积分商城

最新搜索： microBUCK和microBRICK直流/直流稳压器解决方案 绝对值编码器 加密 stm32 1553B 总线 SDIO
您现在的位置是：首页 > 技术资料 > 不同照度下煤矸图像灰度及纹理特征提取的实验研究
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

不同照度下煤矸图像灰度及纹理特征提取的实验研究

更新时间：2020-01-02 23:26:32 大小：2M 上传用户：IC老兵查看TA发布的资源 标签：纹理特征提取 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

研究煤和矸石在不同照度下的响应特性,设计了差异照度煤矸图像采集系统,进行了煤矸图像采集实验,建立了煤矸灰度子图像数据库,对数据库中的子图像的灰度、纹理特征进行了提取,通过定义归一化特征差异指数以及基于支持向量机(SVM)对实验数据进行了分析与讨论。结果表明:在同一照度下,煤和矸石在灰度及纹理特征上存在差异,且随着照度的改变,煤和矸石的特征也发生变化,同时两者的变化规律存在显著差异。基于不同特征的SVM分类器的识别正确率不同,照度的变化也会对分类器的识别正确率产生影响;当考虑照度因素后,分类器的识别正确率最大增加了13. 31%,此外基于多特征多照度融合的SVM分类器性能较好,识别正确率为98. 39%。


