自动识别区分骸晶状菱形赤铁矿与残存赤铁矿的方法

摘要

本发明涉及烧结矿矿相分析技术。本发明公开了一种自动识别区分骸晶状菱形赤铁矿与残存赤铁矿的方法，该方法采用支持向量机(SVM)模糊识别算法，根据残存赤铁矿和骸晶状菱形赤铁矿两类样本的几何分布，不断地找出支持向量，通过不断地迭代学，最后确定残存类赤铁矿样本数据和骸晶类样本三个模型参数，即最优分类面，对经过识别亮度五大类基础上并已标出高亮度赤铁矿的区域的图像，进行判别，将骸晶类和残存类赤铁矿区分开来，实现对残存赤铁矿和骸晶状/菱形赤铁矿这两类模式的分类。本发明不但实现了烧结矿矿相中骸晶状菱形赤铁矿与残存赤铁矿的自动分析识别，而且大大提高了分析的标准性、准确性和分析效率。

主权项

1.一种自动识别区分骸晶状菱形赤铁矿与残存赤铁矿的方法，其特征是：第一步，采用具有小样本高识别能力的支持向量机进行两类的自动判别，样本的采集是在识别亮度五大类的基础上，把高亮度赤铁矿区域标出，然后利用腐蚀扩张的方法把各弱相连的区域隔离开；然后把每个区域用二值图像保存下来，其中白色标识的是区域，黑色是背景，经人工的识别筛选将骸晶类和残存类赤铁矿分开来，将这两类样本送入支持向量机模型中训练学习；第二步，由于骸晶与残存赤铁矿颗粒是以相互重叠混杂的形式存在，采用多模型训练方法，获得赤铁矿三个模型参数，其步骤是：第2.1步，将赤铁矿样本分成小面积形，大面积长条形，大面积丰满形三类，然后对三类样本进行分别训练和分类，对应有三个支持向量机模型；第2.2步，样本特征抽取，形成多维的特征向量，把该特征向量所已知的骸晶类、残存类赤铁矿类别送入支持向量机模型训练；第2.3步，样本特征数据的归一化处理，将样本特征抽取后得到的特征值必须经过归一化处理；第2.4步，根据残存赤铁矿和骸晶状菱形赤铁矿两类样本的几何分布，设定支持向量机模型的初始参数，通过支持向量机模型的训练，不断地找出支持向量，通过不断地迭代学习，得出最优模型参数的训练结果，即最优分类面；然后利用样本训练方法，经过训练学习，最终确定残存类赤铁矿样本和骸晶类赤铁矿样本的三个模型参数；第三步，赤铁矿分类识别，对经过识别亮度五大类基础上并已标出高亮度赤铁矿的区域，同样先进行腐蚀扩张去除区域向量现象，然后对每一个区域进行特征抽取得到对应的特征向量，最后利用上面得到三个模型参数，对每个区域进行判别，从而将骸晶类和残存类赤铁矿区域区分开来，实现对残存赤铁矿和骸晶状菱形赤铁矿的分类。