專利名稱：一種基于煤巖圖像特征抽取以及分類識別的煤巖分界方法和系統(tǒng)的制作方法
一種基于煤巖圖像特征抽取以及分類識別的煤巖分界方法和系統(tǒng)技術(shù)領(lǐng)域
本發(fā)明屬于計算機圖像處理與模式識別領(lǐng)域，是一種利用圖像紋理特征信息對煤巖圖像進行特征抽取，并用支持向量機、神經(jīng)網(wǎng)絡(luò)等對特征向量進行分類從而達到識別采煤工作面煤層與頂?shù)装鍘r層界面的方法和系統(tǒng)。
背景技術(shù)：
在煤礦井下開采過程中，需要準確識別煤層和巖層，以此來控制采煤機搖臂的升降，從而避免切割至頂?shù)装鍘r石。但是目前采煤機滾筒高度的調(diào)節(jié)主要由操作者通過人工的方法進行判斷。眾所周知，井下采煤工作面環(huán)境復(fù)雜不利于操作者做出準確的判斷。因此采煤機不可避免會截割到頂?shù)装鍘r石，造成一系列問題:加劇截齒磨損，縮短截齒壽命；截割巖石會產(chǎn)生火花，對于高瓦斯礦易產(chǎn)生惡性瓦斯爆炸事故；截割的巖石造成原煤質(zhì)量下降。目前，我國主要采用保守開采的方式，實際采出率低，造成了嚴重的資源浪費。而現(xiàn)在的技術(shù)水平也很難對剩余的大量煤炭資源進行二次開采，因此開發(fā)煤巖識別技術(shù)具有重要意義。
從20世紀50年代起，美國等世界主要產(chǎn)煤國越來越重視煤巖識別領(lǐng)域的研究。例如:基于煤巖自然Y射線輻射特性的傳感器法，此法通過Y射線在煤層和巖層的不同衰減規(guī)律，從而對煤層和巖層進行識別。該方法要求頂板巖石必須具有放射性元素，因此對于放射性元素較少的砂巖頂板則無法應(yīng)用，限制了其在我國大面積推廣。
中國專利CN101922290公開的煤巖界面識別方法，雖然能自動識別出煤巖，但是存在如下問題:第一，高壓水射流會造成采煤現(xiàn)場排水困難；第二，被煤層或巖層反射的反射流對噴嘴形成的不同作用力很難準確感知，第三，采集信號的設(shè)備復(fù)雜，造成識別困難。
中國專利申請?zhí)?01110377347.4，申請公布日2012.06.13，公開了一種基于圖像的煤巖界面識別方法與系統(tǒng)，通過對采集到的煤巖圖像進行特征抽取從而達到識別煤巖分界的目的。此種方法主要是利用圖像的灰度共生矩陣的特征參數(shù)來構(gòu)造特征向量，但是并不能從多尺度多方向反應(yīng)圖像紋理的差異性，從而導(dǎo)致所構(gòu)造的特征向量不能全方位反應(yīng)煤巖表面特征，影響煤巖界面識別精度。發(fā)明內(nèi)容
為克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于煤巖圖像特征抽取以及分類識別的煤巖分界方法和系統(tǒng)。
本發(fā)明所述的基于煤巖圖像特征抽取以及分類識別的煤巖分界方法由以下技術(shù)方案實現(xiàn):
首先在采煤工作面拍攝煤巖圖像，然后抽取煤巖圖像的紋理特征信息；然后對所提取的紋理特征信息構(gòu)造成特征向量；
基于煤巖圖像的紋理特征信息非常多，以大量煤、巖圖像樣本數(shù)據(jù)作為實驗基礎(chǔ)，為了充分體現(xiàn)煤和巖在不同尺度不同細節(jié)上的結(jié)構(gòu)特征以及結(jié)合獨立成分分析的紋理特征選擇，采用的圖像紋理特征信息包括兩部分，其中一部分為原圖像的角二階矩、對比度、相關(guān)、均值、方差，另一部分為通過對煤巖圖像進行Daubechies小波變換分解之后，對每個尺度的低頻系數(shù)圖像計算其角二階矩、對比度、相關(guān)、均值、方差以及計算水平、垂直和對角三個方向的高頻系數(shù)圖像的總均值和總方差；
將紋理特征向量輸入默認分類器進行訓(xùn)練從而創(chuàng)建最佳分類器，實現(xiàn)對煤巖界面的識別。
