[发明专利]一种煤矿区域识别方法及系统

说明书

本发明提供了一种煤矿区域识别方法及系统，用于识别煤矿区域，该方法包括：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；通过对实测光谱数据进行筛选，获取实测光谱数据中与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，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训练数据进行训练，获取针对训练数据分类识别率最优的最优ELM特征分类模型集合；利用最优ELM特征分类模型集合对遥感图像数据进行分类，获取遥感图像数据中被最优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，目标图像数据对应的区域为煤矿区域。

技术领域

本发明涉及煤矿检测技术领域，尤其涉及一种煤矿区域识别方法及系统。

背景技术

煤炭作为传统能源被广泛应用于各个领域，随着人口数量不断增大，煤炭的消耗量与日俱增。因此，发现新的煤矿并对矿区内煤炭资源的合理规划及最大化开采成为解决煤炭需求量增加的重要手段。

现有技术中对于煤矿区域的识别主要以收集资料为基础，通过人工野外踏勘，或者实测的方式进行识别。上述方法在实践过程中不仅耗费大量的人力物力，对于地形特征复杂的煤矿区也无法保证识别准确性。

因此，亟需一种煤矿区域识别方法及系统，能够有效准确的识别出煤矿区域。

发明内容

(一)要解决的技术问题

本发明公开了一种煤矿区域识别方法，以解决现有技术中通过搜集资料和野外勘探等方法发现煤矿需要耗费大量人力、物力，且准确性差的问题。

本发明公开了一种煤矿区域识别系统，与上述煤矿区域识别方法配合使用。

(二)技术方案

为了达到上述目的，一方面，本发明采用以下技术方案：

一种煤矿区域识别方法，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；

通过对所述实测光谱数据进行筛选，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。

进一步，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。

进一步，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。