基于SVM和纹理的煤和煤矸石自动识别

被引:34
作者
何敏
王培培
蒋慧慧
机构
[1] 上海海事大学电气自动化系
关键词
煤; 矸石; 图像处理; 灰度分析; 纹理分析; 支持向量机;
D O I
10.16208/j.issn1000-7024.2012.03.048
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
为提高煤矸石的自动识别和分选效率,提出了基于支持向量机(SVM)和纹理识别煤矸石的方法。选取两种煤和一种煤矸石的图像作为样本,经过图像预处理及图像灰度和纹理特征分析后,发现灰度均值、灰度共生矩阵最大值、二阶矩、对比度、相关、熵为有效特征。在此基础上,采用了支持向量机来完成图像的自动识别过程,选取上述6个参数作为支持向量机的训练特征,实验结果表明,该支持向量机识别煤和煤矸石的成功率较高。
引用
收藏
页码:1117 / 1121
页数:5
相关论文
共 13 条
[1]   基于Contourlet变换和SVM的SAR图像目标识别 [J].
蒋媛 .
信息技术, 2010, 34 (11) :105-106+110
[2]   基于灰度共生矩阵和聚类方法的木材缺陷识别 [J].
吴东洋 ;
业宁 ;
苏小青 .
计算机与数字工程, 2010, 38 (11) :38-41
[3]   基于提升小波和SVM分类的炼钢物料识别 [J].
马怀志 ;
吴清潇 ;
郝颖明 .
计算机工程与设计, 2010, 31 (18) :4093-4096
[4]   一种基于图像处理的背景分类方法 [J].
蔡云骧 ;
薛士强 ;
周志勇 ;
毕道昆鸟 .
光电技术应用, 2010, 25 (04) :81-84
[5]   图像处理在煤矸石识别系统中的应用 [J].
闫俊旭 ;
李晔 .
四川兵工学报, 2009, 30 (11) :16-18
[6]   灰度共生矩阵提取纹理特征的实验结果分析 [J].
苑丽红 ;
付丽 ;
杨勇 ;
苗静 .
计算机应用, 2009, 29 (04) :1018-1021
[7]   基于灰度共生矩阵的非平面表面粗糙度的图像纹理研究 [J].
阮久忠 ;
周晨波 ;
杨国华 ;
刘桂芬 .
光学与光电技术, 2008, (06) :36-40
[8]   中国选煤业现状与发展趋势 [J].
周少雷 ;
单忠键 ;
邓晓阳 ;
王宏 ;
孙丽梅 .
中国煤炭, 2006, (11) :11-14
[9]   基于灰度共生矩阵的木材纹理分类方法的研究 [J].
白雪冰 ;
王克奇 ;
王辉 .
哈尔滨工业大学学报, 2005, (12) :1667-1670
[10]   煤与矸石识别的数字图像处理方法探讨 [J].
马宪民 ;
蒋勇 .
煤矿机电, 2004, (05) :9-11