部分文件列表

文件名 大小
不同照度下煤矸图像灰度及纹理特征提取的实验研究.pdf 2M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
43  
11  
11  
Vol．43 No．11  
Nov． 2018  
第
卷第  
期
月
煤
炭
学
报
2018  
年
JOURNAL OF CHINA COAL SOCIETY  
， ， ．  
王家臣 李良晖 杨胜利 不同照度下煤矸图像灰度及纹理特征提取的实验研究  
［J］．  
，2018，43( 11) :  
煤炭学报  
－
3051 3061．doi: 10．13225/j．cnki．jccs．2018．0866  
WANG Jiachen，LI Lianghui，YANG Shengli．Experimental study on gray and texture features extraction of coal and  
－
gangue image under different illuminance［J］．Journal of China Coal Society，2018，43( 11) : 3051 3061．doi: 10．13225/  
j．cnki．jccs．2018．0866  
移动阅读  
不同照度下煤矸图像灰度及纹理特征提取的实验研究  
1，2  
1，2  
1，2，3  
，
李良晖  
，
杨胜利  
王家臣  
( 1．  
( ) ，  
中国矿业大学 北京 资源与安全工程学院 北京  
100083; 2．  
，
放顶煤开采煤炭行业工程研究中心 北京  
100083; 3．  
中国矿业大学 深部岩土  
，
力学与地下工程国家重点实验室 江苏 徐州  
221008)  
: ， ，  
要 研究煤和矸石在不同照度下的响应特性 设计了差异照度煤矸图像采集系统 进行了煤矸  
摘
， ， 、  
图像采集实验 建立了煤矸灰度子图像数据库 对数据库中的子图像的灰度 纹理特征进行了提取  
，
( SVM)  
。
对实验数据进行了分析与讨论 结果  
通过定义归一化特征差异指数以及基于支持向量机  
: ， ， ，  
表明 在同一照度下 煤和矸石在灰度及纹理特征上存在差异 且随着照度的改变 煤和矸石的特征  
， 。  
也发生变化 同时两者的变化规律存在显著差异 基于不同特征的  
SVM  
分类器的识别正确率不  
， ; ，  
同 照度的变化也会对分类器的识别正确率产生影响 当考虑照度因素后 分类器的识别正确率最  
13. 31%，  
此外基于多特征多照度融合的  
SVM  
，
分类器性能较好 识别正确率为  
98. 39%。  
大增加了  
: ; ; ; ;  
关键词 照度 煤矸图像 灰度特征 纹理特征 支持向量机  
－ － －  
: TD823 : A : 0253 9993( 2018) 11 3051 11  
文章编号  
中图分类号  
文献标志码  
Experimental study on gray and texture features extraction of coal and  
gangue image under different illuminance  
1，2  
1，2  
1，2，3  
WANG Jiachen ，LI Lianghui ，YANG Shengli  
( 1．School of Resource and Safety Engineering，China University of Mining and Technology ( Beijing) ，Beijing 100083，China; 2．Coal Industry Engineering  
Research Center of Top -coal Caving Mining，Beijing 100083，China; 3．State Key Laboratory for Geomechanics and Deep Underground Engineering，China  
University of Mining and Technology，Xuzhou 221008，China)  
Abstract: In order to study the response characteristics of coal and gangue under different illuminance，a coal-gangue  
image acquisition system with adjustable illuminance was designed，and some coal-gangue image acquisition experi-  
ments were carried out．A coal-gangue gray sub-image database was established，and the gray and texture features of  
the sub-images in the database were extracted．By defining the Normalized Feature D-value Index ( NFDI) and training  
the support vector machine ( SVM) classifier，the experimental data were analyzed． The results show that coal and  
gangue exhibit some different gray and texture characteristics under the same illuminance，and these characteristics  
change with the change of illuminance．The recognition accuracies of SVM classifiers based on different characteristics  
are different．When the illuminance factor is taken into consideration，the recognition accuracy of SVM based on gray  
and texture features is improved．In addition，the SVM classifier based on the multiple features and illuminance fusion  
shows a good performance，and the recognition accuracy reaches 98．39%．  
Key words: illuminance; coal and gangue image; gray feature; texture feature; SVM  