所述的基于煤巖圖像特征抽取以及分類識別的煤巖分界方法，包括如下步驟:
A.在采煤工作面分別采集多幅煤、巖的圖像，并將其分為訓(xùn)練樣品圖像、測試樣品圖像；
B.計算訓(xùn)練樣品圖像和測試樣品圖像的紋理圖像特征值，并構(gòu)造成特征子向量Pl ；
C.將訓(xùn)練樣品圖像和測試樣品圖像進行Daubechies小波變換；對每個分解尺度的低頻系數(shù)圖像計算其角二階矩、對比度、相關(guān)、均值、方差，并構(gòu)造成特征子向量P2;同時計算每個分解尺度水平、垂直和對角三個方向的高頻系數(shù)圖像的總均值和總方差，并構(gòu)造成特征子向量P3 ；
D.構(gòu)造紋理特征向量；
E.將紋理特征向量輸入分類器，可供用戶選擇的分類器有以下幾種:概率神經(jīng)網(wǎng)絡(luò)(PNN)，徑向基神經(jīng)網(wǎng)絡(luò)(RBF)，最小距離分類器(MDC)，極大似然分類器(MLC)和支持向量機等，用戶可根據(jù)具體情況選擇合適的分類器；
F.對分類器進行設(shè)置、訓(xùn)練和測試，然后輸入待分類識別樣品圖像紋理特征向量進行分類，得到最后的分類結(jié)果。
所述步驟B中的紋理圖像特征值分別為角二階矩、對比度、相關(guān)、均值、方差。
所述步驟C中Daubechies小波變換的分解尺度為三。
所述步驟D中紋理特征向量的具體表達式為P = [Pl, P2, P3]。
所述步驟E中選擇支持向量機為默認分類器。
所述支持向量機采用徑向基(RBF)核函數(shù)，
經(jīng)過交叉驗證獲得其最佳懲罰性參數(shù)為5.6569，核函數(shù)的寬度為7.6294e_006。
基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)的工作過程分為四個階段:設(shè)置、訓(xùn)練、測試和分類；在設(shè)置階段，采集采煤工作面的煤巖圖像，抽取相應(yīng)的紋理特征值，構(gòu)造紋理特征向量，選擇支持向量機為默認分類器，對分類器參數(shù)進行初始設(shè)置；在訓(xùn)練階段，根據(jù)初始設(shè)置以及煤巖圖像訓(xùn)練樣本特征向量進行交叉驗證，并確定支持向量機的核心參數(shù)即核函數(shù)寬度和懲罰性參數(shù)；在測試階段，根據(jù)核函數(shù)寬度和懲罰性參數(shù)建立向量機模型并分別對訓(xùn)練樣品圖像和測試樣品圖像的紋理特征向量所組成的數(shù)據(jù)集進行測試，分別得到訓(xùn)練樣品圖像的識別準確率和測試樣品圖像的識別準確率；在分類階段，根據(jù)測試樣品圖像的識別準確率對待分類樣品圖像進行預(yù)測。
本發(fā)明所述目的由以下提出的一種基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)得以實現(xiàn)。所述系統(tǒng)包括圖像采集模塊、特征模塊、分類識別模塊、結(jié)果顯示交互模塊、存儲模塊和中央控制模塊；所述圖像采集模塊用于產(chǎn)生照射煤巖的光源以及采集煤巖圖片；所述特征模塊用于煤巖圖像紋理特征值的抽取，紋理特征值包括兩部分，其一為未經(jīng)Daubechies小波變換的圖像樣品紋理圖像特征值分別為角二階矩、對比度、相關(guān)、均值、方差，其二為經(jīng)過Daubechies小波變換分解之后,每個分解尺度的低頻系數(shù)圖像的角二階矩、對比度、相關(guān)、均值、方差以及每個分解尺度水平、垂直和對角三個方向的高頻系數(shù)圖像的總均值和總方差；所述分類識別模塊利用煤巖樣品紋理圖像特征值構(gòu)造紋理特征向量P=[Pl，P2，P3]，其中特征子向量Pl由包括訓(xùn)練樣品圖像和測試樣品圖像未進行小波分解時的角二階矩、對比度、相關(guān)、均值、方差進行構(gòu)造，特征子向量P2由包括將訓(xùn