申请/专利权人：安徽理工大学

申请日：2021-11-22

公开（公告）日：2024-04-19

公开（公告）号：CN114066861B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/13;G06T7/187;G06T5/30;G06T5/40;G06F17/16;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.03.08#实质审查的生效;2022.02.18#公开

摘要：本发明涉及一种基于交叉算法边缘检测理论和视觉特征的煤矸识别方法，根据煤和煤矸石的灰度图像的灰度值，在边缘附近存在沿着斜向‑45°和45°方向单调递增的现象，提出了交叉算法边缘检测理论，使用交叉算法进行煤和煤矸石图像的边缘检测，将检测结果经过形态学技术处理，获得单个煤和煤矸石图像的分割结果。提取煤和煤矸石单图的均值、对比度和熵值作为识别特征构建支持向量机分类模型。解决了复杂背景条件下煤矸分选中存在的边缘检测失误、图像分割失真和识别精度低等问题，图像分割精确、识别特征少、识别准确度高。

主权项：1.一种基于交叉算法边缘检测理论和视觉特征的煤矸识别方法，其特征在于：将输入的煤和煤矸石图像转化成灰度图像，再使用交叉边缘检测算法检测煤矸石的边缘，然后进行形态学处理，将每个煤和煤矸石对应的连通域标记为掩模；使用掩模分割原始图像中的煤和煤矸石的单图，提取煤和煤矸石图像的灰度和纹理特征组建特征向量，选取适量的特征向量训练支持向量机分类模型，对需要识别的煤和煤矸石，实时提取其特征向量，输入到SVM分类模型，就能实时识别煤和煤矸石；包括以下步骤：S1:获取煤和煤矸石原始图像，并转化成灰度图像；S2:沿X和Y方向逐个提取像素矩阵Aij，矩阵长度为n； 其中，w和h分别为原始灰度图像A的宽度和高度；S3:在像素矩阵的中心像素的斜向-45°和45°方向上存在灰度值单调变化，即满足下列两个条件的其中之一： 其中，γ是调控因子，γ≥2；则以中心像素的灰度值赋值为0，其余像素的灰度值为255，逐个构建赋值像素矩阵Bij，即： S4:将赋值像素矩阵依次排列进行重构，得到边缘检测图像B；所有灰度值为0的像素构成了灰度图像B上物体的边缘，交叉边缘检测得到的结果是一张二值图像；S5:使用交叉边缘检测算法检测煤和煤矸石的边缘，然后进行形态学处理，将每个煤和煤矸石对应的连通域标记为掩模，使用掩模分割原始图像中的煤和煤矸石的单图；S6：煤和煤矸石的单图经过灰度转化后得到灰度图像R；均值能够是表征灰度图像R的灰度特征指数，对比度和熵值是表征灰度图像R的纹理特征指数；为简化计算，先计算出灰度图像R的灰度共生矩阵C，对灰度共生矩阵C归一化后，求取灰度共生矩阵C的灰度直方图K，根据灰度直方图可以求解表征灰度等级的均值； 式中，l为灰度的分级，Kl是在l灰度等级下的灰度值；对比度度量了图像的和纹理的清晰度；纹理越清晰，灰度值反差越大，对比度也就越大； 熵值反映了灰度图像包含信息量的随机性，体现了图像的复杂程度； 统计每个煤和煤矸石的灰度和纹理特征，发现煤和煤矸石图像在均值、对比度和熵值方面存在较大差异，可以使用均值、对比度和熵值作为煤和煤矸石的识别特征；提取煤和煤矸石的均值、对比度和熵值构建特征向量T；T＝[MHS]7S7:选取适量的特征向量T训练SVM分类模型，对需要识别的煤和煤矸石，实时提取其特征向量，输入到SVM分类模型，就能实时识别煤和煤矸石。

全文数据：

权利要求：

百度查询： 安徽理工大学 一种基于交叉算法边缘检测理论和视觉特征的煤矸识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD