(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111213591.7 (22)申请日 2021.10.19 (71)申请人 中北大学 地址 030051 山西省太原市学院路3号 (72)发明人 孙传猛　许瑞嘉　王冲　马铁华　 裴东兴　靳鸿　王燕　陈昌鑫　 丰雷　王宇　武志博　张红艳　 魏宇　李欣宇　原玥　陈嘉欣　 (74)专利代理 机构 太原科卫专利事务所(普通 合伙) 1410 0 代理人 侯小幸 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01)G06N 20/00(2019.01) (54)发明名称 基于融合改进CLBP和感受野理论的煤岩图 像识别分类方法 (57)摘要 本发明公开了一种基于融合改进CLBP和感 受野理论的煤岩图像识别分类方法， 属于图像处 理技术领域。 首先， 对煤岩图像进行灰度值转化， 提取灰度图像的每一点像素值形成像素值矩阵， 再使用中值处理的方法就像素矩 阵进行降噪的 操作， 以增强算法的抗噪性能， 在中值处理后得 到的新的像素矩阵基础上， 引入改进的完备局部 二值模式 （CLBP） 图像特征描述子进行煤岩特征 提取， 最后使用网络模型进行识别分类。 实验结 果表明在煤岩数据库中对于煤岩的识别准确率 达到94%， 并且识别速率也比原始算法更优秀， 本 发明能有效的解决原始算法识别效率低下的问 题， 在煤岩识别的方法中能够高效的解决实际问 题， 具有一定的实用价 值。 权利要求书2页 说明书4页 附图3页 CN 114022700 A 2022.02.08 CN 114022700 A 1.一种基于融合改进CLBP和感受野理论的煤岩图像识别分类方法， 其特征在于： 包括 如下步骤： 步骤1： 采集矿山中拍摄的煤炭与岩石的图片数据； 步骤2： 制作实验数据时， 将煤岩图像进行数据扩增并统一尺寸， 得到煤岩纹理图像实 验数据集； 步骤3： 对步骤2中得到的实验数据集进行 灰度化处 理， 得到煤岩图像数据库； 步骤4： 对步骤3得到的灰度图像的煤岩图像数据库使用中值处理和改进完全局部二值 模式方法提取煤岩图像的纹理特征， 所述纹理特征包括符号分量、 幅值分量以及中心像素 点分量： 步骤4.1： 采用中值处理方法将步骤3得到的灰度图像进行降噪操作， 具体为： 使用一定 尺寸的滤波核从左至右或从上至下遍历整个像素矩阵， 设定滤波核步长， 将提取出 的中值 组成新的像素值矩阵； 步骤4.2： 对得到的全新图像像素矩阵进行特征提取， 通过改进的局部差分操作 得到煤 岩图像的符号分量、 幅值分量以及中心像素点分量； 步骤4.2.1： 采用5*5的采样邻域来进行特征提取， 分为 中心像素点、 邻域像素点和最外 圈采样像素点， 分别在水平、 垂直以及对角线的位置采集像素点， 除去中心像素点， 每一层 的像素点采样个数均为8个， 得到新的局部采样拓扑 结构； 步骤4.2.2： 对局部采样区域提取特征， 通过二阶差分的计算方式得到符号分量与幅值 分量， 如公式(1)所示， 为改进完备局部二 值模式经 过二阶差分得到的像素差值： di＝gc+g1i‑2×g2i i＝1,2,...,8                   (1) 其中， di为局部像素差异值， gc为局部采样像素中心点像素值， i为采样点个数， g1i、 g2i 为水平、 垂 直和对角线 方向的采样 像素点值， 下角标代表采样像素点在水平、 垂 直和对角线 上的位置； 由公式(1)得到的di代入di＝si×mi， 然后分别得到局部采样区域的符号分量以及幅值 分量， 计算方式如下： 经过二进制编码后的符号分量 为： 其中： si表示符号 值， S是判别函数； 经过二进制编码后的幅值分量 为： 其中： mi为局部差值的绝对值， C为阈值， 设定为当前局部幅值的平均值； 步骤4.3： 将局部采样像 素中心点像素值gc与全局阈值I进行比较得到中心 像素特征值， 特征值计算公式如下： 中心像素 特征值＝t(gc,I)            (4) 式中I为阈值， 设定为全图像素值的平均值； 步骤5： 最后将每个采样区域得到的特征值形成最终的特征向量， 同时结合步骤4.2中权　利　要　求　书 1/2 页 2 CN 114022700 A 2得到的符号分量与幅值分量的特征信息， 采用串联和并行的联合结构将CLBP_S、 CLBP_M和 CLBP_C描述子结合使用， 级联融合成为最终完整的纹理特征， 将符号信息CLBP_S和幅值信 息CLBP_M联合成为CLBP_SM， 最后连接 CLBP_C组成CLBP_SM\C的直方图； 步骤6： 将步骤5中得到的直方图为一个特征矩阵， 输入网络模型中， 经过若干个感受野 模块操作后， 通过softmax输出最终分类结果； 所述网络模型设置如下： 首先设置两层卷积 层， 每个卷积层通过双曲正切函数来进 行激活； 紧接一层为最大值池化层， 滤波核设置为3， 步长设置为2， 通过最大值池化来进 行进一步降维操作； 再次通过一层卷积层继续提取抽象 特征， 输出进入 下一层最大值池化层 进行最后一次降维； 得到的特征信息通过Flatten操作 输出； 最后使用softmax确定特 征信息是煤还是岩石。 2.根据权利要求1所述的一种融合改进CLBP和感受野理论的煤岩图像识别分类方法， 其特征在于： 所述步骤2中， 数据扩增的方式为将 煤岩图像进 行翻转、 平移、 旋转以及 对比度 变换。 3.根据权利要求1所述的一种融合改进CLBP和感受野理论的煤岩图像识别分类方法， 其特征在于： 所述 步骤4.1中， 滤波 核的尺寸 为2*2， 滤波 核步长为2。权　利　要　求　书 2/2 页 3 CN 114022700 A 3