基于多尺度微纹理和对比度联合分布的煤岩识别方法

摘要

本发明公开了一种基于多尺度微纹理和对比度联合分布的煤岩识别方法，该方法用8个尺度的微纹理和相应尺度下的对比度联合分布特征来描述煤、岩图像特征信息，用Greedy算法选择煤岩模式；在识别时，待识别图像用与训练图像同样的方法抽取图像特征信息，然后和训练阶段学到的模式进行比较，用G统计来度量，用最近邻准则来识别。该方法受照度和成像视点变化影响小，识别率高，稳定性好。

主权项

基于多尺度微纹理和对比度联合分布的煤岩识别方法，包括学习阶段和识别阶段，其特征在于：在学习阶段包括以下步骤：A.选择包含不同视角和照度条件下的煤岩样本图像，抽取大小合适的子图像组成煤岩样本学习集A和测试集B；B.对煤岩样本学习集A和测试集B中的每张子图像用操作分别提取8个尺度下的微纹理特征和8个相应尺度下的对比度特征，将相同尺度下的微纹理特征和对比度特征联合分布用离散的二维直方图表示，将8个二维直方图级连成一个直方图成为每张子图像特征，每张子图像特征代表煤或岩的一个模式；C.利用测试集B用Greedy算法在学习集A中选择煤岩模式；在识别阶段：D.对于给定的待识别煤岩图像，用与学习阶段相同的方法处理图像得到图像特征，用G统计度量与步骤C所得到的煤岩模式的相似性，使G最小的模式即为待识别对象所属的模式，计算公式为：$\begin{array}{c}G=2\left(\right[\underset{s,m}{\Sigma }\underset{i=1}{\overset{n}{\Sigma }}{f}_i\log f_i]-[\underset{s,m}{\Sigma }\left(\underset{i=1}{\overset{n}{\Sigma }}{f}_i\right)\log \left(\underset{i=1}{\overset{n}{\Sigma }}{f}_i\right)]\\ -\left[\underset{i=1}{\overset{n}{\Sigma }}\left(\underset{s,m}{\Sigma }{f}_i\right)\log \left(\underset{s,m}{\Sigma }{f}_i\right)\right]\\ +\left[\left(\underset{s,m}{\Sigma }\underset{i=1}{\overset{n}{\Sigma }}{f}_i\right)\log \left(\underset{s,m}{\Sigma }\underset{i=1}{\overset{n}{\Sigma }}{f}_i\right)\right])\end{array}$其中，S为待识别图像模式，m为煤或岩的模式，n为模式单元个数，f_i是在单元i中的个数。