一種基于圖像lbp的煤巖識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于圖像LBP的煤巖識別方法，屬于煤巖識別技術(shù)領(lǐng)域。
【背景技術(shù)】
[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(chǎn)過程中煤巖識 別技術(shù)可廣泛應(yīng)用于滾筒采煤、掘進(jìn)、放頂煤開采、原煤選矸石等生產(chǎn)環(huán)節(jié)，對于減少采掘 工作面工作人員、減輕工人勞動強(qiáng)度、改善作業(yè)環(huán)境、實(shí)現(xiàn)煤礦安全高效生產(chǎn)具有重要的意 義
[0003]目前，國內(nèi)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(diào)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(dá)探測法；另一種是煤和巖石界面的測量方法，通過采煤機(jī)自生的響應(yīng)來調(diào)整 滾筒高度，包括應(yīng)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(yōu)缺點(diǎn)， 但都是采用傳感器進(jìn)行識別。一方面在不同的煤礦產(chǎn)區(qū)，需要選取不同的傳感器，并需要安 裝在不同的機(jī)器設(shè)備上；另一方面在煤炭開采環(huán)境中，傳感器本身容易出現(xiàn)故障和失靈的 情況，無疑都加大了人力和物力的浪費(fèi)。
[0004] 為解決上述問題，圖像技術(shù)越來越受到重視并研發(fā)了一些圖像技術(shù)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的煤巖識別方法，從全局來分析圖像紋理 的特點(diǎn)，沒有完全抓住局部灰度的圖像特點(diǎn)，因此，該方法易受光照、噪聲、視點(diǎn)的影響?；?于LBP的煤巖識別方法，主要以某一點(diǎn)與其鄰域像素的相對灰度作為響應(yīng)，正是這種機(jī)制 使得LBP算子對于單調(diào)的灰度變化具有不變性，可以精確的描繪圖像局部紋理信息。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于圖像LBP的煤巖識別方法，該識別方法受光照、 視點(diǎn)的影響小，能夠同時(shí)從全局和局部分析紋理特征，能夠?qū)崟r(shí)、自動地識別出當(dāng)前煤、巖 對象是煤或巖石，為自動化采掘、自動化放煤、自動化選矸等生產(chǎn)過程提供了可靠地煤巖識 別信息。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明的方案是：一種基于圖像LBP的煤巖識別方法，包括如下 步驟：
[0007] Α.在相同成像條件下，分別采集一組已知煤樣本灰度圖像集和巖樣本的灰度圖像 集；
[0008] Β.對所述的煤樣本圖像集和巖樣本圖像集分別應(yīng)用3類MB-LBP算子，得到所述煤 樣本圖像集和巖樣本圖像集的LBP響應(yīng)圖像；
[0009] C.計(jì)算所述煤樣本圖像集和巖樣本圖像集的LBP響應(yīng)圖像的灰度共生矩陣
[0010] D.分別求LBP響應(yīng)圖像的灰度共生矩陣的能量、熵、慣性矩、相關(guān)4個(gè)紋理參數(shù)的 均值和標(biāo)準(zhǔn)差作為最終8紋理特征，并組成特征向量；
[0011] Ε.對所述煤樣本灰度圖像集和巖樣本的灰度圖像集分別得到的特征向量進(jìn)行匯 總，分別得到所述煤樣本灰度圖像集和巖樣本的灰度圖像集的特征矩陣；
[0012] F.分別計(jì)算所述煤樣本灰度圖像集和巖樣本的灰度圖像集的特征矩陣的均值矩 陣，根據(jù)均值矩陣得到煤的模板特征矩陣M和巖的模板特征矩陣Y ;
[0013] G.對于待識別圖像X，按照步驟B、C、D、E的方法，得到待識別圖像X的特征矩陣 T ；
[0014] H.將M、T代入匹配公式，得到待識別圖像與煤圖像的匹配度r (M，T)，將Y、T代入 匹配公式，得到待識別圖像與巖圖像的匹配度r(Y，T);
[0015] I.比較兩類匹配度的大小，若r(M，T) > r(Y，T)，則待識別圖像是煤的圖像；若 r(M，T) < r(Y，T)，則待識別圖像是巖的圖像。
[0016] 所述的步驟B中，得到所述煤樣本圖像集和巖樣本圖像集的LBP響應(yīng)圖像的具體 過程如下：
[0017] (1)所述的煤樣本圖像集用叫、m2、m3、--、mk表示，所述的巖樣本圖像集用 y〗、y"3、· · · ·、y"k表不；
[0018] ⑵對所述煤樣本圖像集叫、m2、m3、…、11\和巖樣本圖像集y i、y2、y3、--、yk應(yīng) 用MB1-LBPu算子，即以像素塊大小為I X I的鄰域?yàn)?、半徑為2的圓形鄰域的LBP算子， 得到一類 LBP 響應(yīng)圖像 mn、m21、m31、--、!^和 y n、y21、y31、--、ykl;
