一種巖石便攜智能識別方法
【專利摘要】本發(fā)明公開了一種巖石便攜智能識別方法，包括如下步驟：步驟一、巖石圖像數(shù)據(jù)庫開發(fā)：步驟二、巖石數(shù)據(jù)庫更新和維護(hù)；步驟三、巖石數(shù)據(jù)庫導(dǎo)入；步驟四、巖石識別便攜設(shè)備軟件；步驟五、特征提??；步驟六、特征匹配：利用步驟四開發(fā)的軟件獲得待搜索圖像，利用步驟五的方法提取待搜索圖像的特征，利用某種特征值匹配算法，和步驟五得到的巖石圖像特征數(shù)據(jù)庫進(jìn)行相似度計算，將相似度較高的結(jié)果返回到步驟四開發(fā)的軟件中；該方法相對于野外巖石取樣鏡鑒及人工經(jīng)驗辨別的傳統(tǒng)方法，有高效、廉價、便攜式、成果可復(fù)用性等多種優(yōu)點。該方法最基本的兩大特征，一是大數(shù)據(jù)高存儲的標(biāo)準(zhǔn)化巖石圖像庫，二是多種圖像識別算法的集成。
【專利說明】
一種巖石便攜智能識別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及數(shù)字圖像處理領(lǐng)域，更具體地來說它是一種巖石便攜智能識別方法。
【背景技術(shù)】
[0002] 地質(zhì)工作者開展野外地質(zhì)勘察工作時，需要經(jīng)常對天然的巖石、巖體巖性或鉆探 得到的巖芯進(jìn)行辨別，從而確定其具體的巖性。傳統(tǒng)的通過肉眼觀察的方法存在一定的誤 差，也存在一定的主觀因素，并且效率較低，準(zhǔn)確度較低，同時在勘察過程中，巖性屬性需要 反復(fù)書寫，工作量大、任務(wù)繁重，且積累下來的數(shù)據(jù)和經(jīng)驗無法順利應(yīng)用到新的勘察項目 中，隨著國外工程的推進(jìn)，市場的開拓，工期愈來愈緊，若取樣之后開通關(guān)證明，拿回國內(nèi)鏡 鑒則較長周期，耗時費力，急需地質(zhì)人員在野外快速準(zhǔn)確的進(jìn)行大致識別，識別精度可達(dá)到 三大巖類的下一個次級即可，不需要往下一級繼續(xù)細(xì)分識別。
[0003] 專利發(fā)明名稱為"一種基于圖像特征的野外巖性智能識別方法"，其申請?zhí)枺?201510219555.X，該方法在使用和操作時存在以下不足之處:一是使用難易程度方面，需用 電腦PC機(jī)運行程序，野外拍攝的巖石照片仍需導(dǎo)入PC機(jī)中處理，野外工作走回營地至少1~ 3個小時;二是智能化程度方面，最后識別結(jié)果相似照片有2~5張，過程中仍需加入人工經(jīng) 驗判別;三是運算速度方面，拍攝照片未經(jīng)過標(biāo)準(zhǔn)化處理，像素大，PC機(jī)處理時運轉(zhuǎn)速度慢， 從開始運行到得出結(jié)果一般需要2~30分鐘左右。
[0004] 基于以上考慮和鑒于野外人工識別巖石巖性受經(jīng)驗差異、環(huán)境因素、主觀視覺等 各種因素干擾而導(dǎo)致高誤差判斷的不利缺陷，因此，需要一種巖石便攜的智能識別方法。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的為了克服上述【背景技術(shù)】的不足之處，而提供一種巖石便攜智能識別 方法，野外僅憑一個無需聯(lián)網(wǎng)的輕巧手持設(shè)備去解決傳統(tǒng)巖性識別在不做試驗情況下工作 準(zhǔn)確度低、效率低下的問題。
[0006] 為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是這樣的，一種巖石便攜智能識別方法，包 括如下步驟：
