煤与矸石图像纹理特征提取方法.pdf

第 4 3卷 第 5期 2 0 1 7年 5月 工矿 自 动化 I n dus t r y a n d M i ne Au t oma t i on Vo 1 ． 4 3 NO ． 5 M a y 2 O1 7 文章 编 号 1 6 7 1 2 5 1 X 2 0 1 7 0 5 0 0 2 6 0 5 DO I 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 x ． 2 0 1 7 ． 0 5 ． 0 0 7 米强 ， 徐岩 ， 刘斌 ， 等． 煤与矸石图像纹理特征提取方法[ J ] ． 工矿 自动化 ， 2 0 1 7 ， 4 3 5 2 6 3 0 ． 煤与矸石图像纹理特征提取方法 米 强 ， 徐 岩 ， 刘斌 ， 徐 运 杰 山东科技大学 电子通信与物理学院，山东 青岛 2 6 6 5 9 0 摘 要 针 对现 有 煤与矸 石 图像 处理 方 法存 在提 取特 征 参 数 少 、 识 别精度 低 等 问题 ， 提 出 了一 种 融合 局 部 二值 模 式和 灰度 共 生矩 阵的煤 与矸 石 图像 纹理特 征提 取 方法 。首 先将 煤与矸 石预 处理 后 的 图像 转换 为局 部 二 值模 式 图像 ， 再利 用该 图像 生成 灰度 共 生矩 阵 ， 以角二 阶距 、 相 关性 、 对 比度和 熵作 为纹 理特征 进行 均值 和 归一化处理， 最后用支持 向量机进行训练 ， 得 出识别结果。实验结果表 明， 该方法能够有效地提取到煤与矸 石 图像 的纹理 特征 ， 煤 和矸 石 的识别 率 分别 为 9 4 和 9 6 。 关键 词 煤与 矸石 ；图像 处理 ；纹 理特 征 ；局 部二值 模 式 ；灰度 共 生矩 阵 ；支持 向量机 中 图分类 号 T D6 7 文 献标 志码 A 网络 出版时 问 2 0 1 7 0 4 2 5 1 7 5 0 网络 出版地址 h t t p ／ ／ k n s ． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． T P ． 2 0 1 7 0 4 2 5 ． 1 7 5 0 ． 0 0 7 ． h t ml 收稿 日期 2 0 1 6 1 1 - 2 5 ； 修回 E t 期 2 0 1 7 0 1 - 2 3 ； 责任编辑 张强 。 基金项 目 山东省研究生教 育创新 计 划项 目 0 1 0 4 0 1 0 5 3 0 5 ； 山东 科技 大学 教学 研究 项 目 J G2 0 1 5 0 6 ； 山东 科技 大学 研究 生教育 创新 项 目 KDYC1 3 0 26 ， KDYC1 5 0l 9 。 作者简介 米 强 1 9 9 3一 ， 男 ， 山 西 忻 州 人 ， 硕 士 研 究 生 ， 研 究 方 向 为 机 器 视 觉 和 图像 处 理 ， E ma i l 7 1 9 2 0 7 1 2 2 q q ． c o rn。 通 信 作 者 徐岩 1 9 7 0 一 ， 男 ， 山东汶上人 ， 教授 ， 博士 ， 现主要从事凝聚态物理 、 图像处理和机器视觉等领域的研究 T 作 ， E ma i l x u y a n s d u s t ． e d u ． c n 。 [ 2] 孙继平 ， 陈浜 ． 基于小 波域非 对称 广义 高斯模 型 的煤 岩识 别 算 法 [ J ] ．煤 炭 学 报 ， 2 0 1 5 ， 4 0 增 刊 2 5 68 57 5． [ 3] 孙继平 ， 佘杰 ． 基 于小波 的煤 岩图像 特征抽 取与识 别 E J 1 ． 煤炭学报 ， 2 0 1 3 ， 3 8 1 0 1 9 0 0 1 9 0 4 ． [ 4] 张宁 ， 任 茂文 ， 刘萍． 基于 主成分分 析和 B P神 经 网络 的煤 岩 界 面 识 别 [ J ] ． 工 矿 自动 化 ， 2 0 1 3 ， 3 9 4 55 - 58 ． [5] 孙继平． 基于 图像识别 的煤岩界 面识 别方法研 究E J ] ． 煤炭科学技 术 ， 2 0 1 1 ， 3 9 2 7 7 7 9 ． [6] 孙 继平 ， 余杰 ． 基 于支持 向量机 的煤岩 图像特 征抽 取 与分 类 识 别 [ J ] ．煤 炭 学 报 ， 2 0 1 3 ， 3 8 增 刊 2 5 O 8 51 2 ． [ 7] T URK M， P E NT L AND A． E i g e n f a c e s f o r r e c o g n i t i o n [ J ] ． J o u r n a l o f C o g n i t i v e N e u r o s c i e n c e ， 1 9 9 1 ， 3 1 7l 一 8 6． r 8 l S CHI FF MAN S S， YOUNG F W ， REYNOL DS M L． I nt r od uc t i on t o mul t i d i me n s i ona l s c a l i ng t h e or y， me t h o d s ， a n d a p p l i c a t i o n s [ M] ． Ne w Yo r k Ac a d e mi c Pr e s s， 19 81 ． [9] L u J ， P L A TAN 1 0T I S K N， VE NE T S AN0 P 0 UL 0s A N．F a c e r e c o g n i t i o n u s i n g LDA b a s e d a l g o r i t h m s ． [ 1 0 2 [ 1 1 ] [ 1 2 ] [ 1 3 ] [ 1 4 ] [ 1 5 1 [ J ] ． I E E E Tr a n s a c t i o n s o n Ne u r a l N e t wo r k s ， 2 0 0 3 ， 1 4 1 1 95 - 20 0． DAVI S J V， KUL I S B， J AI N P， e t a 1 ．I n f o r ma t i o n t h e o r e t i c me t r i c l e a r n i n g [ C ] ／ ／ P r o c e e d i n g s o f t h e 2 4 t h I nt e r n a t i o na l Co nf e r e nc e on M a c hi n e Le a r ni n g， Cor v a l i s， 2 0 07 2 09 21 6． LI U C S．LI X BI ，YANG Y P．Te xt c 1 a s s i f i c a t i 0n a l go r i t hm ba s e d on n e i ghb or ho od c o mpo ne n t a n a l ys i s [ J ] ． C o mp u t e r E n g i n e e r i n g ， 2 0 1 2 ， 3 8 1 5 1 3 9 1 4 1 ． L U J ，ZH0U X，TAN Y P，e t a 1 ．Ne i g h b o r h 0 o d r e p u l s e d me t r i c l e a r n i n g f o r k i n s h i p v e r i f i c a t i o n [ J ] ． I EEE Tr a n s a c t i o n s o n P a t t e r n An a l y s i s ＆Ma c h i n e I n t e l l i g e n c e ， 2 0 1 2 ， 3 6 2 3 3 卜3 4 5 ． 宋克 臣， 颜云辉 ， 陈 文辉 ， 等． 局 部二值 模式 方法 研究 与展望 [ J ] ． 自动化 学报 ， 2 0 1 3 ， 3 9 6 7 3 0 7 4 4 ． DALAL N ，TTI GGS B． H i s t o gr a m s of or i e nt e d g r a d i e n t s f o r h u ma n d e t e c t i o n [ c ] ∥ I E E E C o mp u t e r So c i e t y Co nf e r e nc e o n Compu t e r Vi s i on a nd Pa t t e r n R e c o g n i t i o n ， B e ij i n g ， 2 0 0 5 8 8 6 8 9 3 ． 郭德 军 ， 宋蛰存． 基 于灰度共 生矩 阵 的纹 理 图像 分类 研究[ J 1 ． 林业机械 与木工设 备 ， 2 0 0 5 ， 3 3 7 2 1 2 3 ． 2 0 1 7年 第 5期 米 强等 煤与矸 石 图像 纹理 特征提 取 方 法 2 7 Ex t r a c t i o n me t h o d o f t e xt u r e f e a t u r e o f i ma ge s o f c o a l a n d ga n gu e MI Qi a n g ， XU Ya n， LI U Bi n， XU Yu n j i e Co l l e g e o f El e c t r o n i c ，Co mmu n i c a t i o n a n d Ph y s i c s ，S h a n d o n g Un i v e r s i t y o f S c i e n c e a n d Te c h n o l o g y，Qi n g d a o 2 6 6 5 9 0 ，Ch i n a Ab s t r a c t I n v i e w of p r ob l e m s o f l e s s e xt r a c t i o n f e a t u r e pa r a me t e r s a nd l ow r e c o gni t i o n pr e c i s i on e xi s t e d i n i m a ge pr o c e s s i n g m e t ho ds o f c o a l a nd ga n gu e，a n e xt r a c t i on me t h o d o f t e x t ur e f e a t u r e of i m a ge s o f c o a l a nd g a ng ue f us e d wi t h l o c a l b i na r y pa t t e r n a nd g r a y l e ve l C O o c c u r r e n c e m a t r i x wa s pr o po s e d． Fi r s t l y，t h e p r e pr o c e s s e d i ma g e s o f c o a l a nd g a ng ue we r e t r a n s f or me d i n t o l o c al b i na r y p a t t e r n i m a g e s ， t h e n t h e l o c a l b i n a r y p a t t e r n i ma g e s we r e u s e d t o g e n e r a t e g r a y l e v e l C O o c c u r r e n c e ma t r i x，t h e me a n v a l u e a nd n or ma l i z a t i o n o f t hos e t e x t ur e f e a t ur e s i nc l u di ng a ng ul a r s e c o nd m o me nt ， c o r r e l a t i o n，c o nt r a s t a nd e nt r o py w e r e pr o c e s s e d． Fi na l l y，s u pp or t v e c t or m a c hi n e wa s us e d f o r s a m pl e s t r a i n i ng a n d r e c o g ni t i on r e s u l t s we r e ob t a i ne d．