: 2018－07－02  
: 2018－10－03  
:
责任编辑 常明然  
收稿日期  
修回日期  
:
基金项目 国家自然科学基金面上资助项目  
( 51674264，51574244) ;  
( 2018YFC0604501)  
国家重点研发计划资助项目  
－ －  
。Tel: 010 62339061，E mail: wangjiachen@ vip. sina. com  
男 黑龙江方正人 教授 博士生导师  
:
作者简介 王家臣  
( 1963—) ， ，  
，
，
－ －  
( 1992—) ， ， 。Tel: 010 62339050，E mail: lilianghui@ cumt. cn  
男 安徽淮南人 硕士研究生  
:
通讯作者 李良晖  
，
3052  
2018  
43  
卷
年第  
煤
炭
学
报
( )  
综合机械化放顶煤开采技术 简称综放开采 是  
，
常是在一种光照强度下完成图像采集 进而试图排除  
－
［1 7］  
，
经
，
光照变化对实验的影响 或是设置了几种不同的光照  
中国高效开采厚及特厚煤层的主要技术之一  
－
［8 11］  
30  
，
余年的发展 在顶煤破碎机理  
、
散体顶煤放  
， 。  
强度 但是没有进行定量研究与深入讨论 实际上煤  
过
－
［12 16］  
－
［17 19］  
、
出规律  
矿压显现与岩层移动规律  
等方面  
和矸石不同的物理性质决定了它们对于光照强度的  
， 。  
取得了丰硕的研究成果 丰富了综放开采理论 随着  
， ，  
响应特性也不同 即在不同光照强度下 即便是同一  
， 、  
人工智能技术的快速发展 如何用更智能 自动化程  
， 。  
块煤或矸石 也会在视觉上有所差异 光照强度  
( il-  
，
度更高的技术手段完成放煤过程 进而实现智能化综  
luminance，I)  
表示被摄主体表面单位面积上接受到的  
，
放开采逐渐成为目前研究的热点 也是综放开采未  
， ，  
光通量 简称照度 单位为勒克斯  
( Lux) ，  
它是衡量拍  
－
［20 21］  
。
来重要的发展方向  
放煤自动化是智能化综  
摄环境光照强弱和被摄物体表面被照明程度的一个  
，
放开采的关键技术 实现自动化放煤技术能够有效  
。 ，  
重要指标 在现有研究的基础上 将照度概念引入到  
、 、 、  
提高综采工作面的效率 提高采出率 提高煤质 减  
，
煤矸图像识别的研究中 定量研究照度变化对煤矸图  
，
少劳动量和增加经济效益 有利于进一步实现综放  
，
像特征的影响 揭示不同照度下煤矸图像特征的变化  
、 。 ，  
工作面无人化 少人化 针对自动化放煤技术 目  
，
规律 为煤矿井下现场图像采集设置合适光源及待提  
前的研究难点在于对放煤过程煤矸混合度的自动  
。
取特征的合理选择提供重要的理论依据  
， 、 、  
识别 识别手段主要有自然 γ 射线 振动信号 图像  
1
、
煤矸图像特征提取实验装置 材料与方法  
，
等 近些年深度学习理论在图像识别上取得了巨大  
，
的突破 在识别速度和识别准确度上得到大幅度提  
1. 1  
差异照度煤矸图像采集系统  
，
升 为基于图像的煤矸混合度无接触识别技术的发  
，
为了获取不同照度下的煤和矸石图像 设计了差  
－
［22 23］  
。
展提供了可靠的技术支持和保障  
目前国内  
( Different Illuminant Value，DIV)  
异照度  
煤矸图像采  
。
外学者对此开展了相关研究  
－
EF 200  
。
集系统 该采集系统的主要装置有  
LED  
型
，
在煤矸图像采集和预处理方面 主要有实验室图  
、VC1010D 、COMS  
型照度计  
11  
、
补光灯  
相机 白色背景  
，1～11  
档照  
。
像采集和现场图像采集 通常采用  
CCD  
摄像头对静  
。
板
其中补光灯具有  
档照度调节功能  
［24］  
［25］  
止摆放的煤矸 以及运动中的煤矸 进行图像采  
，
度依次增强 为实验提供稳定可靠的照度不同的光  
， ，  
集 再对采集好的图像进行亮度和对比度调整 提高  
; ，  
源 照 度 计 用 于 照 度 的 测 量 与 记 录 最 大 量 程  
［26］  
。
图像清晰度 田子建等 采用多组  
LED  
阵列组成  
200 000 Lux，  
分辨率为  
0. 1 Lux; COMS  
相机为图像信  
［27］  
。
的高亮度环形白光照明灯作为光源 于国防等  
分
×
4 272 px  
，
息的 采 集 装 置 采 集 到 的 图 像 像 素 为  
、 3  
别在相机闪光灯 自然光和节能日光灯 种光源条件  
2 848 px。  
Matlab  
涉及到的所有实验数据均是通过  
［28］  
。
下分析煤矸图像灰度分布规律 林祖贵 采用  
12  
R2016b  
大小在  
，
。 ，  
计算得到 此外 选取来自大同矿区的块度  
W
LED  
。
射灯作为实验光源  
的
15 cm 77  
左右的煤和矸石各  
块作为实验样  
， 、  
在煤矸图像特征提取方面 通常提取色彩 灰度  
、
，
，
1
。
本 煤质为气肥煤 矸石种类为泥岩 如图 所示  
－
［29 30］  
［31］  
、
纹理 形状等图像特征  
。
佘杰 提出将煤岩图  
像进行多尺度分解并结合灰度共生矩阵的方式进行  
［32］  
。 、  
特征提取 兰添才和郑汉垣 从纹理谱特征 小波  
10  
变换特征和分形特征中挑选出  
个特征作为识别特  
， 。  
征 作为煤矸石图像分类识别的基础 伍云霞和田一  
［33］  
。
提出用字典学习算法提取煤岩图像特征 王培  
民
［34］  
珍等 利用行程长度矩阵求得对图像纹理具有不同  
［35］  
。
表征能力的纹理特征量 米强等 提取了煤矸局部  
、 、  
二值模式图像的角二阶距 相关性 对比度和熵作为  
［36］  
。SUN  
SU  
纹理特征  
煤岩图像中的  
和
利用灰度共生矩阵提取了  
22  
，
个纹理特征 并对特征进行降维优  
［37］  
。XUE  
化
等
对综放工作面原始煤矸影像进行灰度  
1
，
直方图分析 对煤矸图像的灰度均值进行了计算  
。
图
实验装置及实验材料示意  
Fig. 1 Schematic diagram of experimental device and  
experimental material  
，
综上 对于单个煤或矸石样本灰度及纹理等特征  
，
的提取是煤矸混合度识别研究的基础 目前的研究通  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号