)練樣品圖像和測試樣品圖像進行小波分解之后的每個分解尺度的低頻系數(shù)圖像的角二階矩、對比度、相關(guān)、均值、方差進行構(gòu)造，特征子向量P3由包括將訓(xùn)練樣品圖像和測試樣品圖像進行小波分解之后的每個分解尺度水平、垂直和對角三個方向的高頻系數(shù)圖像的總均值和總方差進行構(gòu)造，并選擇支持向量機為默認分類器并對其進行設(shè)置、訓(xùn)練和測試從而實現(xiàn)對待分類煤巖圖像的識別；所述結(jié)果顯示交互模塊用于顯示煤巖圖像和煤巖圖像特征抽取以及分類識別結(jié)果，并接受操作者對系統(tǒng)工作狀態(tài)的設(shè)置和對樣本數(shù)據(jù)的輸入；所述存儲模塊用于存儲圖像數(shù)據(jù)以及其他數(shù)據(jù)；所述中央控制模塊用于執(zhí)行指令以控制和管理整個基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)。
所述圖像采集模塊包括由多組LED陣列加裝漫反射板均勻?qū)ΨQ的布置在半球面上的高亮度白光照明燈和一個配備電荷耦合器件的網(wǎng)絡(luò)人攝像機；照明燈的強度和數(shù)量由中央控制模塊進行控制；電荷耦合器件網(wǎng)絡(luò)人攝像機上下左右旋轉(zhuǎn)度數(shù)、調(diào)焦、曝光、以及圖像采集均由中央控制模塊進行控制。
所述中央控制模塊用于控制和管理圖像采集模塊、特征模塊、特征分類識別模塊、結(jié)果顯示交互模塊和存儲模塊；中央控制模塊可以為硬件電路、工控機、服務(wù)器、計算機或嵌入式系統(tǒng)。
本發(fā)明的有益效果在于:
計算簡便、程序運行效率高、人工干預(yù)少、成本低、適用于復(fù)雜環(huán)境下煤巖圖像的自動分類識別，可有效提高圖像的分類精度和效率，為操作者提供準確可靠的煤巖界面信息以便及時調(diào)整采煤機滾筒高度。


下面結(jié)合附圖和具體實施方式
對本發(fā)明作進一步的詳細描述。
圖1為依據(jù)本發(fā)明實施例的一個系統(tǒng)組成框圖2為依據(jù)本發(fā)明實施例的一個Daubechies小波一級分解的示意圖3為依據(jù)本發(fā)明實施例的一個Daubechies小波的三級分解示意圖4為依據(jù)本發(fā)明實施例的對樣品圖像進行紋理特征抽取的計算流程；
圖5為依據(jù)本發(fā)明實施例的基于支持向量機分類的參數(shù)選擇結(jié)果圖。
具體實施方式
下面結(jié)合上述附圖中所列的實施例對本發(fā)明進行進一步說明。首先對本發(fā)明提供的方法中系統(tǒng)組成進行描述。圖1是系統(tǒng)組成框圖。如圖1所示，所述系統(tǒng)包括圖像采集模塊、特征模塊、分類識別模塊、結(jié)果顯示交互模塊、存儲模塊和中央控制模塊；所述圖像采集模塊用于產(chǎn)生照射煤巖的光源以及采集煤巖圖片；所述特征模塊用于煤巖圖像紋理特征值的抽取，紋理特征值包括兩部分，其一為未經(jīng)Daubechies小波變換的圖像樣品紋理圖像特征值分別為角二階矩、對比度、相關(guān)、均值、方差，其二為經(jīng)過Daubechies小波變換分解之后，每個分解尺度的低頻系數(shù)圖像的角二階矩、對比度、相關(guān)、均值、方差以及每個分解尺度水平、垂直和對角三個方向的高頻系數(shù)圖像的總均值和總方差；所述分類識別模塊利用煤巖樣品紋理圖像特征值構(gòu)造紋理特征向量P = [Pl，P2，P3]，其中特征子向量Pl由包括訓(xùn)練樣品圖像和測試樣品圖像未進行小波分解時的角二階矩、對比度、相關(guān)、均值、方差進行構(gòu)造，特征子向量P2由包括將訓(xùn)練樣品圖像和測試樣品圖像進行小波分解之后的每個分解尺度的低頻系數(shù)圖像的角二階矩、對比度、相關(guān)、均值、方差進行構(gòu)造，特征子向量P3由包括將訓(xùn)練樣品圖像和測試樣品圖像進行小波分解之后的每個分解尺度水平、垂直和對角三個方向的高頻系數(shù)圖像的總均值和總方差進行構(gòu)造，并選擇支持向量機為默認分類器并對其進行設(shè)置、訓(xùn)練和測試從而實現(xiàn)對待分類煤巖圖像的識別；所述結(jié)果顯示交互模塊用于顯示煤巖圖像和煤巖圖像特征抽取以及分類識別結(jié)果，并接受操作者對系統(tǒng)工作狀態(tài)的設(shè)置和對樣本數(shù)據(jù)的輸入；所述存儲模塊用于存儲圖像數(shù)據(jù)以及其他數(shù)據(jù)；所述中央控制模塊用于執(zhí)行指令以控制和管理整個基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)。
所述圖像采集模塊包括由多組LED陣列加裝漫反射板均勻?qū)ΨQ的布置在半球面上的高亮度白光照明燈和一個配備電荷耦合器件的網(wǎng)絡(luò)人攝像機；照明燈的強度和LED陣列的數(shù)量由中央控制模塊進行控制；電荷耦合器件網(wǎng)絡(luò)人攝像機上下左右旋轉(zhuǎn)度數(shù)、調(diào)焦、曝光、以及圖像采集均由中央控制模塊進行控制。
所述中央控制模塊用于控制和管理圖像采集模塊、特征模塊、特征分類識別模塊、結(jié)果顯示交互模塊和存儲模塊；中央控制模塊可以為硬件電路、工控機、服務(wù)器、計算機或嵌入式系統(tǒng)。
基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)的工作過程分為四個階段:設(shè)置、訓(xùn)練、測試和分類；在設(shè)置階段，采集采煤工作面的煤巖圖像，抽取相應(yīng)的紋理特征值，構(gòu)造紋理特征向量，選擇支持向量機為默認分類器，對分類器參數(shù)進行初始設(shè)置；在訓(xùn)練階段，根據(jù)初始設(shè)置以及煤巖圖像訓(xùn)練樣本特征向量進行交叉驗證，并確定支持向量機的核心參數(shù)即核函數(shù)寬度和懲罰性參數(shù)；在測試階段，根據(jù)核函數(shù)寬度和懲罰性參數(shù)建立向量機模型并分別對訓(xùn)練樣品圖像和測試樣品圖像的紋理特征向量所組成的數(shù)據(jù)集進行測試，分別得到訓(xùn)練樣品圖像的識別準確率和測試樣品圖像的識別準確率；在分類階段，根據(jù)測試樣品圖像準確率對待分類樣品圖像進行預(yù)測。
圖2是Daubechies小波一級分解的示意圖。這個圖表給出的一組系數(shù)包括Low-Low (LL)子帶 218、Low-High (LH)子帶 222、High-Low (HL)子帶 226 和 High-High (HH)子帶230。采用Daubechies小波變換分解程序之后，圖像信號水平行可分為低頻部分(LL子帶218和LH子帶222)和高頻部分(HL子帶226和HH子帶230)。
對圖像進行一級Daubechies小波變換分解后的系數(shù)包括Low-Low(LL)子帶、Low-High (LH)子帶、High-Low (HL)子帶和 High-High (HH)子帶；
為了使用Daubechies小波變換過程來生成第一級小波系數(shù)216，可將圖像信號看成由一系列行向量構(gòu)成，經(jīng)過分解后，原信號分為低頻部分和高頻部分，其中低頻部分包括LL子帶218和LH子帶222，高頻部分包括HL子帶226和HH子帶230。結(jié)合鄰域像素值可計算低頻部分系數(shù)和高頻部分系數(shù)，其計算方法分別如式(I) (2)所示:
權(quán)利要求