Th e e x pe r i me nt a l r e s ul t s s h ow t h a t t h e me t ho d c a n e f f e c t i v e l y e xt r a c t t h e t e x t u r e f e a t ur e o f i ma g e s of c oa l a n d ga n gue ，a nd t he r e c o g ni t i on r a t e s o f c oa l a nd ga n gu e a r e r e s p e c t i v e l y 94 a nd 96 ． Ke y wo r d sc o a l a n d ga n gue； i ma ge pr o c e s s i ng； t e x t ur e f e a t ur e； l o c a l bi n a r y pa t t e r n； g r a y l e v e l C O o c c u r r e nc e m a t r i x；s u pp o r t v e c t o r ma c h i ne 0 引言 煤炭是我国最重要 的战略资源 ， 也是生产 、 生活 的能量来源之一 。在煤炭开采 的过程 中， 由于掺杂 了大量的矸石 ， 严重影响了用煤效率 ， 如果处理不 当 还会 增加 对环 境 的污染 。现 阶段 我 国采 用 的选 煤 方 法主要有干法选煤、 湿法选煤 和人工拣选等 。干法 选煤方法虽然发展较早 ， 应用广泛 ， 但是设备庞大 、 复杂且 价格 昂贵 ， 不 利 于维护 ； 湿 法选 煤方 法在 选煤 过程中会浪费大量水资源， 还可能污染环境 ； 人工拣 选 方法 在 浪费人 力 的 同时 ， 大 量 煤 尘 的 吸入 容 易导 致工人产生疾病 。随着机器视觉理论体系的不断完 善 ， 图像处理与模式识别技术得到了较快的发展 ， 用 图像处理的方法进行检测可以大大提高生产效率及 自动化程 度 ， 并且 可 以实 现非 接触 式检 测分 选 ， 有利 于环境保护 。 国内外学者对煤与矸石图像处理方法进行了大 量的研究 。文献I- 3 - 1 和文献E 4 - 1 利用灰度值分析方法 对煤和矸石图像进行处理 ， 但文献[ 3 ] 的方法需要一 定辅助条件 ， 并且过程 比较复杂 ， 文献 E 4 1 的方法较 为简单 ， 但不能满足实际的需要 ； 文献E s ] 和文献{] 6 - 1 采用 了基于灰度共 生矩 阵的纹理特征提取方 法， 但 该方法提取到的特 征参数 比较少 ， 容易影响识别结 果的精度 ； 文献 [ 7 ] 采 用 了基 于 B P网络 的识别 方 法 ， 由于受到实验样本差异的影响 ， 其识别效率还有 待提 高 。针对 以上 方 法 的缺 陷 与 不 足 ， 本 文 提 出 了 融合局部二值模式 L o c a l B i n a r y P a t t e r n ， L B P 和 灰 度共 生 矩 阵 Gr a y L e v e l C o o c c u r r e n c e Ma t r i x ， GL C M 的煤 与矸 石 图像纹 理特 征提 取方 法 ， 采用 支 持 向量机 S u p p o r t Ve c t o r Ma c h i n e ， S VM 进行训 练和识别 ， 煤 和矸 石 的识别 率分别 达 到 了 9 4 和 9 6 ， 能够满足现场应用的要求。 1图像 预 处理 由于相 机 拍 摄 的 环境 处 在 煤 炭 开采 附近 ， 周 围 容易受到大量粉尘和其他 因素 的干扰 ， 为 了获得更 加 清晰 的 图像 ， 需 要 对 拍 摄 到 的 图像 进 行 预 处 理 。 