步骤一、岩石图像数据库开发：对各种岩石图像进行采集，并搜集相应岩石颜色、构造、物理力学等相关属性，对各种岩石的图像和属性进行整理和分类，采用某平台的数据库管理系统建立岩石数据库；

步骤二、岩石数据库更新和维护：采用第三方SQLite的GUI软件，对数据库进行更新、维护；

步骤三、岩石数据库导入：某平台建立的岩石数据库导入便携设备，包括各类岩体、岩石或岩芯照片、和相应的岩体属性，并对导入的图像图片进行标准化处理，包括大小、清晰度、标志特征、属性说明等；

步骤四、岩石识别便携设备软件：选取某种操作系统的移动设备作为岩石野外识别的便携设备，用某集成开发环境软件作为开发环境，开发此便携设备识别软件；

步骤五、特征提取：基于跨平台图像处理库，采用某种特征提取算法对Android系统的岩石图像数据库进行处理，抽取图像特征，形成岩石图像特征数据库；

步骤六、特征匹配：利用步骤四开发的软件获得待搜索图像，利用步骤五的方法提取待搜索图像的特征，利用某种特征值匹配算法，和步骤五得到的岩石图像特征数据库进行相似度计算，将相似度较高的结果返回到步骤四开发的软件中。

2.根据权利要求1所述的岩石便携智能识别方法，其特征在于：所述步骤一中，所述某平台是Windows平台，所述数据库管理系统是SQLite。

3.根据权利要求2所述的岩石便携智能识别方法，其特征在于：所述步骤二中，所述第三方SQLite的GUI软件为SQLiteSpy。

4.根据权利要求3所述的岩石便携智能识别方法，其特征在于：所述步骤三中，所述某平台是Windows平台，所述便携设备是采用Android系统设备，该设备摄像头采用指定距扫描方式采集图像标本。

5.根据权利要求4所述的岩石便携智能识别方法，其特征在于：所述步骤四中，所述某种操作系统是Android系统，所述集成开发环境软件是基于Java的可扩展开发平台Eclipse。

6.根据权利要求5所述的岩石便携智能识别方法，其特征在于：所述步骤五中，所述跨平台图像处理库是OpenCV Android API库；所述某种特征提取算法为一种基于颜色与纹理的特征描述符算法。

7.根据权利要求6所述的岩石便携智能识别方法，其特征在于,所述的颜色与纹理的特征描述符算法，具体如下：

(1)提取图片的颜色信息，引用一系列模糊规则产生一个10维量化的颜色直方图，然后，再通过一个24维的模糊颜色过滤器，使原有的10维直方图转化为24维直方图；

(2)提取图片的纹理信息，用五个由MPEG-7边缘描述符提出的数字过滤器，输出与图像纹理有关的信息，将每个图片分块分类成六种纹理区域中的一个；

(3)所有与抽取颜色信息有关的内容被包含到一个颜色单元内，同样，所有与抽取纹理信息有关的操作被包含到一个纹理单元内，基于颜色与纹理的特征描述由6维纹理信息特征和24维颜色信息特征组成，最终形成144维直方图；

(4)将颜色与纹理的特征量化，限制其长度于144*3＝432bits。

8.根据权利要求7所述的岩石便携智能识别方法，其特征在于：所述步骤六中，所述某种特征值匹配算法为Tanimoto Coefficient算法和余弦相似度算法。

9.根据权利要求8所述的岩石便携智能识别方法，其特征在于,所述的TanimotoCoefficient算法和余弦相似度算法，具体如下:

(1)Tanimoto Coefficient算法用于计算符号度量的个体间的相似度，计算公式如下：

$T_{ij}=t(x_i,x_j)=\frac{x_i^T{x}_j}{x_i^T{x}_i+x_j^T{x}_j-x_i^T{x}_j}$

对于图像特征而言，T_ij越接近1，两张图像越相似；

(2)余弦相似度算法计算公式如下：

$\sin (X,Y)=cos\mathrm{\θ}=\frac{\stackrel{\→}{x}\·\stackrel{\→}{y}}{\left|\right|x\left|\right|\·\left|\right|y\left|\right|}$

对于图像特征而言，余弦相似度取值越接近1，两张图像越相似。