基于稀疏表示的煤巖識別方法
【技術領域】
[0001] 本發明涉及一種基于稀疏表示的煤巖識別方法，屬于煤巖識別技術領域。
【背景技術】
[0002] 煤巖識別即用一種方法自動識別出煤巖對象為煤或巖。在煤炭生產過程中煤巖識 別技術可廣泛應用于滾筒采煤、掘進、放頂煤開采、原煤選矸石等生產環節，對于減少采掘 工作面工作人員、減輕工人勞動強度、改善作業環境、實現煤礦安全高效生產具有重要的意 義
[0003] 目前，國內外煤巖識別主要有以下兩類方法，第一種是煤層厚度的測量方法，通過 反饋的信息調整滾筒的高度，包括各種射線和電磁波，例如自然γ射線探測法、電磁波探 測法以及雷達探測法；另一種是煤和巖石界面的測量方法，通過采煤機自生的響應來調整 滾筒高度，包括應力截齒法、震動檢測法、紅外線檢測法等。以上各種方法有各自的優缺點， 但都是采用傳感器進行識別。一方面在不同的煤礦產區，需要選取不同的傳感器，并需要安 裝在不同的機器設備上；另一方面在煤炭開采環境中，傳感器本身容易出現故障和失靈的 情況，無疑都加大了人力和物力的浪費。
[0004] 為解決上述問題，圖像技術越來越受到重視并研發了一些圖像技術的煤巖識別方 法，然而在已有的方法中，例如基于灰度共生矩陣方法，小波變換方法，用來分析圖像紋理 的特點，但是，此類方法都沒有實際考慮煤礦的開采環境，例如：煤礦井下的光照強度多變， 電磁環境復雜，噪聲等因素。基于稀疏表示的紋理方法，對于噪聲和遮擋具有很好的適應 性，再加上多層稀疏表示中考慮光照強度變化因子，可以很好的適應煤礦井下復雜的環境。
【發明內容】
[0005] 本發明的目的在于提供一種基于稀疏表示的煤巖識別方法，該識別方法考慮了光 照強度變換因子，能夠對光照強度多變具有很好的適應性，能夠對于噪聲、遮擋具有很好的 魯棒性，能夠實時、自動識別出當前對象是煙煤、無煙煤、砂巖或頁巖，為自動化采掘提供必 要的信息。用以解決現有的煤巖識別方法成本高，浪費人力物力的問題。
[0006] 為實現上述目的，本發明的方案是一種基于稀疏表示的煤巖識別方法，包括如下 步驟：
[0007] (1)建立過完備字典
[0008] 1)圖像樣本采集階段，通過照相機采集大量的在不同光照強度下的圖像，所述的 圖像包括：煙煤、無煙煤、砂巖、頁巖；
[0009] 2)圖像預處理，將采集的圖片轉化為灰度圖像；
[0010] 3)圖像特征提取，將得到的灰度圖像轉化為十字對角紋理矩陣，并分別提取得到 十字對角紋理矩陣的統計特征，并組成特征向量；最后，對圖像的特征向量進行歸一化處 理；
[0011] 4)圖像特征分類，按照采集對象所屬的類別與采集圖像時的光照強度的不同進行 分類；所述特征的分類的過程：首先，按照采集對象所屬的類別分為4大類，然后分別對不 同的采集對象按照采集時的光照強度進行分類；
[0012] 5)組合超完備字典，根據上述步驟所得到的各類特征，按照順序組合成一個超完 備字典；
[0013] (2)比較識別
[0014] 1)按照上述步驟（1)中的1)、2)、3)所示的過程，得到測試樣本的特征向量；
[0015] 2)將得到的測試圖像的特征向量利用超完備字典進行稀疏表示，并得到稀疏表示 的表示系數；
[0016] 3)分別把4大類中各類的稀疏表示，代入分類器進行識別。
[0017] 進一步地，根據本發明所述的煤巖識別方法，所述的步驟（1)建立過完備字典過 程中，圖像樣本采集階段的具體過程如下：
[0018] (1)在不同光照強度下采集大量的煙煤、無煙煤、砂巖、頁巖的圖像，采集的光照光 照強度標準按15、20、30、50、75、100、150、200、300、5001x分級，其中Ix (勒克斯）為照度單 位；
[0019] ⑵采集到的圖像表示為Pa,b,。，其中a表示為采集圖像的光照強度的類別，按照光 照強度由小到大，依次用1、···、1〇表示；b表示為采集對象的所屬類別，類別1表示煙煤、類 別2表示無煙煤、類別3表示砂巖、類別4表示頁巖；C表示同一采集對象在同一光照情況 下采集的圖像的次序，在本方法的采集過程中，每類圖像采集10張，依次表示為1、…、10。
[0020] 進一步地，根據本發明所述的煤巖識別方法，所述的步驟（1)建立過完備字典的 過程中，圖像特征提取的具體過程如下：
[0021] (I)Ga, b,。表示為各類采集圖像的灰度圖像，將轉換后的各類煤巖圖像的灰度圖像 Ga, b,。進行CDTM轉換，即十字對角紋理矩陣的轉換，得到各類圖像的四種十字對角紋理矩 陣，表不為 Ta, b, c、Ta, b, c、Ta, b, c、Ta, b, c ;
[0022] (2)分別計算十字對角紋理矩陣Ta^1Ja, b,Λ Ta,b,Λ Ta,b,c4的能量E、熵H、慣性矩 I、相關C ;