首先将相机拍摄到的含有彩色图像信息的原始图像 转换为灰度图像 ， 利用 同态滤波增 强灰度 图像的亮 度和对比度 ， 然后采用 中值滤波方 法消除 图像 中孤 立且 不连 续 的噪声 点 ， 让 周 围 的像 素 值 更 接 近 真 实 值 ， 使煤与矸石图像 的纹理信息清晰地显示出来 ， 计 算公式如式 1 所示 。最后利用 图像分割方法将煤 和矸 石与 背景 分开 ， 只保 留图像 中的煤 和矸石 ， 方便 纹理 特征 的提 取 。 g x， 一 Me d { f x一 愚 ， Z ， 是， Z E V } 1 式 中 f x， ， g x， 分别为原始 图像和处理后 的 图像 ； W 为所选窗 口的大小 ， 窗 口内所选 的像 素 k 和 z 一般取奇数值 ， 以便存在中值像素。 实 验选 用 的样本 来 自山西 大 同煤 矿 ， 采用 C C D 相机拍摄 ， 如图 1 所示。 2 8 工矿 自动化 2 0 1 7年 第 4 3卷 囊专 t 煤的灰度I割像 } 】 预处理 的煤的图像 “ f l 的 度 像 d赖 处 理 府 的 “ I 的 l厥 度 l 1 象 1 像预 处邢 2纹 理特 征提 取 像 t } 1 卡 n 、 多的信息 都 分布 罔 像 的纹理 结 构 I 1 ． ．、血过 纹 理 分析 可以得 剑更 多 的宏 观币 微观 信息 ． 所以 ． t - 机 器 视觉 的图像 处理 中 ， 纹 理 的特 征 分析越 f ∈ 越受 刽 人f 『 J 青 睐 。本 文通 过 融 合 I B P 和 GI C M 的纹 特 提取 厅法 ． 分 析煤 百 f 石 表 而 的纹 理 差 蚌。 般 高 } J j lJ 效 ， 。 2 ．1 I l { I I I 址一 种 J 1 】 米 描 述 像 局 部 纹 理 特 征 的不 杆 { 火 J ， 它 主 要通 过 埘 像 任 意 一点 与其 周 围点 的厌度 仇 的大小 父 系米 表 示 图 像 的局 部 纹 理 特 征 。 ⋯1 -I l { I 理 相 对 简 ． 计 算 复 杂 度 低 ， 义具 有 旋 转 小变 干 “ 从 腹不 变忡等 优点 ， 所 以 ， 被广 泛应 用于 I訇像 处理 的各 个领域 。 始 的 I ． B P算子 定 义 一 个 3 3像 索 的 矩形 衡 f 1 1 人 J ． 汁钎 ， J 意 2所示 。定 义 陔 域 的 阈 俯 为窗 口i t 川的 7火度 值 ． 并 与 紧邻 这个 灰 度值 的 8个 灰度 俩 进 i 对 比 ， 若 J 吉 1 Ⅲ 从 度 值 大 于 r r I 心 仳 则被 l ， 小于 『 f 1 心 闽值 则被 记为 0 。然 后通 过 f 1 l『 针 办⋯ 从 域 的 左 角 开 始 渎取 刮 8位 的 ■进制 数 ， 将 ■进 制 数转换 为 十 1 进 制数 ， 作 为范 内 的 I B I f f Lj ， 通 过此 值反 映 陔 域 的纹理 信息 。 一一～ 圈盟 l 2原始 I B I 赞 f - 的计簧 爪意 原 始 的 I B P算 子 只能 固 定 在 33的 范 内 ． 如果 区域 中 的网像 进 行 旋 转 ， 二 进 制 数 的顺 序 也 会 随之发 生改 变 ． 很 明显 不 能 对 各 种 形式 的纹 理 特 征 进 行提取 。 【大 1 此 ， 需 要 对 原 始 I B P算 子进 行 改 进 ． 将 3 3的 矩 形 区 域 扩 展 成 一 个 以 中 心 点 为 圆 心 、 R 为半 径 的 区域 ， 并 且 允许 在 此 区域 内有 任 意 多 个 像 素点 ， 记 为 I B P ， 表 示 在 半 径 为 R 的 圆形 邻 域 内有 ， J 个像 素 点 ， 并 结 合旋 转 不 变 性 质 ， 通 过 对 图 像顺 时针 旋转 得 到一 系列 I B P值 ， 选 择 其 巾 的最 小 值作 为 该 域 的 I B P 值 。 I B P 旋 转 不 变 算 子 I BP ． 计算 公式 为 I BP ．R- -- -r ai n R R LB PT , R， i ． i一 0． 