[0007] 步驟一、巖石圖像數(shù)據(jù)庫開發(fā):對各種巖石圖像進(jìn)行采集，并搜集相應(yīng)巖石顏色、 構(gòu)造、物理力學(xué)等相關(guān)屬性，對各種巖石的圖像和屬性進(jìn)行整理和分類，采用某平臺的數(shù)據(jù) 庫管理系統(tǒng)建立巖石數(shù)據(jù)庫；
[0008] 步驟二、巖石數(shù)據(jù)庫更新和維護(hù):采用第三方SQLite的GUI軟件，對數(shù)據(jù)庫進(jìn)行更 新、維護(hù)；
[0009] 步驟三、巖石數(shù)據(jù)庫導(dǎo)入:某平臺建立的巖石數(shù)據(jù)庫導(dǎo)入便攜設(shè)備，包括各類巖 體、巖石或巖芯照片、和相應(yīng)的巖體屬性，并對導(dǎo)入的圖像圖片進(jìn)行標(biāo)準(zhǔn)化處理，包括大小、 清晰度、標(biāo)志特征、屬性說明等；
[0010] 步驟四、巖石識別便攜設(shè)備軟件:選取某種操作系統(tǒng)的移動設(shè)備作為巖石野外識 別的便攜設(shè)備，用某集成開發(fā)環(huán)境軟件作為開發(fā)環(huán)境，開發(fā)此便攜設(shè)備識別軟件；
[0011] 步驟五、特征提取:基于跨平臺圖像處理庫，采用某種特征提取算法對Android系 統(tǒng)的巖石圖像數(shù)據(jù)庫進(jìn)行處理，抽取圖像特征，形成巖石圖像特征數(shù)據(jù)庫；
[0012] 步驟六、特征匹配:利用步驟四開發(fā)的軟件獲得待搜索圖像，利用步驟五的方法提 取待搜索圖像的特征，利用某種特征值匹配算法，和步驟五得到的巖石圖像特征數(shù)據(jù)庫進(jìn) 行相似度計算，將相似度較高的結(jié)果返回到步驟四開發(fā)的軟件中。
[0013] 在上述技術(shù)方案中，所述步驟一中，所述某平臺是Windows平臺，所述數(shù)據(jù)庫管理 系統(tǒng)是SQLite。
[0014]在上述技術(shù)方案中，所述步驟二中，所述第三方SQLite的⑶I軟件為SQLiteSpy。 [0015]在上述技術(shù)方案中，所述步驟三中，所述某平臺是Windows平臺，所述便攜設(shè)備是 采用Android系統(tǒng)設(shè)備，該設(shè)備攝像頭采用指定距掃描方式采集圖像標(biāo)本。
[0016]在上述技術(shù)方案中，所述步驟四中，所述某種操作系統(tǒng)是Android系統(tǒng)，所述集成 開發(fā)環(huán)境軟件是基于Java的可擴(kuò)展開發(fā)平臺Eel ipse。
[0017] 在上述技術(shù)方案中，所述步驟五中，所述跨平臺圖像處理庫是OpenCV Android API庫;所述某種特征提取算法為一種基于顏色與紋理的特征描述符算法，具體如下：
[0018] (1)提取圖片的顏色信息，引用一系列模糊規(guī)則產(chǎn)生一個10維量化的顏色直方圖， 然后，再通過一個24維的模糊顏色過濾器，使原有的10維直方圖轉(zhuǎn)化為24維直方圖；
[0019] (2)提取圖片的紋理信息，用五個由MPEG-7邊緣描述符提出的數(shù)字過濾器，輸出與 圖像紋理有關(guān)的信息，將每個圖片分塊分類成六種紋理區(qū)域中的一個；
[0020] (3)所有與抽取顏色信息有關(guān)的內(nèi)容被包含到一個顏色單元內(nèi)，同樣，所有與抽取 紋理信息有關(guān)的操作被包含到一個紋理單元內(nèi)，基于顏色與紋理的特征描述由6維紋理信 息特征和24維顏色信息特征組成，最終形成144維直方圖；
[0021] (4)將顏色與紋理的特征量化，限制其長度于144*3 = 432bits。
[0022] 在上述技術(shù)方案中，所述步驟六中，所述某種特征值匹配算法為Tanimoto Coefficient算法和余弦相似度算法，具體如下：
[0023] (l)Tanimoto Coefficient算法用于計算符號度量的個體間的相似度，計算公式 如下：
