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

摘要

一种基于煤岩图像特征抽取与分类识别的煤岩分界方法和系统，首先在采煤工作面拍摄煤岩图像，然后抽取煤岩图像的纹理特征信息并构造成特征向量；纹理特征信息包括原图像和每个Daubechies小波分解尺度的低频系数图像的角二阶矩、对比度、相关、均值、方差，还包括计算水平、垂直和对角三个方向的高频系数图像的总均值和总方差；最后创建最佳分类器，实现对煤岩界面的识别。本系统包括图像采集模块、特征模块、分类识别模块、结果显示交互模块、存储模块和控制模块。本发明所提出的基于煤岩图像特征抽取与分类识别的煤岩分界方法和系统具有计算简便、人工干预少、成本低、可有效提高复杂环境下煤岩图像的分类精度和效率，提供准确可靠的煤岩界面信息。

主权项

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，其特征在于，包括以下步骤：A.在采煤工作面分别采集多幅煤、岩的图像，并将其分为训练样品图像、测试样品图像；B.计算训练样品图像和测试样品图像的纹理图像特征值，并构造成特征子向量P1；C.将训练样品图像和测试样品图像进行Daubechies小波变换；对每个分解尺度的低频系数图像计算其角二阶矩、对比度、相关、均值、方差，并构造成特征子向量P2；同时计算每个分解尺度水平、垂直和对角三个方向的高频系数图像的总均值和总方差，并构造成特征子向量P3；D.构造纹理特征向量；E.将纹理特征向量输入分类器，可供用户选择的分类器有以下几种：概率神经网络(PNN)，径向基神经网络(RBF)，最小距离分类器(MDC)，极大似然分类器(MLC)和支持向量机等，用户可根据具体情况选择合适的分类器；F.对分类器进行设置、训练和测试，然后输入待分类识别的样品图像纹理特征向量进行分类，得到最后的分类结果。