[发明专利]一种煤矿区域识别方法及系统

权利要求书

1.一种煤矿区域识别方法，其特征在于，包括以下步骤：

获取目标区域的遥感图像数据及目标区域中煤的实测光谱数据，所述实测光谱数据通过光谱仪对目标区域中的煤采集而获得；

通过对所述实测光谱数据进行筛选，根据所述遥感图像数据与所述实测光谱数据之间所处波段的对应关系，获取所述实测光谱数据中与所述遥感图像数据所处波段一致的光谱数据，作为样本光谱数据，所述样本光谱数据包括训练数据和测试数据；

利用包含煤和非煤光谱数据的网络训练集，采用预设的极限学习机对所述训练数据进行训练，获取针对所述训练数据分类识别率最优的最优ELM特征分类模型集合；

利用所述最优ELM特征分类模型集合对所述遥感图像数据进行分类，获取所述遥感图像数据中被所述最优ELM特征分类模型集合分类识别为具有煤特征数据的遥感图像数据作为目标图像数据，所述目标图像数据对应的区域为煤矿区域。

2.如权利要求1所述的煤矿区域识别方法，其特征在于，

采用预设的极限学习机对所述训练数据进行N轮训练，每轮训练中对所述训练数据进行T次训练，每次训练完成后，获得该次训练对应的分类识别率；

每轮训练完成后从T个所述分类识别率中选取最高的分类识别率作为最优分类识别率，将所述最优分类识别率对应的分类模型作为最优分类模型；

N轮训练完成后，将N个最优分类模型组成一个集合，作为所述最优ELM特征分类模型集合。

3.如权利要求1所述的煤矿区域识别方法，其特征在于，所述预设的极限学习机中的输入层和隐含层之间的激励函数为Ln函数；

所述Ln函数的公式为：

其中，y＝a_ix+b_i；

其中，x—输入数据；

a_i—第i个神经元输入权值；

b_i—第i个神经元偏差值。

4.如权利要求2所述的煤矿区域识别方法，其特征在于，所述训练数据进行训练的轮数N的取值范围为5至101，N为奇数。

5.如权利要求4所述的煤矿区域识别方法，其特征在于，利用所述最优ELM特征分类模型集合对所述遥感图像数据进行分类过程中，N个最优分类模型分别对所述遥感图像数据进行分类；

当所述遥感图像数据被大于等于个所述最优分类模型分类识别为所述目标图像数据，则所述目标图像数据对应的区域为煤矿区域。

6.如权利要求1至5任一项所述的煤矿区域识别方法，其特征在于，

在获得所述遥感图像数据后，对所述遥感图像数据进行分类前，所述遥感图像数据要经过校正处理。

7.如权利要求2所述的煤矿区域识别方法，其特征在于，每轮训练中对所述训练数据进行T次训练，T的取值范围为100至1000。

8.一种煤矿区域识别系统，与权利要求1至7任一项所述的煤矿区域识别方法相结合进行煤矿区域识别，其特征在于，包括：

获取单元，用于获取目标区域的遥感图像数据及目标区域中煤的实测光谱数据，所述实测光谱数据通过光谱仪对目标区域中的煤采集而获得；

筛选单元，用于对所述实测光谱数据进行筛选，获取样本光谱数据；

训练单元，用于对所述样本光谱数据中的训练数据进行训练，获取最优ELM特征分类模型集合；

分类单元，用于对所述遥感图像数据进行分类，获取目标图像数据；

所述获取单元、筛选单元、训练单元和分类单元依次连接。

9.如权利要求8所述的煤矿区域识别系统，其特征在于，还包括纠偏单元，所述纠偏单元设置于所述获取单元与所述分类单元之间，用于对所述遥感图像数据进行纠偏；

所述纠偏单元包括辐射纠偏子单元和大气纠偏子单元。

10.如权利要求8所述的煤矿区域识别系统，其特征在于，所述获取单元包括遥感图像获取子单元和实测光谱获取子单元。