[0025]對于圖像特征而言，越接近1，兩張圖像越相似；
[0026] (2)余弦相似度算法計算公式如下：
[0028] 對于圖像特征而言，余弦相似度取值越接近1，兩張圖像越相似。
[0029] 本發(fā)明的有益效果是:該發(fā)明相對于野外巖石取樣鏡鑒及人工經(jīng)驗辨別的傳統(tǒng)方 法，有高效、廉價、便攜式、成果可復(fù)用性等多種優(yōu)點。該方法最基本的兩大特征，一是大數(shù) 據(jù)高存儲的標(biāo)準(zhǔn)化巖石圖像庫，二是多種圖像識別算法的集成。因此，該方法可以幫助地質(zhì) 勘測人員提高工作效率和不依賴經(jīng)驗判斷的準(zhǔn)確率，從而更好幫助地質(zhì)人員開展野外現(xiàn)場 地質(zhì)勘察工作。
【附圖說明】
[0030] 圖1本發(fā)明一種巖石便攜智能識別方法的流程示意圖。
【具體實施方式】
[0031] 下面結(jié)合附圖詳細(xì)說明本發(fā)明實施情況，但它們并不構(gòu)成對本發(fā)明的限定，僅作 舉例而已，同時通過說明本發(fā)明的優(yōu)點將變得更加清楚和容易理解。
[0032] -種巖石便攜智能識別方法，見圖1，具體包括如下步驟：
[0033] 步驟一、巖石圖像數(shù)據(jù)庫開發(fā):對各種巖石圖像進(jìn)行采集，并搜集相應(yīng)巖石顏色、 構(gòu)造、物理力學(xué)等相關(guān)屬性，對各種巖石的圖像和屬性進(jìn)行整理和分類，采用某平臺的數(shù)據(jù) 庫管理系統(tǒng)建立巖石數(shù)據(jù)庫；
[0034]步驟二、巖石數(shù)據(jù)庫更新和維護(hù):采用第三方SQLite的GUI軟件，對數(shù)據(jù)庫進(jìn)行更 新、維護(hù)；
[0035] 步驟三、巖石數(shù)據(jù)庫導(dǎo)入:某平臺建立的巖石數(shù)據(jù)庫導(dǎo)入便攜設(shè)備，包括各類巖 體、巖石或巖芯照片、和相應(yīng)的巖體屬性，并對導(dǎo)入的圖像圖片進(jìn)行標(biāo)準(zhǔn)化處理，包括大小、 清晰度、標(biāo)志特征、屬性說明等；
[0036] 步驟四、巖石識別便攜設(shè)備軟件:選取某種操作系統(tǒng)的移動設(shè)備作為巖石野外識 別的便攜設(shè)備，用某集成開發(fā)環(huán)境軟件作為開發(fā)環(huán)境，開發(fā)此便攜設(shè)備識別軟件；
[0037]步驟五、特征提取:基于跨平臺圖像處理庫，采用某種特征提取算法對Android系 統(tǒng)的巖石圖像數(shù)據(jù)庫進(jìn)行處理，抽取圖像特征，形成巖石圖像特征數(shù)據(jù)庫；
[0038]步驟六、特征匹配:利用步驟四開發(fā)的軟件獲得待搜索圖像，利用步驟五的方法提 取待搜索圖像的特征，利用某種特征值匹配算法，和步驟五得到的巖石圖像特征數(shù)據(jù)庫進(jìn) 行相似度計算，將相似度較高的結(jié)果返回到步驟四開發(fā)的軟件中。
[0039] 所述步驟一中，所述某平臺是Windows平臺，所述數(shù)據(jù)庫管理系統(tǒng)是SQLite。
[0040] 所述步驟二中，所述第三方SQLite的⑶I軟件為SQLiteSpy。
[OO41 ] 所述步驟三中，所述某平臺是Windows平臺，所述便攜設(shè)備是采用Android系統(tǒng)設(shè) 備，該設(shè)備攝像頭采用指定距掃描方式采集圖像標(biāo)本。
[0042]所述步驟四中，所述某種操作系統(tǒng)是Android系統(tǒng)，所述集成開發(fā)環(huán)境軟件是基于 Java的可擴(kuò)展開發(fā)平臺Eel ipse。
