基于视觉计算的煤岩识别方法研究

2019-02-03 17:18  来自: 网络中心

基于视觉计算的煤岩识别方法研究
陈宇
【摘要】在中国,煤炭作为工业粮食始终是主要的能源来源。
近年来,中国积极推动煤炭供应改革,倡导清洁能源的发展,煤炭消费份额正在下降。
然而,中国拥有丰富的煤炭资源,缺乏石油和天然气已经决定。未来长期难以改变中国煤基能源的基本格局。
自动识别煤和岩石是一个开放的国际问题。它是煤炭知识提取和加工的关键技术之一。随着进展,预计将对剪切滚筒进行自动控制,控制完全机械化的上部煤腔,并控制选煤厂。
传统的煤与岩石区分方法一般存在性能差,稳定性差,适用范围窄等问题。
鉴于煤岩的明显视觉差异,中国国家科学基金会(NO。
,51134024),国家重大研究与发展计划(NO。
2016年YFC 0801800)和国家高技术研究发展计划(国家计划863)(NO。
在2012AA 062203的支持下,本研究从视觉计算的角度探讨了区分煤与岩石的几种新方法。1)提出了基于高斯广义小波域非对称分布的统计分析方法,并提出了碳岩识别方法模型。
首先,我们将几个多级离散小波变换应用于煤岩图像,以获得几个中高频小波子带。
然后,将这些子带的系数的分布是由非对称广义高斯分布的统计模型模型化,通过最大似然估计,以获得该模型的参数。
最后,对非对称广义高斯分布导出的相对熵的表示被认为是完成煤岩类别确定的相似性度量。
多组实验结果表明,该方法实现的精确识别率比其他类似方法更令人满意。
鉴于此,该方法得到进一步改进,并且离散小波变换被具有更多任意方向和更大旋转不变性的可控塔的分解所取代。
其他实验结果表明,改进的碳锁识别方法在改进前的正确识别率方面有一些改进。
对于煤岩图像中高频小波子带系数或可控定向子带的分布,使用非对称广义高斯分布的统计模型是合理的。
实验结果表明,两种识别煤岩的方法实时满足要求。
2)复双小波小波变换和广义Gamma分布我们提出了一种基于统计模型的有效碳识别方法。
首先,将两级多树的复小波变换应用于煤岩图像,以获得多个方向子带。
接下来,为了减少由样本旋转引起的地址子带相似性的不对准,我们提出了一种简单有效的不变旋转改进策略。双树。绝对系数的均值和方差的乘积按降序排列。
接下来,使用广义伽马分布的统计模型来模拟这些子带的绝对系数。通过基于估计方程的广义伽马分布参数估计方法确定模型的参数,而不管标度如何。
最后,将从推导得到的广义伽马分布的相对熵的表示作为相似性的度量,以完成煤锁类别的确定。几对交叉验证实验和随机抽样实验的结果表明,该方法在识别准确性方面比其他类似方法更令人满意。
在另一方面引进和部署策略提高不变的旋转,另一方面有助于进一步提高准确的识别率,而另一方面可能成为工程师和工程技术人员的识别率之间更加灵活。准确的正常运行时间和存储容量。
此外,实验结果也以确保它是可以使用广义伽马分布的统计模型相对于所述复合双波纹的绝对系数的分布涟漪可以执行子带方向锁定碳图像你可以。
3)碳 - 岩石图像的意义分布RELBP属性被引导到引入基于在由碳和岩石识别(RELBP)领域中的最终中的滤波扩展局部二元模式的。不平衡类别(即煤和岩石图像)的图像的RELBP属性的重要性的加权矩阵被分类为罕见的。分别基于相关的优化问题的最小二乘回归模型和正规化相关熵模型,有效的方式RELBP的解决方案,正规化相关熵模型碳岩石识别基于最小二乘法回归,以优化RELBP基于GIS的碳岩石识别的另一种有效方法。
首先,从煤岩图像中提取原始多尺度RELBP特征向量。
然后,在原有基础上的特征向量RELBP训练样本,建立最小二乘回归模型或规则的相关熵模型,得到在模型分辨率的优化问题,更好地识别原有的特色vector.Mode
然后,根据这些优选实施例,从RELBP的原始特征向量中提取RELBP的优选特征向量。
最后,通过计算优选特征的矢量之间的距离χ2来完成识别煤岩的任务。
几组交叉验证实验的结果表明,这两种方法的精确识别率高于大多数其他方法。它略高于使用原始RELBP特征向量的最后一种方式。用于识别煤和岩石(注册为RELBP方法)
多组随机抽样实验结果表明,两种方法和RELBP方法在正确识别率方面基本等效或等效,但仍远高于其他方法。应注意,与RELBP方法相比,两种方法的存储容量降低到不同程度。
包含在最小二乘回归模型或正相关熵模型将需要时间,但因为它是在样品的训练阶段离线进行,它不会产生不利的时候性能影响的优化问题。方法真实
4)尽管RELBP是一种非常新的图像特征描述符,但其参数的组成有些不方便,并且操作过程需要大量时间。
因此,研究方法针对可以判断的另一个图像特征描述符,但可以是更快和完全本地二进制模式(CLBP)。
如果建议是根据预定的参数进行配置,特征向量CLBP其是原提取物具有非常高的水平,它比使用预定参数获得的原始特征向量RELBP高得多。
为了解决这个问题,尝试了煤和岩石CLBP图像的原始矢量的一些转换。在这项研究中,我们提出通过支持向量的基础上,CLBP分类的其他碳锁定识别方法,以重建浪费基础上的词典学习的CLBP碳锁定识别方法。的第一件事情的基本过程如下:首先,以提取的多尺度煤岩图像的CLBP特性的矢量,然后,在样品的训练阶段中提取特征向量CLBP样品。用矢量支持字典学习的类训练,以及一系列调用锁表达字典,权重向量和调用锁类别补偿。只有表示才能完成此过程。在训练样本CLBP特征向量字典中,即,代码向量具有一些方差,但它也需要尽可能线性。接下来,在样本的测试阶段,针对煤矿岩表达字典计算测试样本的特征向量CLBP的编码向量。最后,使用具有煤岩类重量矢量和位移参数的线性判别函数来完成测试样本的编码矢量的类别确定。
后者基本上过程如下:首先从煤岩图像中提取的多尺度CLBP特征向量,然后提取的类别的训练样本的CLBP特性矢量在样品的训练阶段。配对字典:完整的字典和分析字典,每个字典对应一对字典。最后,样品测试阶段中,测试样品的CLBP特征向量,一些是使用用于获得最小剩余重建相应的字典对类别对重构与字典对应的类别用作最终结果。煤岩的识别几组交叉验证实验和随机抽样实验的结果表明,这两种方法的识别效果优于其他方法。
特别是,在训练样本不足的随机抽样实验的情况下,它们仍然可以实现高比例的准确识别。
包括两种方式时,这些虽然两者字典引起的学习和对投影字典学习支持向量消费,他们在样本的训练阶段完成所有。
因此,如果这两种方法实时满足要求,则完全依赖于CLBP性质的提取和煤岩类别的确定。
几个实验组的结果表明,两种方法都可以在交叉验证条件或随机抽样条件下实时在线进行。
此外,其占用的存储容量与训练示例的数量无关。由于结合这两种方法的硬件系统可以很好地适应训练,因此这一优势将有助于未来的硬件系统集成。
格兰特单位]:矿业大学(北京)的中国学校[等级]:博士(°):2018[分类号]:TD315; TP391。
41
下载全文
更多类似的文件



下一篇:[山城返回家园]