1， ⋯ ， P 一 1 2 式 中 R R ， i 函 数 为旋 转 数 ， 表示 将 _丁循 环 移 P 位 。 常 用 的有 I B P 、 L B P ． 和 L B P ． 算 子 。 2 ． 2 G1 CM GI CM 是一 种 通过 研 究 罔像 灰 度在 距 离 、 方 和变 化 E 综 合信 息 的纹 理 特 征 提 取 方 法 ， 主 要 川 于 二 阶纹理 特 征 的统 计 。GI CM 表 示 在 方 向 上 ， 像 中问 隔距离 为 d的一 对 像 素点 ， 它们 的厌 度 值 分 别 为 和 j所 出现 的概 率 ， 记为 P 。 ．J _ ． ， 。其 中 ． c ， 表示 2个像 素 点 之 间 的相 对距 离 。 而 只 考 虑 在 0 ． 4 5 ， 9 0 ， l 3 5 。 这 4个方 向 的取值 。假 没在 M N 的 像 区域 内 ， 有 _／ ’ 、r ， 一 i 和 - ／ 、 - -r ． 一 的 一 对 像素 点 ． 则计 算公 式 为 P ， ， ， 一 c a r d { ．r 】 ， y1 ∈ M ， N ， 2 ， Y ∈ M ， N【d， ／ l ， Y 1 一 ～， ． 2一 } 3 式 中 c a r d { } 为该 集 合 中的元 素数 日。 南于 纹理 特征 值容 易受 到方 向的干扰 ， 所以 ． 要 对 4个方 向的特征 值求 平 均 ， 取 它 f 『 】 的平 均 值 作 为 最终 的纹 理特 征 ， 然 后将 不 同 的纹 理 特 征 值 进 行 l 一 化 处理 ， 让 特征 值 具 有 更 高 的 分 辨 率 。为 r提 高 识 别效 率 ， 同时根 据煤 与矸 石 的纹理 特 征 ， 笔 者选 刚 GI C M 的角 二 阶距 、 相关 性 、 对 比度 和 熵 这 4种 不 相 关的纹 理 参数作 为煤 与矸 石识 别 的特 征值 。 角二 阶距 的表 达式 为 』 1 j 1 l， 一∑ ∑ P ， ， ， 4 l 0』c J 相关 性 的表达 式 为 J I 】 ∑ ∑ P ， ， ， 臼 一“ _ ， 2一 5 0 9 0 ● 常 进进 一 ● _ - _● ●r 2 0 1 7年 第 5期 米 强等 煤 与矸石 图像 纹 理特 征提 取 方法 2 9 对 比度 的表 达式 为 f 3 一∑” 。 { ∑∑P 。 ， J ， ， 6 一 0 i 0 J 0 熵 的表 达式 为 ￡ 广 1 L 一 1 f 4 一 一∑ ∑P i ， J ， ， 0 l o g P i ， J ， ， 7 i 0 J 0 式 中 L为灰度 级 数 ； 为变 量 i 的 均值 ， 一 L一 1 L 一 1 ∑ ∑P i ， J ， ， l U 。 为变量 J的均值， 一 i 0 J一0 I ， _ - 1 L 一 1 ∑ ∑P i ， J ， ， 为变量 i 的方差， } J 0 0 I ， 一1 I ， _ 一 1 ∑ 一“ ∑P i ， J ， ， 为变量J 的方差， i 一0 J 0 L l L一 1 i 一∑ 一 ∑P i ， J ， ， 。 0 一 0 2 ． 3纹理 特征提 取 方 法 基 于 L B P和 GL C M 的纹 理特 征 提 取方 法 步 骤 如下 1 首先选 取具有 旋转不 变性 的 L B P 8 ． 算 子 ， 对 预处理后 的图像通 过 L B P运 算转换 为 L B P图像 。 2 生 成 L B P图像 的 GL C M ， 其 中距离 d的值 为 1 ， 0的值 分 别 为 0 ， 4 5 ， 9 0 ， 1 3 5 。 ， 得 到 4个 方 向 的 G L C M， 并取它们的平均值进行归一化处理 。 3 计算各个 GL C M 的角二 阶距 、 相关性 、 对 比度和熵 ， 把这 4个特征值作为 图像 的纹理特征来 进行训练和识别。 