1.一種基于煤巖圖像特征抽取以及分類識別的煤巖分界方法，其特征在于，包括以下步驟: A.在采煤工作面分別采集多幅煤、巖的圖像，并將其分為訓(xùn)練樣品圖像、測試樣品圖像； B.計算訓(xùn)練樣品圖像和測試樣品圖像的紋理圖像特征值，并構(gòu)造成特征子向量Pl； C.將訓(xùn)練樣品圖像和測試樣品圖像進行Daubechies小波變換；對每個分解尺度的低頻系數(shù)圖像計算其角二階矩、對比度、相關(guān)、均值、方差，并構(gòu)造成特征子向量P2 ;同時計算每個分解尺度水平、垂直和對角三個方向的高頻系數(shù)圖像的總均值和總方差，并構(gòu)造成特征子向量P3 ； D.構(gòu)造紋理特征向量； E.將紋理特征向量輸入分類器，可供用戶選擇的分類器有以下幾種:概率神經(jīng)網(wǎng)絡(luò)(PNN)，徑向基神經(jīng)網(wǎng)絡(luò)(RBF)，最小距離分類器(MDC)，極大似然分類器(MLC)和支持向量機等，用戶可根據(jù)具體情況選擇合適的分類器； F.對分類器進行設(shè)置、訓(xùn)練和測試，然后輸入待分類識別的樣品圖像紋理特征向量進行分類，得到最后的分類結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于煤巖圖像特征抽取以及分類識別的煤巖分界方法，其特征在于，所述步驟B中的紋理圖像特征值分別為角二階矩、對比度、相關(guān)、均值、方差。
3.根據(jù)權(quán)利要求1所述的一種基于煤巖圖像特征抽取以及分類識別的煤巖分界方法，其特征在于，所述步驟C中Daubechies小波變換的分解尺度為三。
4.根據(jù)權(quán)利要求1所述的一種基于煤巖圖像特征抽取以及分類識別的煤巖分界方法，其特征在于，所述步驟D中紋理特征向量的具體表達式為P = [Pl，P2，P3]。
5.根據(jù)權(quán)利要求1所述的一種基于煤巖圖像特征抽取以及分類識別的煤巖分界方法，其特征在于，所述步驟E中選擇支持向量機為默認分類器。
6.根據(jù)權(quán)利要求5所述的一種基于煤巖圖像特征抽取以及分類識別的煤巖分界方法，其特征在于，所述支持向量機采用徑向基(RBF)核函數(shù)，經(jīng)過交叉驗證獲得其最佳懲罰性參數(shù)為5.6569，核函數(shù)的寬度為7.6294e-006。
7.一種基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)，其特征在于，所述系統(tǒng)包括圖像采集模塊、特征模塊 、分類識別模塊、結(jié)果顯示交互模塊、存儲模塊和中央控制模塊；所述圖像采集模塊用于產(chǎn)生照射煤巖的光源以及采集煤巖圖片；所述特征模塊用于煤巖圖像紋理特征值的抽取，紋理特征值包括兩部分，其一為未經(jīng)Daubechies小波變換的圖像樣品紋理圖像特征值分別為角二階矩、對比度、相關(guān)、均值、方差，其二為經(jīng)過Daubechies小波變換分解之后，每個分解尺度的低頻系數(shù)圖像的角二階矩、對比度、相關(guān)、均值、方差以及每個分解尺度水平、垂直和對角三個方向的高頻系數(shù)圖像的總均值和總方差；所述分類識別模塊利用煤巖樣品紋理圖像特征值構(gòu)造紋理特征向量P = [Pl，P2，P3]，其中特征子向量Pl由包括訓(xùn)練樣品圖像和測試樣品圖像未進行小波分解時的角二階矩、對比度、相關(guān)、均值、方差進行構(gòu)造，特征子向量P2由包括將訓(xùn)練樣品圖像和測試樣品圖像進行小波分解之后的每個分解尺度的低頻系數(shù)圖像的角二階矩、對比度、相關(guān)、均值、方差進行構(gòu)造，特征子向量P3由包括將訓(xùn)練樣品圖像和測試樣品圖像進行小波分解之后的每個分解尺度水平、垂直和對角三個方向的高頻系數(shù)圖像的總均值和總方差進行構(gòu)造，并選擇支持向量機為默認分類器并對其進行設(shè)置、訓(xùn)練和測試從而實現(xiàn)對待分類煤巖圖像的識別；所述結(jié)果顯示交互模塊用于顯示煤巖圖像和煤巖圖像特征抽取以及分類識別結(jié)果，并接受操作者對系統(tǒng)工作狀態(tài)的設(shè)置和對樣本數(shù)據(jù)的輸入；所述存儲模塊用于存儲圖像數(shù)據(jù)以及其他數(shù)據(jù)；所述中央控制模塊用于執(zhí)行指令以控制和管理整個基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)。
