0063] 2)
是測試圖像的特征向量y在各類對象下的表示稀疏，即與λ相同。
[0064] 進一步地，根據本發明所述的煤巖識別方法，所述的識別的具體過程如下：
[0065] (1)設置誤差稀疏ε ;
[0066] ⑵第一層稀疏表示，計算：在I |y_Qa,ba a,b| |2< ε條件下的min| I a a,b| |屈a a, b其中a=l，…，4;b=l，"·，10;|| M2表示L2范式約束，Μ M1表示LI范式約束；
[0067] (3)第二層稀疏表示，計算：在I |y-Za0a| |2彡ε條件下的min| I β a| I屈β a，其 中a= 1，2,3,4; Μ M2表示L2范式約束，Μ M1表示LI范式約束；
[0068] (4)第三層稀疏表示，計算：在I Iy-X λ I |2< ε條件下的mini I λ I I屈λ ; λ = [A1, λ2, λ3, λ4] ;| I I |2表示L2范式約束，I I I I i表示LI范式約束；
[0069] (5)計芻
其中a= 1，2,3,4;| I I |2表示L2范式約束；
[0070] (6) gri(y)是6(7)，r2(y)，r3(y)，r 4(y)中的最小值，則被測試圖像為煙煤的圖 像；若r2(y)是!T1 (y)，r2(y)，r3(y)，r4(y)中的最小值，則被測試圖像為無煙煤的圖像；若 !? 3(7)是1'1(7)，1'2(7)，1'3(7)，1' 4(7)中的最小值，貝11被測試圖像為砂巖的圖像；若1'4(7)是 A(y)，r2(y)，r3(y)，r4(y)中的最小值，則被測試圖像為頁巖的圖像。
[0071] 本發明達到的有益效果：本發明采用十字對角紋理矩陣提取特征和多層稀疏表示 方法進行表示識別，可以很好地增強煤圖像巖識別的光照適應性，獲得了很好地識別效果， 為自適應識別不同光照條件下的煤巖圖片提供了很好的方法。而且，本發明的煤巖識別方 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。
【附圖說明】
[0072] 圖1是本發明所述基于稀疏表示的煤巖識別流程圖；
[0073] 圖2是本發明所述灰度圖像轉換為十字對角紋理矩陣的轉換原理圖；
[0074] 圖3是本發明所述的4種十字對角紋理矩陣的構造原理圖；
[0075] 圖4是本發明所述的三層稀疏表示的具體流程圖；
[0076] 圖5是本發明所述的煤巖分類的流程圖。
[0077] 其中，圖3中，說明了通過該變每組各個元素的位置，得到的所有可能的十字紋理 單元與對角紋理單元的值。
【具體實施方式】
[0078] 下面結合附圖和【具體實施方式】對本發明作進一步的詳細闡述；
[0079] 本發明的基于稀疏表示的煤巖識別方法，它包括如下步驟：
[0080] (1)建立過完備字典
[0081] 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片，包括： 煙煤、無煙煤、砂巖、頁巖；
[0082] 2)圖像預處理，將采集的圖片轉化為灰度圖像；
[0083] 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，例如：相關、熵等，并將統計特征按照一定組合和順序組成 特征向量；最后，對圖像的特征向量進行歸一化處理；
[0084] 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；
[0085] 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；
[0086] (2)比較識別
[0087] 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。
[0088] 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。
[0089] 3)分別把4大類中各類的稀疏表示，代入分類器進行識別；
[0090] 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：
[0091] -、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；
[0092] 二、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，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。
[0093] 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：
[0094] -、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，最終，得到各類圖像的四種十字對角紋 理矩陣，表示為 Ta, b, Λ Ta, b, Λ Ta, b,。3、Ta, b, Λ
[0095] 二、分別計算十字對角紋理矩陣Ta,b,Λ Ta,b,Λ Ta,b,Λ Ta,b,。4的能量E、熵H、慣性矩 I、相關C ;
[0096] 三、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；
[0097] 四、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；
[0098] 五、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；
[0099] 六、計算b,Λ Ta,b,c3、Ta, b,C4的相關C的均值和方差用a 4, b4表示；
[0100] 七、將得到的均值和方差組成特征向量q = {a^ bp a2, b2, a3, b3, a4, b4};
[0101] 八、將得到的特征向量歸一化，得到歸一化的特征向量Q ;
[0102] 九、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
[0103] 如圖2所示，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 Ta,b,。具體過程如下：
[0104] 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 ;
[0105] 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：
[0108] 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；
[0109] a)對圖像中除邊緣外的所有像素值NctJP N_，并在以Nctu為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,
[0110] b)如圖3所示，根據
，的起始位置的不同，可得到四種十字對角紋理矩 FTfe rT 1下 2 T 3 下 4 丨'izF1 ·丄 a, b，c 、丄 a, b，c 、丄 a, b，c 、丄 a, b，c 〇
[0111] 計算各類圖像的十字對角紋理矩陣Ta,b,Λ Ta,b,Λ Ta,b,Λ Ta,b,。4的能量E、熵H性矩 I、相關C、的具體過程如下：
[0112] a.將十字對角紋理矩陣Ta, b,。進行歸一化處理，計算公式：
[0113] 其中，Ta,b,c矩陣（X，y)對應的值為T(X，y);
[0120] f.計算?^,。1、Ta,b,。2、T a,b,。3、W的能量E的均值和方差用a p Id1表示；
[0121] g.計算Ta。1、Ta,b,。2、Ta, b,。3、W的熵H的均值和方差用a 2, b2表示；
[0122] 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；
[0123] i.計算Ta, b, Λ Ta, b, Λ Ta, b, Λ Ta, b,。4的相關C的均值和方差用a 4, b4表示；
[0124] j.將得到的均值和方差組成特征向量q = Ia1, Id1, a2, b2, a3, b3, a4, b4};
[0125] k.將得到的特征向量歸一化，得到歸一化的特征向量Q ;
[0126] 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, 1,1，…，Ql，l，l0，…，Ql，l0，l0，…，04，10，1，…，04，10，10]，D G R ；
[0127] 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：
[0128] 一、將得到的測試圖像按照步驟（1)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；
[0129]