專利名稱：一種煤和矸石的圖像識別方法
技術領域：
本發(fā)明涉及一種圖像識別方法，尤其是一種基于計算機的煤和矸石的圖像自動識別方法。
背景技術：
在煤炭生產(chǎn)和加工過程中會產(chǎn)生大量的矸石，傳統(tǒng)的重介法、跳汰法等分選方法設備龐大、水污染嚴重，對工人健康及環(huán)境都造成很大的危害，因此制造現(xiàn)代化的自動分選設備是非常必要的。而制造自動分選設備的前提就是尋找出煤和矸石的顯著區(qū)別。在目前公開的分選方法中，最主要的就是基于伽瑪射線以及雙能伽瑪射線探測技術的煤和矸石分選方法，目前涉及基于圖像處理的煤和矸石分選大致分兩種，一種是基于圖像的灰度直方圖的識別方法，另外一種是基于圖像灰度共生矩陣的識別方法，但其識別率低。發(fā)明內(nèi)容
技術問題本發(fā)明的目的是針對已有技術中存在的問題，提供一種識別率高的煤和矸石的圖像自動識別方法。
技術方案本發(fā)明的煤和矸石的圖像識別方法，包括以下步驟a.利用電子攝像裝置拍攝煤試樣與矸石試樣的數(shù)字圖片，通過矩陣實驗室計算機編程對拍攝的煤試樣和矸石試樣的數(shù)字圖片進行圖像處理，去除噪音；b.對處理過的煤試樣和矸石試樣圖片提取灰度直方圖的5個特征參數(shù)，并提取灰度共生矩陣的11個特征參數(shù)；c.通過主成分分析法對提取的16個特征參數(shù)進行降維處理，選取每塊煤或矸石的5 個主成分特征參數(shù)；d.確定BP神經(jīng)網(wǎng)絡算法的輸入層、隱含層和輸出層的神經(jīng)元個數(shù)，調節(jié)各層之間的連接函數(shù)，輸入煤或矸石的5個主成分特征參數(shù)即可實現(xiàn)煤和矸石的圖像識別。
所述對處理過的煤和矸石圖像提取灰度直方圖的5個特征參數(shù)為平均值、方差、 偏度、峰度、能量；所述對處理過的煤和矸石圖像提取灰度共生矩陣的11個特征參數(shù)為對比度、相關、熵、逆差矩、能量、中值、協(xié)方差、反差、差異性、二階矩、自相關。
有益效果本發(fā)明通過煤和矸石圖像的灰度與紋理特征實現(xiàn)煤和矸石的自動識別與分選，應用目前較成熟的BP神經(jīng)網(wǎng)絡算法對煤和矸石進行識別，對煤和矸石圖片進行處理以及應用計算機進行智能識別和分選。BP神經(jīng)網(wǎng)絡算法有較好的模式識別能力和學習能力，可根據(jù)現(xiàn)有的資料進行自適應學習、訓練，并利用BP神經(jīng)網(wǎng)絡函數(shù)對網(wǎng)絡進行初始化、 仿真和訓練，得到較精確的煤和矸石識別結果。選取煤和矸石的試樣若干，提取每個試樣的 5個主成分特征參數(shù)對神經(jīng)網(wǎng)絡進行訓練，達到訓練要求的誤差。在訓練好的BP神經(jīng)網(wǎng)絡中，輸入任何一張由煤或矸石數(shù)字圖片中提取的5個主成分參數(shù)，即可從輸出層得出識別的結果，有助于煤和矸石的分選，提高煤的品質。其識別率高，易操作。


圖1是本發(fā)明的流程圖。
具體實施方式
