基于最大池化稀疏编码的煤岩识别方法

发布时间：2018-03-17 12:19

  本文选题：煤岩识别　切入点：图像处理　出处：《工程科学学报》2017年07期 　论文类型：期刊论文

【摘要】：针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法.
[Abstract]:In order to mine new coal and rock image recognition method and better deal with high-dimensional coal and rock image data, the present coal and rock image recognition method is lacking and insufficient. A method of coal and rock recognition based on maximum pool sparse coding is proposed, in which pool operation is added to extract the features of coal and rock images, and an integrated classifier is used in classification and recognition. The experimental results show that the feature extraction method of maximum pool sparse coding can express the texture features of coal and rock images simply and effectively, and greatly enhance the distinguishability of coal and rock images. The research results can provide new ideas and methods for automatic recognition of coal-rock interface.
【作者单位】： 中国矿业大学(北京)机电与信息工程学院;
【基金】：国家重点研发计划资助项目(2016YFC0801800) 国家自然科学基金重点资助项目(51134024)
【分类号】：TD315

【参考文献】

相关期刊论文 前7条

1 伍云霞;田一民;;基于字典学习的煤岩图像特征提取与识别方法[J];煤炭学报;2016年12期

2 孙继平;陈浜;;基于双树复小波域统计建模的煤岩识别方法[J];煤炭学报;2016年07期

3 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;2015年S2期

4 章华;李振璧;姜媛媛;;基于图像纹理的煤岩识别研究[J];煤炭技术;2015年07期

5 Jia Li;Qiang Wang;Yi Shen;;Near optimal condition of OMP algorithm in recovering sparse signal from noisy measurement[J];Journal of Systems Engineering and Electronics;2014年04期

6 孙继平;佘杰;;基于小波的煤岩图像特征抽取与识别[J];煤炭学报;2013年10期

7 史郡;王晓华;;基于改进K-SVD字典学习的超分辨率图像重构[J];电子学报;2013年05期

【共引文献】

相关期刊论文 前10条

1 曹庆春;刘帅;王怀震;蔡冬雷;孟超;;基于渐变信号的HHT-PCA-MRVM煤岩辨识算法[J];传感器与微系统;2017年08期

2 伍云霞;田一民;;基于最大池化稀疏编码的煤岩识别方法[J];工程科学学报;2017年07期

3 付华;曹庆春;;USMC控制的采煤机HHT-PCA-MRVM煤岩辨识算法[J];计算机应用与软件;2017年07期

4 余乐;;一种煤和煤矸石图像识别的新方法[J];现代计算机(专业版);2017年17期

5 伍云霞;张宏;;基于Curvelet变换的低分辨率煤岩识别方法[J];矿业科学学报;2017年03期

6 朱耀麟;王祖全;齐静;武桐;;改进的POCS算法的超分辨率单幅图像重建[J];计算机与数字工程;2017年05期

7 张帆;闫秀秀;李亚杰;;基于稀疏度自适应的矿井智能监控图像重构方法[J];煤炭学报;2017年05期

8 伍云霞;张宏;;基于Curvelet变换和压缩感知的煤岩识别方法[J];煤炭学报;2017年05期

9 张强;王海舰;郭桐;刘永凤;;基于截齿截割红外热像的采煤机煤岩界面识别研究[J];煤炭科学技术;2017年05期

10 孙继平;杨坤;;一种煤岩图像特征提取与识别方法[J];工矿自动化;2017年05期

【二级参考文献】

相关期刊论文 前10条

1 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;2015年S2期

2 章华;李振璧;姜媛媛;;基于图像纹理的煤岩识别研究[J];煤炭技术;2015年07期

3 郝清玉;朱元忠;陈健;;基于图像多小波变换的煤岩界面识别[J];工矿自动化;2015年02期

4 孙继平;;煤矿事故特点与煤矿通信、人员定位及监视新技术[J];工矿自动化;2015年02期

5 程发新;程栋;;基于相对熵的残缺语言判断矩阵群排序方法[J];控制与决策;2015年03期

6 练秋生;石保顺;陈书贞;;字典学习模型、算法及其应用研究进展[J];自动化学报;2015年02期

7 张万枝;王增才;;基于视觉技术的煤岩特征分析与识别[J];煤炭技术;2014年10期

8 缪协兴;张吉雄;;井下煤矸分离与综合机械化固体充填采煤技术[J];煤炭学报;2014年08期

9 Jia Li;Qiang Wang;Yi Shen;;Near optimal condition of OMP algorithm in recovering sparse signal from noisy measurement[J];Journal of Systems Engineering and Electronics;2014年04期

10 邹修国;丁为民;陈彩蓉;刘德营;;基于改进灰度共生矩阵和粒子群算法的稻飞虱分类[J];农业工程学报;2014年10期

【相似文献】

相关期刊论文 前1条

1 梁天一;宋国新;虞慧群;;基于稀疏编码的图像语义分类器模型[J];华东理工大学学报(自然科学版);2007年06期

相关会议论文 前3条

1 尚丽;;使用正态可逆高斯密度模型的非负稀疏编码收缩技术实现图像消噪[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年

2 刘扬;程健;卢汉清;;基于目标局部特征的迁移式学习[A];第十四届全国图象图形学学术会议论文集[C];2008年

3 张莹莹;梁培基;;视网膜神经元的高效信息处理[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

相关博士学位论文 前10条

1 唐海峰;基于信号稀疏表征的故障诊断方法研究[D];上海交通大学;2014年

2 孙宇平;基于稀疏表征和自相似性的视觉数据识别关键技术及应用[D];华南理工大学;2015年

3 徐平华;基于稀疏编码的多视域织物外观平整度表征与评级[D];东华大学;2016年

4 吕京磊;基于功能磁共振成像的大脑架构表达的研究[D];西北工业大学;2016年

5 王婧;面向在线环境的数据编码问题研究[D];合肥工业大学;2015年

6 李清勇;视觉感知的稀疏编码理论及其应用研究[D];中国科学院研究生院（计算技术研究所）;2006年

7 季昊;稀疏编码研究及其在模式识别中的应用[D];北京邮电大学;2012年

8 孙俊;人脸图像分析和识别方法研究[D];清华大学;2001年

9 朱秋平;基于稀疏编码的织物瑕疵检测算法研究[D];武汉大学;2014年

10 罗敏楠;T-S模糊推理系统的结构稀疏编码辨识理论与方法[D];清华大学;2014年

相关硕士学位论文 前10条

1 柏文强;基于局部特征提取和稀疏编码的人脸识别算法研究[D];燕山大学;2015年

2 李明;目标检测与识别算法研究与应用[D];中央民族大学;2015年

3 许涛;面向视频管理的指纹特征提取技术研究[D];电子科技大学;2015年

4 鲍珍珍;基于多路分层稀疏编码的遥感图像场景分类[D];西安电子科技大学;2014年

5 覃晓冰;基于稀疏编码的语音去噪技术研究[D];电子科技大学;2015年

6 谢易道;大规模人脸图像编码及其在人脸验证中的应用研究[D];电子科技大学;2015年

7 勾珍珍;基于空间约束和稀疏编码的高光谱图像分类[D];西安电子科技大学;2014年

8 黄成;基于非负稀疏编码的视频拷贝检测方法研究[D];湘潭大学;2015年

9 张文义;基于智能监控系统的图像质量增强算法的研究[D];南京邮电大学;2015年

10 丁文秀;基于分层深度学习的行人分类方法研究[D];合肥工业大学;2015年

，

本文编号：1624708