8.根據(jù)權(quán)利要求7所述的一種基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)，其特征在于，所述圖像采集模塊包括由多組LED陣列加裝漫反射板均勻?qū)ΨQ的布置在半球面上的高亮度白光照明燈和一個配備電荷耦合器件的網(wǎng)絡(luò)人攝像機；照明燈的強度和LED陣列的數(shù)量由中央控制模塊進行控制；電荷耦合器件網(wǎng)絡(luò)人攝像機上下左右旋轉(zhuǎn)度數(shù)、調(diào)焦、曝光、以及圖像采集均由中央控制模塊進行控制。
9.根據(jù)權(quán)利要求7所述的一種基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)，其特征在于，所述中央控制模塊用于控制和管理圖像采集模塊、特征模塊、特征分類識別模塊、結(jié)果顯示交互模塊和存儲模塊；中央控制模塊可以為硬件電路、工控機、服務(wù)器、計算機或嵌入式系統(tǒng)。
10.根據(jù)權(quán)利要求7 所述的一種基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)，其特征在于，基于煤巖圖像特征抽取以及分類識別的煤巖分界系統(tǒng)的工作過程分為四個階段:設(shè)置、訓(xùn)練、測試和分類；在設(shè)置階段，采集采煤工作面的煤巖圖像，抽取相應(yīng)的紋理特征值，構(gòu)造紋理特征向量，選擇支持向量機為默認分類器，對分類器參數(shù)進行初始設(shè)置；在訓(xùn)練階段，根據(jù)初始設(shè)置以及煤巖圖像訓(xùn)練樣本特征向量進行交叉驗證，并確定支持向量機的核心參數(shù)即核函數(shù)寬度和懲罰性參數(shù)；在測試階段，根據(jù)核函數(shù)寬度和懲罰性參數(shù)建立向量機模型并分別對訓(xùn)練樣品圖像和測試樣品圖像的紋理特征向量所組成的數(shù)據(jù)集進行測試，分別得到訓(xùn)練樣品圖像的識別準確率和測試樣品圖像的識別準確率；在分類階段，根據(jù)測試樣品圖像準確率對待分類樣品圖像進行預(yù)測。
全文摘要
一種基于煤巖圖像特征抽取與分類識別的煤巖分界方法和系統(tǒng)，首先在采煤工作面拍攝煤巖圖像，然后抽取煤巖圖像的紋理特征信息并構(gòu)造成特征向量；紋理特征信息包括原圖像和每個Daubechies小波分解尺度的低頻系數(shù)圖像的角二階矩、對比度、相關(guān)、均值、方差，還包括計算水平、垂直和對角三個方向的高頻系數(shù)圖像的總均值和總方差；最后創(chuàng)建最佳分類器，實現(xiàn)對煤巖界面的識別。本系統(tǒng)包括圖像采集模塊、特征模塊、分類識別模塊、結(jié)果顯示交互模塊、存儲模塊和中央控制模塊。本發(fā)明所提出的基于煤巖圖像特征抽取與分類識別的煤巖分界方法和系統(tǒng)具有計算簡便、人工干預(yù)少、成本低、可有效提高復(fù)雜環(huán)境下煤巖圖像的分類精度和效率，提供準確可靠的煤巖界面信息。
文檔編號G06K9/46GK103207999SQ20121044002
公開日2013年7月17日 申請日期2012年11月7日 優(yōu)先權(quán)日2012年11月7日
發(fā)明者孫繼平, 佘杰 申請人:中國礦業(yè)大學(xué)(北京)