[0019] (3)對所述煤樣本圖像集叫、!]!；；、!]^、· · ·、11\和巖樣本圖像集y · ·、yk應(yīng)用 MB2-LBP8,2算子，即以像素塊大小為2 X 2的鄰域?yàn)?、半徑為2的圓形鄰域的LBP算子，得到 二類 LBP 響應(yīng)圖像 m12、m22、m32、--、1%；和 y 12、y22、y32、--、yk2;
[0020] ⑷對所述煤樣本圖像集叫、!]!；；、!]^、· · ·為和巖樣本圖像集y · ·、yk應(yīng)用 MB3-LBP8,2算子，即以像素塊大小為3 X 3的鄰域?yàn)?、半徑為2的圓形鄰域的LBP算子，得到 三類 LBP 響應(yīng)圖像 m13、m23、m33、--、11\3和 y 13、y23、y33、· · · yk3。
[0021] 所述的步驟C中，得到所述LBP響應(yīng)圖像灰度共生矩陣具體過程如下：
[0022] (1)對LBP響應(yīng)圖像的灰度級進(jìn)行壓縮，將LBP響應(yīng)圖像的灰度級壓縮至16級；
[0023] (2)分別計(jì)算LBP響應(yīng)圖像的灰度共生矩陣，取距離為1，角度分別0、45、90和 135 ；
[0024] (3)對⑵生成的共生矩陣進(jìn)行歸一化處理；
[0025] (4)則每一 LBP響應(yīng)圖像則可分別得到灰度共生矩陣：〇：、Gni' Gni' Gni1'
[0026] 所述的步驟D中，得到所述LBP響應(yīng)圖像灰度共生矩陣的統(tǒng)計(jì)參數(shù)的具體過程如 下：
[0027] (1)分別計(jì)算每一 LBP響應(yīng)圖像的灰度共生矩陣G：、Gni'G1^ A135的能量E q、E45、 E9d和 E 135，熵 H。、H45、H9。和 H 135，慣性矩 I。、145、I9。和 I 135，相關(guān) C。、C45、C9。和 C 135;
[0028] (2)求LBP響應(yīng)圖像的G：、Gni' Gni9' Gni135的能量的均值a i和方差b 1;
[0029] (3)求LBP響應(yīng)圖像的Gni' Gni' Gni' Gni135的熵的均值a 2和方差b 2;
[0030] (4)求LBP響應(yīng)圖像的Gni' Gni' Gni' Gni135的慣性矩的均值a 3和方差b 3;
[0031] (5)求LBP響應(yīng)圖像的Gni' Gni' Gni' Gni135的相關(guān)的均值a 4和方差b 4;
[0032] (6)將得到的 a!、b!、a2、b2、a3、b3、a 4和 b 4組成特征向量 Q = {a !，b!，a2, b2, a3, b3， CI4? b^} 〇
[0033] 所述的步驟E中，得到所述煤樣本灰度圖像和巖樣本的灰度圖像的特征矩陣的具 體過程如下：
[0034] (1)將應(yīng)用MBfLBPs,2算子得到LBP響應(yīng)圖像的灰度共生矩陣的能量、熵、慣性矩、 相關(guān)4個(gè)紋理參數(shù)的均值和標(biāo)準(zhǔn)差組成特征向量Q1= {a p bp a2, b2, a3, b3, a4, b4};
[0035] (2)將應(yīng)用MB2-LBP8,2算子得到LBP響應(yīng)圖像的灰度共生矩陣的能量、熵、慣性矩、 相關(guān)4個(gè)紋理參數(shù)的均值和標(biāo)準(zhǔn)差組成特征向量Q2= {a p bp a2, b2, a3, b3, a4, b4};
[0036] (3)將應(yīng)用MB3-LBP8,2算子得到LBP響應(yīng)圖像的灰度共生矩陣的能量、熵、慣性矩、 相關(guān)4個(gè)紋理參數(shù)的均值和標(biāo)準(zhǔn)差組成特征向量Q3= {a p bp a2, b2, a3, b3, a4, b4};
[0037] (4)得到所述煤樣本圖像集巖樣本圖像集中每一樣本圖像的特征矩陣為T1= {Qp Q2, Q3}，其中i = 1，2,3. .k，巖樣本圖像集中每一樣本圖像的特征矩陣Ssi= (Q1, Q2, Q3}， 其中 i = 1，2,3.. k。
[0038] 所述的步驟F中，得到所述煤樣本灰度圖像集和巖樣本的灰度圖像集的模板特征 矩陣的具體過程如下：
[0039] (1)計(jì)算煤樣本圖像集叫為、m3.....mk的特征矩陣T ^T2J3.....Tk的均值矩陣
該均值矩陣M即為煤樣本圖像集的模板特征矩陣；
[0040] (2)計(jì)算巖樣本圖像集y2、y3、· · ·、yk的特征矩陣S i、S2、S3、· · ·、Sk的均值矩陣
，該均值矩陣Y即為巖樣本圖像集的模板特征矩陣。
[0041] 所述的步驟G中，得到所述煤樣本灰度圖像集和巖樣本的灰度圖像集的模板特征 矩陣的具體過程如下：
[0042] (1)將M、T代入匹配公式
其中m(s，t)表示煤的模板特征矩陣M中（s，t)處元素的值，f (s，t)表示待識別圖像特征 矩陣T中的（s，t)處元素的值；
[0043] (2)步驟⑴得到的r值賦予r(M，T)，表示待識別圖像與煤圖像的匹配度；
[0044] (3)將Y、T代入匹配公式
其中 y(s，t)表示巖的模板特征矩陣Y中（s，t)處元素的值，f (s，t)表示待識別圖像特征矩陣 T中的（s，t)處元素的值；
[0045] (4)步驟⑶得到的r值賦予r(Y，T)，表示待識別圖像與巖圖像的匹配度。
[