[發明專利]一種基于BP神經網絡的煤巖圖像識別方法

有效

• 申請號: 201310535559.X
• 申請日: 2013-11-04
• 公開（公告）號: CN103530621A
• 公開（公告）日: 2014-01-22
• 發明（設計）人: 孫繼平;佘杰
• 申請（專利權）人: 中國礦業大學(北京)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于計算機圖像處理與模式識別領域，是一種利用圖像紋理特征信息對煤巖圖像進行特征抽取，并用神經網絡等對特征向量進行分類的方法。

背景技術

在煤礦井下開采過程中，需要準確識別煤層和巖層，以此來控制采煤機搖臂的升降，從而避免切割至頂底板巖石。目前，我國主要采用保守開采的方式，實際采出率低，造成了嚴重的資源浪費。而現在的技術水平也很難對剩余的大量煤炭資源進行二次開采，因此開發煤巖識別技術具有重要意義。

從20世紀50年代起，美國等世界主要產煤國越來越重視煤巖識別領域的研究。例如：基于煤巖自然γ射線輻射特性的傳感器法，此法通過γ射線在煤層和巖層的不同衰減規律，從而對煤層和巖層進行識別。該方法要求頂板巖石必須具有放射性元素，因此對于放射性元素較少的砂巖頂板則無法應用，限制了其在我國大面積推廣。

中國專利CNi01922290公開的煤巖界面識別方法，雖然能自動識別出煤巖，但是存在如下問題：第一，高壓水射流會造成采煤現場排水困難；第二，被煤層或巖層反射的反射流對噴嘴形成的不同作用力很難準確感知。

Pesaresi利用不同尺度的開、閉運算構造了圖像的形態學剖面，并利用神經網絡對多尺度形態學特征進行分類，他認為開、閉運算運用于圖像，可以檢測出比鄰域更暗或更亮的結構單元。Benediktsson提出了差分形態學剖面的概念，用相鄰尺度間開、閉運算結果的差作為圖像新的結構特征，并用BP神經網絡對該結構特征進行分類。這些方法都是利用一定區域圖像的灰度分布特征來提取特征信息，使得圖像細節得不到充分表達，影響了圖像分類精度。

發明內容

為克服上述現有技術的不足，本發明提供了一種基于BP神經網絡的煤巖圖像識別方法。

本發明的技術方案如下：

一種基于BP神經網絡的煤巖圖像識別方法，

包括以下步驟：

1)選擇A幅煤巖訓練樣品圖像，B幅待分類煤巖測試樣品圖像，其中B小于A；

2)將第1)步的訓練樣品圖像和待分類測試樣品圖像進行三級Daubechies小波變換；

3)對訓練樣品圖像和待分類測試樣品圖像抽取紋理特征信息；

4)對訓練樣品圖像和待分類測試樣品圖像構造紋理特征向量；

5)將訓練樣品圖像的紋理特征向量輸入分類器，分類器為BP神經網絡；

6)對分類器進行設置和訓練，然后輸入待分類測試樣品圖像紋理特征向量進行分類，得到最后的識別結果。

所述第3)步抽取紋理特征信息包括：

計算每個子帶的熵和均值，分別記為E和M，將同一子帶的E與M的比值E/M作為特征子向量；對于分解變換得到的LH、HH、HL子帶，計算其由灰度共生矩陣所衍生出來的角二階矩和對比度，分別將角二階矩和對比度記為α和β，并構造特征子向量，由式(1)計算：