下面結合附圖對本發(fā)明的實施例作進一步的描述本發(fā)明的煤和矸石的圖像識別方法，利用電子攝像裝置拍攝煤試樣與矸石試樣的數(shù)字圖片，通過矩陣實驗室計算機編程對拍攝的煤試樣和矸石試樣的數(shù)字圖片進行圖像處理， 統(tǒng)一圖片尺寸、對圖片進行中值濾波，以消除在圖像傳輸、轉換過程中產(chǎn)生的噪聲；對處理過的煤試樣和矸石試樣圖片提取灰度直方圖的5個特征參數(shù)，對處理過的煤和矸石圖像提取灰度直方圖的5個特征參數(shù)為平均值、方差、偏度、峰度、能量；灰度直方圖表示數(shù)字圖片中某一灰度級出現(xiàn)的頻數(shù)，顯示出圖像的灰度范圍、灰度級的大致分布情況。同時提取灰度共生矩陣的11個特征參數(shù)，對處理過的煤和矸石圖像提取灰度共生矩陣的11個特征參數(shù)為對比度、相關、熵、逆差矩、能量、中值、協(xié)方差、反差、差異性、二階矩、自相關，其中二階矩、對比度、熵、方差和逆差矩主要是灰度共生矩陣進行紋理分析的主要參數(shù)。由于上述灰度直方圖和灰度共生矩陣的特征參數(shù)共有16個，過于冗雜，且處理起來不方便，通過采用主成分分析法對提取的16個特征參數(shù)進行降維處理，設置主成分的累積方差貢獻率為 90%,將16個特征參數(shù)通過線性變換選出主要的5個主成分特征參數(shù)，這5個主成分特征參數(shù)是原16個特征參數(shù)的線性組合，從而使每張數(shù)字圖片原來提取的16個特征參數(shù)綜合用 5個主成分特征參數(shù)代替，這5個主成分特征參數(shù)最大限度的表征了原16個特征參數(shù)的數(shù)據(jù)特征，這5個主成分特征參數(shù)即是煤和矸石的圖像識別的基礎。最后，設定BP神經(jīng)網(wǎng)絡算法的輸入層、隱含層和輸出層神經(jīng)元的個數(shù)，調節(jié)各層之間連接函數(shù)，輸出層中煤和矸石分別用“ 1，，和“0”表征，輸入選取的煤或矸石的5個主成分特征參數(shù)即可實現(xiàn)煤和矸石的圖像識別。
由于煤呈黑色，而矸石呈灰色，二者的灰度與紋理有顯著的不同，根據(jù)這一特征將煤和矸石分別用“1”和“0”的數(shù)字來表征，隨機選取煤試樣和矸石試樣，對每個試樣均在同一條件下用電子攝像機進行拍照，獲取試樣的數(shù)字圖片。利用MATLAB (矩陣實驗室)軟件對每個試樣圖片進行圖像處理首先利用imresize函數(shù)將每個試樣均統(tǒng)一轉換成像素為 320x480的圖片，再利用medfilt2函數(shù)對圖片進行中值濾波，以消除在圖像的傳輸、轉換等過程中產(chǎn)生的噪聲。之后，根據(jù)灰度直方圖的5個特征參數(shù)和灰度共生矩陣的11個特征參數(shù)的定義，利用MATLAB軟件進行編程求解，得出每個試樣的16個特征參數(shù)。根據(jù)主成分分析的定義，再利用MATLAB編制通用主成分分析程序，將主成分的方差貢獻率設置為90%， 然后將每個試樣的16個特征參數(shù)輸入到程序中，得到每個試樣的5個主成分特征參數(shù)，即將16個特征參數(shù)縮減為5個主成分特征參數(shù)，5個主成分特征參數(shù)即代表了一個試樣。
