[發明專利]基于完備局部二值模式重構殘差的煤巖識別方法

有效

• 申請號: 201710397517.2
• 申請日: 2017-05-31
• 公開（公告）號: CN107169524B
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 孫繼平;陳浜
• 申請（專利權）人: 中國礦業大學（北京）
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/38
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于完備局部二值模式重構殘差的煤巖識別方法，其特征在于，包括以下步驟：

QS1.在樣本訓練階段，采集m幅煤炭樣本圖像和m幅巖石樣本圖像，截取不含非煤巖背景的子圖并對它們進行灰度化處理，處理后的煤炭樣本子圖和巖石樣本子圖分別記為c₁,c₂,…,c_m和s₁,s₂,…,s_m；

QS2.設定采樣半徑r＝1和采樣鄰域數p＝8，分別提取c₁,c₂,…,c_m和s₁,s₂,…,s_m的帶有旋轉不變特性和均勻特性的歸一化完備局部二值模式特征行向量y₁,y₂,…,y_m∈R^1×200和z₁,z₂,…,z_m∈R^1×200；

QS3.設定采樣半徑r＝2和采樣鄰域數p＝16，分別提取c₁,c₂,…,c_m和s₁,s₂,…,s_m的帶有旋轉不變特性和均勻特性的歸一化完備局部二值模式特征行向量α₁,α₂,…,α_m∈R^1×648和β₁,β₂,…,β_m∈R^1×648；

QS4.設定采樣半徑r＝3和采樣鄰域數p＝24，分別提取c₁,c₂,…,c_m和s₁,s₂,…,s_m的帶有旋轉不變特性和均勻特性的歸一化完備局部二值模式特征行向量η₁,η₂,…,η_m∈R^1×1352和μ₁,μ₂,…,μ_m∈R^1×1352；

QS5.分別構建c₁,c₂,…,c_m和s₁,s₂,…,s_m的最終特征列向量x₁＝[y₁,α₁,η₁]^T,x₂＝[y₂,α₂,η₂]^T，…，x_m＝[y_m,α_m,η_m]^T∈R^2200×1和x_m+1＝[z₁,β₁,μ₁]^T,x_m+2＝[z₂,β₂,μ₂]^T,…,x_2m＝[z_m,β_m,μ_m]^T∈R^2200×1，其中^T為轉置運算；

QS6.分別構建煤炭訓練樣本特征矩陣X_c＝[x₁,x₂,…,x_m]∈R^2200×m和巖石訓練樣本特征矩陣X_s＝[x_m+1,x_m+2,…,x_2m]∈R^2200×m；

QS7.設置正則化參數λ₁,λ₂,迭代次數K和字典原子數τ，其中0＜λ₁＜1,0＜λ₂＜1,15≤K≤50,0＜τ≤m，對X_c和X_s進行判別式字典學習，得到煤炭類別綜合型字典D_c、巖石類別綜合型字典D_s、煤炭類別解析型字典T_c和巖石類別解析型字典T_s，判別式字典學習包括以下子步驟：

LS701.從X_c中隨機地抽取τ列構建煤炭類別綜合型字典D_c∈R^2200×τ，從X_s中隨機地抽取τ列構建巖石類別綜合型字典D_s∈R^2200×τ，從X_c中隨機地抽取τ列再通過轉置運算構建煤炭類別解析型字典T_c∈R^τ×2200，從X_s中隨機地抽取τ列再通過轉置運算構建巖石類別解析型字典T_s∈R^τ×2200，然后分別對D_c,D_s,T_c和T_s進行逐列歸一化處理；

LS702.構建數據矩陣Q_c∈R^2200×2200并通過Q_c＝(λ₁X_cX_c^T+λ₂X_sX_s^T+0_.00001I₂₂₀₀)^-1初始化，構建數據矩陣Q_s∈R^2200×2200并通過Q_s＝(λ₁X_sX_s^T+λ₂X_cX_c^T+0.00001I₂₂₀₀)^-1初始化，其中I₂₂₀₀為2200階單位矩陣，^T為轉置運算，^–1為求逆運算；

LS703.構建煤炭樣本稀疏編碼矩陣U_c∈R^τ×m并通過U_c＝(D_c^TD_c+λ₁I_τ)^-1(D_c^T+λ₁T_c)X_c初始化，構建巖石樣本稀疏編碼矩陣U_s∈R^τ×m并通過U_s＝(D_s^TD_s+λ₁I_τ)^-1(D_s^T+λ₁T_s)X_s初始化，其中^T為轉置運算，^–1為求逆運算，I_τ為τ階單位矩陣；

LS704.定義迭代序號b并初始化為0；

LS705.通過T_c＝λ₁U_cX_c^TQ_c更新T_c，通過T_s＝λ₁U_sX_s^TQ_s更新T_s；

LS706.把數學描述為

的優化問題記為Problem1，用Problem1的解D^*∈R^2200×τ更新D_c，其中||·||_F為矩陣的Frobenius范數，||·||₂為向量的2–范數，為D^*的第i列，i為D^*的列標號，i＝1,2,…,τ；

LS707.把數學描述為

的優化問題記為Problem2，用Problem2的解更新D_s，其中||·||_F為矩陣的Frobenius范數，||·||₂為向量的2–范數，為的第j列，j為的列標號，j＝1,2,…,τ；

LS708.分別通過U_c＝(D_c^TD_c+λ₁I_τ)^-1(λ₁T_c+D_c^T)X_c和U_s＝(D_s^TD_s+λ₁I_τ)^-1(λ₁T_s+D_s^T)X_s更新U_c和U_s，其中^T為轉置運算，^–1為求逆運算，I_τ為τ階單位矩陣；

LS709.迭代序號b自增1；

LS710.如果滿足b＜K，那么執行子步驟LS705–LS710；否則，執行子步驟LS711；

LS711.完成字典學習，輸出D_c,D_s,T_c和T_s；

QS8.在煤巖識別階段，采集未知類別樣本圖像，截取不含非煤巖背景的子圖并對它進行灰度化處理，處理后的未知類別子圖記為q；

QS9.設定采樣半徑r＝1和采樣鄰域數p＝8，提取q的帶有旋轉不變特性和均勻特性的歸一化完備局部二值模式特征行向量v_q∈R^1×200；

QS10.設定采樣半徑r＝2和采樣鄰域數p＝16，提取q的帶有旋轉不變特性和均勻特性的歸一化完備局部二值模式特征行向量δ_q∈R^1×648；

QS11.設定采樣半徑r＝3和采樣鄰域數p＝24，提取q的帶有旋轉不變特性和均勻特性的歸一化完備局部二值模式特征行向量θ_q∈R^1×1352；

QS12.構建q的最終特征列向量x_q＝[v_q,δ_q,θ_q]^T∈R^2200×1，其中^T為轉置運算；

QS13.如果滿足||x_q-D_cT_cx_q||₂≤||x_q-D_sT_sx_q||₂，那么判定q為煤炭；否則，判定q為巖石，其中||·||₂為向量的2–范數。