3 S V M 分类 器 在 分类 器 中 ， S VM 以 结 构 化 风 险 最 小 化 为 原 则 ， 即兼顾训练误差与测试误差的最小化 ， 主要是以 分 析数 据 和 模 式 识 别 为 主 ， 用 于 分 类 和 回 归 分 析 ， S VM 已成为解决小样本、 非线性和高维模式识别 的 有 效工 具 。 由于 S VM 具有 良好 的适 应 性 和泛 化 能 力 ， 实验选用 S VM 作为煤与矸石 图像 的识别与分 类 方法 。 在上述纹理特征分析中， 因每个特征值的范围 不 同 ， 可 能 导致一 系列 复 杂 的运算 ， 为 了解决 这些 运 算问题 ， S VM 作为典型的二分类器 ， 需要在训练之 前将特征值数据映射到 0 ～1的范 围之 内。在训练 S VM 时 ， 还需 要 注 意 核 函数 的选 择 ， 核 函数 将 直 接 影响 S VM 的分类效果。在 S VM 分类器 中， 主要有 以下 4种 核 函数应 用 比较广 泛 线性 核 函数 、 多项 式 核函数、 径向基核 函数 、 S i g mo i d核 函数。因径 向基 核函数有着训练速度快 、 所需参数少 、 复杂度低等优 点 ， 可极大地减少 计算量并 有利于结果 的分析 ， 所 以 ， 实验采 用 径 向基核 函数 。 径 向基核 函数 为 k x ， z 一e x p f z z lI 。 2 式 中 五 为核 函 数 中心 ； 为 函数 的 宽 度 参 数 ， 用 于 控制函数的径向范围。 4识别 结 果与 分析 4 ． 1识 别 系统 描 述 为 了符合实际 ， 结合煤与矸石识别系统对纹理 特征 提取 方法 进行 分 析 ， 煤 和矸 石 识 别 系 统 结 构 如 图 3所示 。识别系统 主要 由图像获取、 图像处理和 控制执行机构 3个部分构成 ， 图像获取部分主要 由 传送 带、 光 源、 镜 头、 C C D相机 和 图像采 集卡等 组 成 ， 为防止环境光落到煤和矸石上会降低图像质量 ， 需 要在 传送 带 上方 的采 集 图像 周 围 加遮 光 板 ， 遮 光 板 内采 用 的光 源 为 L E D 灯 。摄像 机 标 定 是 图像 获 取 的关 键 步骤 ， 识别 系统 中采 用 基 于 针 孔模 型 的 张 正 友标 定法 ， 该 方法 鲁棒 性强 ， 只需要拍 摄 不 同方 向 的 2张图像 ， 根 据 图像 上 的每 个像 素 点之 间 的对 应 关 系便 可标 定 出摄像 机 的 内外 参数 。 图 3 煤与矸石识别系统结构 通 道 煤 与矸 石分 选识 别 的整 个 过 程 开 采 出来 的 原 煤通过排队装置传送 到传送带上 ， 当进入检测区域 时 ， 经过 L E D灯 的 照射 ， 高速 摄 像 头 将对 原 煤 的 表 面进行扫描 ， 将 获得 的煤与 矸石 的光 学 图像通 过 C C D相 机转 换 为数 字 图像 ， 再 利 用 图像 采 集 卡 将 采 集到的数据输入计算机 中， 通过计算机的相关 处理 和识别后将信号传送给 P L C控制器 ， 最后由控制执 行机构将煤与矸石分别送入不同的通道 。 4 ． 2结 果 与分析 根据 纹 理 特 征 的提 取 方 法 ， 实 验选 取 经 过 预处 理后的部分煤与矸石图像 6幅 图像 ， 分别求 出其 GL C M 的角二 阶 距 、 相 关 性 、 对 比度 和熵 这 4个 纹 理特征值。通过相关运算得出煤与矸石的纹理特征 值数据 ， 分别见表 1和表 2 。 3 0 工矿 自动化 2 0 1 7 年 第 4 3卷 表 1 煤 的纹理特征值 开始 读取图像 图像 预处理 转换 为 L B P图像 生成 图像 的 G L C M 取 4 个方向特征值的平均值 特 征向量 归一化处理 用 S V M 进行训练和 分类 一 Y I 识别 为煤 I l 结柬 图 4煤与矸石 的图像识别流程 煤与矸 石 的 图像 识 别流 程如 图 4所示 。实 验 中 选取 了来 自山西大 同煤 矿 的大小 形状 各异 的煤 与矸 石样 本 ， 用 C C D相 机 拍 摄 了在 L E D 灯 下 的煤 与 矸 石的图像各 2 0 0幅， 每幅图像的大小为 3 2 02 4 0 ， 经过 预处 理 和纹 理 特征 提 取 ， 随机 抽 取 1 5 O幅 图像 作为 样 本 训 练 S VM ， 剩 下 的 5 O幅 图像 作 为 测试 样 本 ， 最终的识别结果见表 3 。 