[0043] 所述步驟五中，所述跨平臺圖像處理庫是OpenCV Android API庫;所述某種特征 提取算法為一種基于顏色與紋理的特征描述符算法，具體如下：
[0044] (1)提取圖片的顏色信息，引用一系列模糊規(guī)則產(chǎn)生一個10維量化的顏色直方圖， 然后，再通過一個24維的模糊顏色過濾器，使原有的10維直方圖轉(zhuǎn)化為24維直方圖；
[0045] (2)提取圖片的紋理信息，用五個由MPEG-7邊緣描述符提出的數(shù)字過濾器，輸出與 圖像紋理有關(guān)的信息，將每個圖片分塊分類成六種紋理區(qū)域中的一個；
[0046] (3)所有與抽取顏色信息有關(guān)的內(nèi)容被包含到一個顏色單元內(nèi)，同樣，所有與抽取 紋理信息有關(guān)的操作被包含到一個紋理單元內(nèi)，基于顏色與紋理的特征描述由6維紋理信 息特征和24維顏色信息特征組成，最終形成144維直方圖；
[0047] (4)將顏色與紋理的特征量化，限制其長度于144*3 = 432bits。
[0048] 所述步驟六中，所述某種特征值匹配算法為Tanimoto Coefficient算法和余弦相 似度算法，具體如下：
[0049] (l)Tanimoto Coefficient算法用于計算符號度量的個體間的相似度，計算公式 如下：
[0051] 對于圖像特征而言，越接近1，兩張圖像越相似；
[0052] (2)余弦相似度算法計算公式如下：
[0054] 在應(yīng)用本發(fā)明時，可采用通過程序代碼的方式裝載于便攜式手持設(shè)備中，通過攝 像頭獲取外界巖石圖像信息，然后通過智能系統(tǒng)進(jìn)行信息處理，而后，通過算法對已存儲于 便攜式設(shè)備中的圖像庫進(jìn)行搜索對比識別，得到相似度較高的若干張巖石圖像作為待確認(rèn) 巖石的識別結(jié)果提供給現(xiàn)場地質(zhì)工作者以參考判斷，且該便攜智能設(shè)備還可以累積識別成 果特征豐富已有數(shù)據(jù)庫。
[0055] 為了更好地理解本發(fā)明的技術(shù)效果，與"一種基于圖像特征的野外巖性智能識別 方法"相比較，本發(fā)明"一種巖石便攜智能識別方法"在使用難易程度、智能化程度、運算速 度方面有了更大的提高和改變，見表1基于圖像特征的野外巖性智能識別方法和巖石便攜 智能識別方法比較。
[0056] 表1基于圖像特征的野外巖性智能識別方法與巖石便攜智能識別方法比較。
[0058]未詳細(xì)說明的均為現(xiàn)有技術(shù)。
【主權(quán)項】
1. 一種巖石便攜智能識別方法，其特征在于，包括如下步驟： 步驟一、巖石圖像數(shù)據(jù)庫開發(fā):對各種巖石圖像進(jìn)行采集，并搜集相應(yīng)巖石顏色、構(gòu)造、 物理力學(xué)等相關(guān)屬性，對各種巖石的圖像和屬性進(jìn)行整理和分類，采用某平臺的數(shù)據(jù)庫管 理系統(tǒng)建立巖石數(shù)據(jù)庫； 步驟二、巖石數(shù)據(jù)庫更新和維護(hù):采用第三方SQLite的GUI軟件，對數(shù)據(jù)庫進(jìn)行更新、維 護(hù)； 步驟三、巖石數(shù)據(jù)庫導(dǎo)入:某平臺建立的巖石數(shù)據(jù)庫導(dǎo)入便攜設(shè)備，包括各類巖體、巖 石或巖芯照片、和相應(yīng)的巖體屬性，并對導(dǎo)入的圖像圖片進(jìn)行標(biāo)準(zhǔn)化處理，包括大小、清晰 度、標(biāo)志特征、屬性說明等； 步驟四、巖石識別便攜設(shè)備軟件:選取某種操作系統(tǒng)的移動設(shè)備作為巖石野外識別的 便攜設(shè)備，用某集成開發(fā)環(huán)境軟件作為開發(fā)環(huán)境，開發(fā)此便攜設(shè)備識別軟件； 步驟五、特征提取:基于跨平臺圖像處理庫，采用某種特征提取算法對Android系統(tǒng)的 巖石圖像數(shù)據(jù)庫進(jìn)行處理，抽取圖像特征，形成巖石圖像特征數(shù)據(jù)庫； 步驟六、特征匹配:利用步驟四開發(fā)的軟件獲得待搜索圖像，利用步驟五的方法提取待 搜索圖像的特征，利用某種特征值匹配算法，和步驟五得到的巖石圖像特征數(shù)據(jù)庫進(jìn)行相 似度計算，將相似度較高的結(jié)果返回到步驟四開發(fā)的軟件中。