[0023] (3)計算Ta,b,Λ Ta,b,Λ Ta,b,Λ Ta,b,。4的能量E的均值和方差用a i，bi表示；
[0024] (4)計算 Ta, b, Λ Ta, b, Λ Ta, b, Λ Ta, b,。4的熵 H 的均值和方差用 a 2, b2表示；
[0025] (5)計算Ta, b, Λ Ta, b, Λ Ta, b, Λ Ta, b,。4的慣性矩I的均值和方差用a 3, b3表示；
[0026] (6)計算Ta, d、Ta, b,。2、Ta, b, Λ Ta, b,。4的相關C的均值和方差用a 4, b4表示；
[0027] (7)將得到的均值和方差組成特征向量q = {a^ bp a2, b2, a3, b3, a4, b4};
[0028] (8)將得到的特征向量歸一化，得到歸一化的特征向量Q ;
[0029] (9)將各類圖像的到的歸一化的特征向量按照類別順序組成成過完備字典D =
[Qi, ι，ι， """7 Qiaaoj ..·，Qi，io，io， ...,Qnoa, ..·，^4,10,10] 〇
[0030] 進一步地，根據本發明所述的煤巖識別方法，所述的Ga, b,。進行十字對角紋理矩陣 的轉換，得到各類圖像的十字對角矩陣的具體過程如下：
[0031] a.在Ga, b,。的素塊大小為3X3的鄰域內，將中心像素的八連通像素分為兩組，每 組4個元素。即一組為正十字的四相鄰像素和另一組對角線上的四相鄰像素，每個元素的 取值根據所在像素的值與中心像素的值相比較而分別取為〇, 1，2 ;即小于中心像素的值則 取〇,相等取值1，大于則取值2 ;
[0032] b.每組四個元素按照如下公式進行計算，便可獲得中心像素點的十字紋理單元 (CTU)值和對角紋理單元（DTU)值，這些單元值得取值范圍為0-80之間的整數。各紋理單 元值計算公式如下：
[0035] 其中，Nctu為十字紋理單元值，N _為對角紋理單元值，E "為十字線上相鄰像素值， Edi為對角線上相鄰元素值；
[0036] c.對圖像中除邊緣外的所有像素值NeTjP N_，并在以NctuS X坐標和以N_為Y 坐標的矩陣的對應元素值累加，這樣得到各類圖像的十字對角紋理矩陣Ta,
[0037] d.根據.
的起始位置的不同，可得到四種十字對角紋理矩陣：Τ^,ΛΤ^,
[0038] 進一步地，根據本發明所述的煤巖識別方法，所述計算各類圖像的十字對角紋理 矩陣的能量E、熵H、慣性矩I、相關C、的具體過程如下：
[0039] a.將十字對角紋理矩陣Ta,b,。進行歸一化處理，計算公式：
其中，Ta,b,。矩陣（X，y)對應的值為T(x，y);
[0045] f.計算U、Ta,b,。2、Ta,b,。 3、W的能量E的均值和方差用a i，Id1表示；
[0046] g.計算 Ta, b, Λ Ta, b, Λ Ta, b, Λ Ta, b, C4的熵 H 的均值和方差用 a 2, b2表示；
[0047] h.計算Ta, b, Λ Ta, b, Λ Ta, b, Λ W的慣性矩I的均值和方差用a 3, b3表示；
[0048] i.計算Ta, d、Ta, b,。2、Ta, b, Λ Ta, b,。4的相關C的均值和方差用a 4, b4表示；
[0049] j.將得到的均值和方差組成特征向量q = {a^ Id1, a2, b2, a3, b3, a4, b4};
[0050] k.將得到的特征向量歸一化，得到歸一化的特征向量Q ;
[0051] 1.將各類圖像的到的歸一化的特征向量按照類別順序搞糟成過完備字典D = [Q1,
[0052] 進一步地，根據本發明所述的煤巖識別方法，所述的步驟（2)建立過完備字典的 過程中，稀疏表示的具體過程如下：
[0053] (1)將得到的測試圖像按照步驟⑴中的1)、2)、3)所示的過程，得到測試樣本的 特征向量，并用y表示；
[0054] ⑵用Na,b表示圖像Pa, b類中的圖像數目，即在該方法中Na,b= l〇ANa,b，Pa,^， a表示采集對象的類別，b表示光照強度的類別；
[0055] (3)對y進行第一層的稀疏表示：
[0056] l)y = Qa，ba a，b，其中 a = l，2,3,4，b = 1，2，…，10，c = 10，
該層 稀疏表示，得到一個稀疏表示矩陣
C該式表示在a類對象在光照強度b下對 測試圖像特征向量y的線性表示的系數矩陣，其中，a a, a類對象在光照強度b下對測 試圖像特征向量y的線性表示中Na,b個圖像的表示系數；
[0057] 2)用
是對象a在光照強度b下的采集圖像類的稀疏表 示系數，即與aa,b相同；
[0058] (4)對y進行第二層稀疏表示：
[0060] 2)
是對象a在各類光照下的稀疏表示系數，即與β a相同；
[0061] (5)對y進行第三層稀疏表示：
[