基于离散余弦变换低频分量特征及学习向量量化的煤岩识别方法
来源期刊:工矿自动化2015年第11期
论文作者:孙继平 刘剑桥
文章页码:1 - 6
关键词:自动化采煤;煤岩识别;离散余弦变换;学习向量量化;
摘 要:针对现有煤岩识别方法适用范围小、识别正确率低等问题,采用图像分块离散余弦变换处理煤岩图像,将每一个图像块的DCT变换系数以"Z"字型排列,构成表达图像块的向量;采用2种方式提取煤岩图像特征:一种是用图像块向量每一维的均值和所有图像块向量的总体方差构成煤岩图像特征向量,另一种是按照图像块DCT变换顺序,将图像块向量级联构成煤岩图像特征向量;采用学习向量量化神经网络进行煤岩识别,2种特征提取方式的识别准确率均为96.67%,比Haar小波方法提高了3.3%,比Daubechies小波方法提高了5.8%。
孙继平1,刘剑桥2
1. 中国矿业大学(北京)2. 中国矿业大学(北京)机电与信息工程学院
摘 要:针对现有煤岩识别方法适用范围小、识别正确率低等问题,采用图像分块离散余弦变换处理煤岩图像,将每一个图像块的DCT变换系数以"Z"字型排列,构成表达图像块的向量;采用2种方式提取煤岩图像特征:一种是用图像块向量每一维的均值和所有图像块向量的总体方差构成煤岩图像特征向量,另一种是按照图像块DCT变换顺序,将图像块向量级联构成煤岩图像特征向量;采用学习向量量化神经网络进行煤岩识别,2种特征提取方式的识别准确率均为96.67%,比Haar小波方法提高了3.3%,比Daubechies小波方法提高了5.8%。
关键词:自动化采煤;煤岩识别;离散余弦变换;学习向量量化;