针对小波变换仅能有效表达图像中的点奇异性,难以提取煤岩图像曲线特征的弱点,以及高分辨率煤岩图像计算量大,难以满足煤岩识别实时性要求的问题,提出了一种基于曲波变换的低分辨率煤岩识别方法。该方法通过曲波变换对煤岩图像进行曲波分解,得到各尺度层曲波系数,利用主分量分析进行降维,并将结果分别输入不同k-NN分类器中,对分类结果加权融合,实现煤岩图像的分类识别。实验表明:通过曲波分解提取的特征能够有效地表达煤岩图像的曲线特征,与现有方法相比较,所提出方法具有更高的识别率,平均识别率达95.0%,在煤岩图像

提出了一种基于距离度量学习的煤岩识别方法。该方法首先从煤岩图像训练集中提取煤岩图像特征;然后学习到特定的距离度量,使得煤样本特征间、岩石样本特征间距离变小,煤样本特征与岩石样本特征间距离变大,以提高分类识别效果;最后采用分类器进行煤岩识别。实验结果表明,对于煤岩样本图像的LBP特征、HOG特征、GLCM特征,与基于欧式距离、LDA、ITML的煤岩识别方法相比,该方法具有更高的煤岩识别率。

提出了一种基于二进制十字对角纹理矩阵的煤岩图像特征提取与识别方法。该方法首先提取煤岩图像的二进制十字对角纹理矩阵,然后利用二进制十字对角纹理矩阵的角二阶矩能量、相关性、方差、逆差矩、熵、和熵、差熵、和均值、对比度、惯性矩及相关信息测度构造煤岩图像的特征向量,最后结合稀疏表示进行煤岩图像分类识别。实验结果表明,与基于十字对角纹理矩阵的图像特征提取与识别方法相比,该方法具有更好的煤岩识别效果,平均识别率达94.38%,且单幅图像特征提取时间大幅降低,提高了煤岩识别的实时性。