基于最大池化稀疏编码的煤岩识别方法

被引：14

作者：

伍云霞

田一民

机构：

[1] 中国矿业大学(北京)机电与信息工程学院

来源：

工程科学学报 | 2017年 / 39卷 / 07期

基金：

国家重点研发计划;

关键词：

煤岩识别; 图像处理; 最大池化; 稀疏编码; 特征提取; 集成分类;

D O I：

10.13374/j.issn2095-9389.2017.07.002

中图分类号：

TD315 [岩石力学性质试验];

学科分类号：

摘要：

针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法.

引用

页码：981 / 987

页数：7

共 13 条

[1] 基于字典学习的煤岩图像特征提取与识别方法
伍云霞
田一民
[J]. 煤炭学报, 2016, 41 (12) : 3190 - 3196
[2] 基于双树复小波域统计建模的煤岩识别方法
孙继平
陈浜
[J]. 煤炭学报, 2016, 41 (07) : 1847 - 1858
[3] 基于小波域非对称广义高斯模型的煤岩识别算法
孙继平
陈浜
[J]. 煤炭学报, 2015, 40(S2) (S2) : 568 - 575
[4] 基于图像纹理的煤岩识别研究
章华
李振璧
姜媛媛
[J]. 煤炭技术, 2015, 34 (07) : 120 - 121
[5] Near optimal condition of OMP algorithm in recovering sparse signal from noisy measurement[J]. Jia Li,Qiang Wang,Yi Shen.Journal of Systems Engineering and Electronics. 2014(04)
[6] 基于小波的煤岩图像特征抽取与识别
孙继平
佘杰
[J]. 煤炭学报, 2013, 38 (10) : 1900 - 1904
[7] 基于改进K-SVD字典学习的超分辨率图像重构
史郡
王晓华
[J]. 电子学报, 2013, 41 (05) : 997 - 1000
[8] 局部二值模式方法研究与展望
宋克臣
颜云辉
陈文辉
张旭
[J]. 自动化学报, 2013, 39 (06) : 730 - 744
[9] 基于图像的煤岩识别方法研究[D]. 佘杰.中国矿业大学（北京）. 2014
[10] Variable selection method for fault isolation using least absolute shrinkage and selection operator (LASSO)[J] . Zhengbing Yan,Yuan Yao.Chemometrics and Intelligent Laboratory Systems . 2015

← 1 2 →