例如利用MATLAB編程軟件自帶的BP神經(jīng)網(wǎng)絡工具箱進行訓練與識別，在對BP 神經(jīng)網(wǎng)絡進行訓練中，選取煤試樣和矸石試樣，選取煤試樣和矸石試樣的數(shù)量均不低于100 個，將提取的每個煤試樣或者矸石試樣的5個特征參數(shù)帶入到BP神經(jīng)網(wǎng)絡工具箱中，設置 BP神經(jīng)網(wǎng)絡的各個參數(shù)，即輸入層神經(jīng)元個數(shù)為5，輸出層神經(jīng)元的個數(shù)為1，設定隱含層神經(jīng)元的個數(shù)為4 ；設定BP神經(jīng)網(wǎng)絡最大訓練次數(shù)為50000次，使最小均方差為0. 0001 ；設定輸入層的轉換函數(shù)為tansig、輸出層的轉換函數(shù)為purelin、BP神經(jīng)網(wǎng)絡的訓練函數(shù)為traingdm、權值和閾值的學習函數(shù)為Iearngdm ；在輸出層中，煤試樣用“ 1”表示，矸石試樣用“0”表示，即在識別時，輸出值與數(shù)值“1”接近的即認為是煤，輸出值與數(shù)值“0”接近的即認為是矸石。BP神經(jīng)網(wǎng)絡訓練完成后，選取另外的待識別的10個煤試樣和10個矸石試樣，將每個試樣的5個主成分特征參數(shù)輸入到訓練好的BP神經(jīng)網(wǎng)絡中，即得到如表1的輸出結果。
表 權利要求
1.一種煤和矸石的圖像識別方法，其特征在于包括以下步驟a.利用電子攝像裝置拍攝煤試樣與矸石試樣的數(shù)字圖片，通過矩陣實驗室計算機編程對拍攝的煤試樣和矸石試樣的數(shù)字圖片進行圖像處理，統(tǒng)一圖片尺寸、對圖片進行中值濾波，以消除在圖像傳輸、轉換過程中產(chǎn)生的噪聲；b.對處理過的煤試樣和矸石試樣圖片提取灰度直方圖的5個特征參數(shù)，并提取灰度共生矩陣的11個特征參數(shù)；c.通過主成分分析法對提取的16個特征參數(shù)進行降維處理，選取煤或矸石的5個主成分特征參數(shù)；d.設定BP神經(jīng)網(wǎng)絡算法的輸入層、隱含層和輸出層的神經(jīng)元個數(shù)，調節(jié)輸入層、隱含層和輸出層之間的連接函數(shù)，其中輸出層中煤和矸石分別用“1”和“0”表征，輸入選取的煤或矸石的5個主成分特征參數(shù)即可實現(xiàn)煤和矸石的圖像識別。
2.根據(jù)權利要求1所述的煤和矸石圖像識別方法，其特征在于所述對處理過的煤和矸石圖像提取灰度直方圖的5個特征參數(shù)為平均值、方差、偏度、峰度、能量。
3.根據(jù)權利要求1所述的煤和矸石圖像識別方法，其特征在于所述對處理過的煤和矸石圖像提取灰度共生矩陣的11個特征參數(shù)為對比度、相關、熵、逆差矩、能量、中值、協(xié)方差、反差、差異性、二階矩、自相關。
全文摘要
一種煤和矸石的圖像識別方法，依據(jù)煤和矸石表面灰度與紋理的差異，利用計算機圖像處理技術，分別提取了煤和矸石圖像的灰度直方圖的5個特征參數(shù)和灰度共生矩陣的11個特征參數(shù)，總計16個特征參數(shù)。應用BP神經(jīng)網(wǎng)絡算法對煤和矸石進行識別，對煤和矸石圖片進行處理以及應用計算機進行智能識別和分選。在訓練好的BP神經(jīng)網(wǎng)絡中，輸入任何一張由煤或矸石數(shù)字圖片中提取的特征參數(shù)，即可從輸出層得出識別的結果，有助于煤和矸石的分選，提高煤的品質，其識別率高，易操作。
文檔編號G06N3/02GK102521572SQ20111040835
公開日2012年6月27日 申請日期2011年12月9日 優(yōu)先權日2011年12月9日
發(fā)明者何亞群, 梁浩楠, 蘇寶金, 賀靖峰, 陳波 申請人:中國礦業(yè)大學