2. 根據(jù)權(quán)利要求1所述的巖石便攜智能識別方法，其特征在于:所述步驟一中，所述某 平臺是Windows平臺，所述數(shù)據(jù)庫管理系統(tǒng)是SQLite。3. 根據(jù)權(quán)利要求2所述的巖石便攜智能識別方法，其特征在于:所述步驟二中，所述第 三方SQLite的⑶I軟件為SQLiteSpy。4. 根據(jù)權(quán)利要求3所述的巖石便攜智能識別方法，其特征在于:所述步驟三中，所述某 平臺是Windows平臺，所述便攜設(shè)備是采用Android系統(tǒng)設(shè)備，該設(shè)備攝像頭采用指定距掃 描方式采集圖像標(biāo)本。5. 根據(jù)權(quán)利要求4所述的巖石便攜智能識別方法，其特征在于:所述步驟四中，所述某 種操作系統(tǒng)是Android系統(tǒng)，所述集成開發(fā)環(huán)境軟件是基于Java的可擴(kuò)展開發(fā)平臺 Eclipse。6. 根據(jù)權(quán)利要求5所述的巖石便攜智能識別方法，其特征在于:所述步驟五中，所述跨 平臺圖像處理庫是OpenCV Android API庫;所述某種特征提取算法為一種基于顏色與紋理 的特征描述符算法。7. 根據(jù)權(quán)利要求6所述的巖石便攜智能識別方法，其特征在于，所述的顏色與紋理的特 征描述符算法，具體如下： (1) 提取圖片的顏色信息，引用一系列模糊規(guī)則產(chǎn)生一個10維量化的顏色直方圖，然 后，再通過一個24維的模糊顏色過濾器，使原有的10維直方圖轉(zhuǎn)化為24維直方圖； (2) 提取圖片的紋理信息，用五個由MPEG-7邊緣描述符提出的數(shù)字過濾器，輸出與圖像 紋理有關(guān)的信息，將每個圖片分塊分類成六種紋理區(qū)域中的一個； (3) 所有與抽取顏色信息有關(guān)的內(nèi)容被包含到一個顏色單元內(nèi)，同樣，所有與抽取紋理 信息有關(guān)的操作被包含到一個紋理單元內(nèi)，基于顏色與紋理的特征描述由6維紋理信息特 征和24維顏色信息特征組成，最終形成144維直方圖； (4) 將顏色與紋理的特征量化，限制其長度于144*3 = 432bits。8. 根據(jù)權(quán)利要求7所述的巖石便攜智能識別方法，其特征在于:所述步驟六中，所述某 種特征值匹配算法為Tanimoto Coefficient算法和余弦相似度算法。9. 根據(jù)權(quán)利要求8所述的巖石便攜智能識別方法，其特征在于，所述的T a n i m 〇 t 〇 Coefficient算法和余弦相似度算法，具體如下： (1) Tanimoto Coefficient算法用于計算符號度量的個體間的相似度，計算公式如下：對于圖像特征而言，h過接近1，兩張圖像越相似； (2) 余弦相似度算法計算公式如下：對于圖像特征而言，余弦相似度取值越接近1，兩張圖像越相似。
【文檔編號】G06F9/44GK106055636SQ201610370185
【公開日】2016年10月26日
【申請日】2016年5月30日
【發(fā)明人】肖東佑, 張石虎, 王勝波, 羅登昌, 黃振偉, 鄧爭榮, 李愛國, 吳樹良, 韓旭, 徐俊, 楊友剛, 程方權(quán), 孟照蔚, 胡坤生, 司馬世華
【申請人】長江巖土工程總公司（武漢）