表 3 煤与矸石 的识别结果 5 结语 在煤矿开采过程中， 煤与矸石的分选识别是不 可或缺的环节。根 据煤与矸石表 面纹理信息 的差 异 ， 融 合 L B P和 GL C M 的纹 理 特 征 提取 方 法 可 有 效 提 取 出煤 与矸 石 图像 的角二 阶距 、 相关 性 、 对 比度 和熵 这 4 个 纹 理 特征 值 ， 并 通 过 S VM 分类 器 进 行 分类 ， 最终 得 出识别 结果 。实 验结 果表 明 ， 该 方法 能 够有 效地 提取 到煤 和 矸 石 之 间 的纹 理 特 征 ， 且 识 别 率分 别高 达 9 4 ， 9 6 9 ／ 6 。 参 考 文 献 [1 ] 张友军． 国 内外 选 煤技 术 与装 备 的现状 及 发展 趋 势 E J ] ． 选煤技术 ， 2 0 1 1 1 7 0 7 2 ． [2] 刘金桥 ， 吴金强． 机器视 觉 系统发 展及其 应用 [ J ] ． 机 械工程 与 自动 化 ， 2 0 1 0 1 2 1 5 2 1 6 ． [3] 于 国防， 邹士威 ， 秦聪． 图像灰度信息在煤矸石 自动分 选 中 的应 用 研 究 [ J ] ．工 矿 自动 化 ， 2 0 1 2 ， 3 8 2 36 39 ． [4] 王祥瑞． 煤矿矸石 自动分选 中图像处理与识别技 术 的 应用E J 3 ． 煤炭技术， 2 0 1 2 ， 3 1 8 1 1 2 一 l l 3 ． [ 5] 何 敏 ， 王培培 ， 蒋慧慧． 基于 S VM 和纹 理的煤 和煤矸 石 自动 识 别 [ J ] ． 计 算 机 工 程 与设 计 ， 2 0 1 2 ， 3 3 3 1 11 7 1 1 21 ． [ 6] 宋剑 ． 基 于 图像 特征 的煤 与矸石 识别 算法 研 究[ D ] ． 邯郸 河北工程大学 ， 2 O l 6 ． [ 7] 廖阳阳． 基 于 B P网络和图像处 理 的煤 矸石 的动态识 别E J ] ． 工业控制计算机 ， 2 0 1 5 ， 2 8 7 1 1 9 - 1 2 2 ． [ 8] 赵高长 ， 张磊 ， 武风波． 改进 的中值滤波算法 在图像去 噪中的应用E J 3 ． 应用光学 ， 2 0 1 1 ， 3 2 4 6 7 8 6 8 2 ． [ 9] 宋克臣 ， 严 云辉 ， 陈文辉 ， 等． 局部二 值模式 方法 研究 与展望E J ] ． Ih 动化学报 ， 2 0 1 3 ， 3 9 6 7 3 0 7 4 4 ． E l o 3 王峰 ， 殷珍珍 ， 李彬． 基 于分块局部 二值模式 的 图像 检 索研究E J ] ． 微 电子学与计算机 ， 2 0 1 4 ， 3 1 5 2 1 2 7 ． [ 1 1 ] 高程程 ， 惠 晓威 ． 基 于灰度 共生矩 阵的纹 理特 征提 取 E J ] ． 计算机系统应用 ， 2 0 1 0 ， 1 9 6 1 9 5 1 9 8 ． E l Z 3 焦蓬蓬 ， 郭依 正 ， 刘 丽娟 ， 等． 灰度共 生矩 阵纹 理特 征 提取 的 Ma t l a b实 现 E J ] ． 计 算 机技 术 与发 展 ， 2 0 1 2 ， 2 2 1 1 1 6 9 - 1 7 5 ． E 1 3 ] 丁世飞 ， 齐 丙娟 ， 谭红艳． 支持向量机理论与算法研 究 综述E J 3 ． 电子科技大学学报 ， 2 0 1 1 ， 4 0 1 2 - 1 0 ． E 1 4 3 孙继平 ， 余 杰． 基 于支持 向量机 的煤岩 图像 特征抽 取 与分类识别E J 3 ． 煤 炭学报 ， 2 0 1 3 ， 3 8 2 5 0 8 5 1 2 ． E 1 5 3 张倩 ， 杨耀 权． 基 于支持 向量 机核 函数 的研究 [ J ] ． 电 力科学与工程 ， 2 0 1 2 ， 2 8 5 4 2 4 5 ．