[发明专利]一种基于支持向量机的煤岩体表面裂纹自动识别方法

说明书

本发明公开了一种基于支持向量机的煤岩表面裂纹自动识别方法，该方法包括裂纹分类器的训练方法和应用分类器对裂纹进行自动识别方法。其中分类器的训练方法包括：图像获取、预处理、分割、联通域标记、连通域特征提取以及输入分类器训练。该方法主要提出了使用高频滤波、直方图均衡化、迟滞阈值方式来处理煤岩表面图像，提出了区分煤岩体表面裂纹和非裂纹的8种特征：面积、最大直径、区域边界到中心距离的偏差、区域边界到中心距离的平均距离、圆度、椭圆长轴与短轴之比、蓬松度、紧凑度。通过该方法可以实现自动对煤岩图像的裂纹进行自动识别和标记。本方法能有效改进现有煤岩体表面裂纹的识别方法，提高其识别的准确率和可操作性。

技术领域：

本发明涉及一种基于支持向量机的煤岩体表面裂纹自动识别方法，具体地说是自动识别图像、视频、或者工业相机信号中的煤岩体表面的裂纹并进行标记显示。

背景技术：

我国是世界上重要的煤炭生产和消费大国，煤炭作为重要的战略物在我国社会和经济发展中占有着重要的地位，然而，我国煤炭开采的形势非常严峻，当前我国煤矿的平均开采深度已达到500m，造成在开采过程中经常发生各种事故造成大量人员伤亡，其中煤岩动力灾害事故是导致人员和财产伤亡最严重的事故之一。而煤岩动力灾害事故发生的前提是煤岩体的破坏失稳，而煤岩体发生破坏失稳的直接体现是煤岩体表面的裂纹。因此，对煤岩体表面裂纹的识别可以有效预防煤岩动力灾害事故的发生，降低煤矿事故的发生。

目前，对煤岩体表面的裂纹识别常常采用分形技术或者简单的阈值分割，然而由于表面存在大量的原生裂纹和节理，采用传统的方法并不能满足要求实时性或者准确率等指标。近年来，随着计算机技术和数字图像技术的飞速发展，对图像和视频的处理方法和实时性上都得到了巨大的提升。本文借助实验过程中获得了近1000张煤岩体破坏的样本图像，提出一种基于支持向量机的煤岩体表面裂纹自动识别方法。

发明内容：

针对现有技术的不足，本发明要解决的技术问题是提供一种识别准确率高、实时性强、具有通用性的煤岩体表面裂纹自动识别方法，在识别出裂纹之后，并对其进行标记和显示。

为了实现上诉目的，具体的技术方案如下：

本发明方法首先针对煤岩体表面裂纹的特点，提出使用高通滤波和直方图均衡化对煤岩体表面图像进行预处理。由于煤岩体表面的裂纹与图像的“边缘”类似，其频段属于图像的高频区域，因此在对比几种滤波，本发明选择高通滤波方法；另一方面，物体表面的裂纹往往是其像素灰度值的极小值，但煤岩体比较特殊，其本身已是像素灰度值的极小值，因此造成了两者的对比度低，不利于后续的识别，因此本发明对滤波之后的图像采用直方图均衡化操作。在预处理之后，本发明提出使用迟滞阈值分割方法对煤岩体表面进行分割。之后，对分割后的图像进行连通域的划分和标记，按照8联通的定义，从上到下，从左到右的方向，对各个连通域进行从小到大的标记(分别)。之后对每一个单独的连通区域进行特征提取，本发明提出了8种区分煤岩体表面裂纹和其他非裂纹的特征：面积、圆度、最大直径、椭圆的长轴与短轴之比、区域边界到中心距离的偏差、区域边界到中心距离的平均距离、蓬松度、紧凑度。之后将数据输入支持向量机，对模型进行训练，通过调整参数得到裂纹识别的模型。最后将测试的图像数据按照同样的方法进行预处理和分割方法，对其进行特征提取之后输入分类器，进行判断。为了对识别出的裂纹进行有效的标记和显示，本发明提出使用数字图像处理中膨胀的方法对识别出的裂纹进行标记和显示。

附图说明：

图1为本发明进行样本获取和分类器训练的流程图。

图2为本发明对煤岩体裂纹进行识别的总体流程图。

图3为使用本发明对一副煤岩体表面裂纹进行识别的效果图。

表1为使用本发明测试600张图像的分类效果。

具体实施方式：

以下结合附图1和附图2对本发明的技术方案做具体说明。