一种用于露天煤矿开采的煤层识别方法

技术领域

本申请涉及图像处理技术领域，具体涉及一种用于露天煤矿开采的煤层识别方法。

背景技术

煤矿资源被广泛使用于各行各业，而在煤矿开采时的煤层识别和分类技术是减少采掘工作面人员和实现无人化开采的关键技术之一。由于煤层的组成和结构与周围岩石不同，煤层的颜色通常比其他岩石要深，且呈现出一定的黑色或暗灰色；由于煤层的沉积环境和成因与其他岩石不同，煤层具有一定的颗粒度，在图像上取不同的阈值和对比度时，会有明显的颗粒变化；煤层内部颗粒的灰度值与邻域的灰度值差距不大，在煤层灰度图中煤层像素点具有灰度值上的连续性，即相邻像素点的灰度值差别不大，灰度渐变程度小。

传统的聚类算法如K-means算法根据灰度值的差异，可以对煤层和岩石部分进行区分，但是对煤层和岩石阴影部分的区分度较差。

综上所述，本发明提出一种用于露天煤矿开采的煤层识别方法，采集煤层图像，根据各像素点邻域灰度值变化构建各像素点邻域的灰度同一性指数，结合煤层图像在不同阈值、不同对比度下的分割图像之间的颗粒数不同的特点构建各像素点的煤层置信指数，将每个像素点的灰度值及煤层置信指数作为每个像素点的特征值，结合聚类算法对煤层图像进行识别，具有较高的煤层识别精度。

发明内容

为了解决上述技术问题，本发明提供一种用于露天煤矿开采的煤层识别方法，以解决现有的问题。

本发明的一种用于露天煤矿开采的煤层识别方法采用如下技术方案：

本发明一个实施例提供了一种用于露天煤矿开采的煤层识别方法，该方法包括以下步骤：

采集煤层图像；获取各像素点邻域的灰度拟合曲线；根据灰度拟合曲线得到各像素点邻域的灰度极值差异量；根据各像素点邻域内像素点灰度值变化得到各像素点邻域的灰度渐变量；根据灰度极值差异量及灰度渐变量得到各像素点邻域的灰度同一性指数；

根据预设第一、第二阈值对煤层图像进行分割得到第一、第二分割图像，其中第一阈值小于第二阈值；获取第一、第二分割图像之间的第一差异图像及差异像素点；在第一差异图像中，根据各像素点邻域内差异像素点变化得到各像素点邻域的颗粒混乱度；根据各像素点邻域的颗粒混乱度得到各像素点邻域的颗粒变化程度；根据各像素点邻域的颗粒变化程度得到各像素点邻域的第一颗粒变化率；

获取煤层图像在预设第一、第二对比度下的第一、第二对比度煤层图像，对第一、第二对比度煤层图像进行分割得到第一、第二对比度分割图；将第一、第二对比度分割图之间的差异图像记为第二差异图像；获取第二差异图像中各像素点邻域的第二颗粒变化率；根据各像素点邻域的第一、第二颗粒变化率及灰度同一性指数得到各像素点的煤层置信指数；根据各像素点的煤层置信指数结合聚类算法得到两个聚类簇；将簇内像素点灰度值均值小的聚类簇中各像素点作为各煤层像素点集合，完成煤层识别。

优选的，所述获取各像素点邻域的灰度拟合曲线，具体为：

对于各像素点，将像素点邻域内各像素点进行排列得到各像素点的排列号；将邻域内各像素点排列号作为横坐标、灰度值作为纵坐标得到邻域内各像素点的新坐标，根据邻域内各像素点的新坐标按顺序进行连接得到灰度变化曲线，将所述灰度变化曲线进行曲线拟合得到像素点邻域的灰度拟合曲线。

优选的，所述根据灰度拟合曲线得到各像素点邻域的灰度极值差异量，具体包括：

对于各像素点，获取像素点邻域的灰度拟合曲线上各极值点；计算所有极值点的灰度值方差；获取以自然常数为底数、以所述灰度值方差为指数的指数函数的计算结果；获取邻域内所有像素点的灰度均值；计算各极值点的灰度值与所述灰度均值的差值绝对值；获取所有所述差值绝对值的平均值；计算所述平均值与所述计算结果的乘积；将所述乘积作为像素点邻域的灰度极值差异量。

优选的，所述根据各像素点邻域内像素点灰度值变化得到各像素点邻域的灰度渐变量，具体包括：

对于各像素点，获取像素点邻域内各像素点与中心像素点的灰度值差值绝对值；获取以自然常数为底数、以邻域内各像素点到中心像素点的欧氏距离为指数的指数函数的计算结果；获取所有所述灰度值差值绝对值与所述计算结果的乘积的和值；将所述和值作为像素点邻域的灰度渐变量。

优选的，所述各像素点邻域的灰度同一性指数为：将各像素点邻域的灰度渐变量与灰度极值差异量的比值作为各像素点邻域的灰度同一性指数。

优选的，所述获取第一、第二分割图像之间的第一差异图像及差异像素点，具体为：

对于第一、第二分割图像中同坐标像素点，若灰度值相同，则将同坐标像素点的灰度值重设为255；若灰度值不同，则将同坐标像素点的灰度值重设为0；将灰度值重设后的像素点组成的图像作为第一差异图像；将灰度值重设为0的像素点作为差异像素点。

优选的，所述根据各像素点邻域内差异像素点变化得到各像素点邻域的颗粒混乱度，具体包括：

计算各像素点邻域内各差异像素点到中心像素点的欧氏距离的标准差、均值；计算所述标准差与所述均值的比值；计算各像素点邻域内差异像素点个数与所述比值的乘积；将在所述乘积作为各像素点邻域的颗粒混乱度。

优选的，所述根据各像素点邻域的颗粒混乱度得到各像素点邻域的颗粒变化程度，具体包括：

将第一分割图像中灰度值为0的像素点记为黑点像素点；计算各像素点邻域内差异像素点个数与黑点像素点个数的比值；计算各像素点邻域的颗粒混乱度与所述比值的乘积；将所述乘积作为各像素点邻域的颗粒变化程度。

优选的，所述根据各像素点邻域的颗粒变化程度得到各像素点邻域的第一颗粒变化率，具体包括：

获取自然常数为底数、以第一阈值与第二阈值之间的差值为指数的指数函数的计算结果；计算1与所述计算结果的差值，记为第一差值；将各像素点邻域的颗粒变化程度与第一差值的比值作为各像素点邻域的第一颗粒变化率。

优选的，所述各像素点的煤层置信指数，具体包括：计算各像素点邻域的第一、第二颗粒变化率的乘积；计算所述乘积与各像素点邻域的灰度同一性指数的比值；将所述比值作为各像素点的煤层置信指数。

本发明至少具有如下有益效果：

本发明通过机器视觉结合煤层与岩石层特点，提出一种用于露天煤矿开采的煤层识别方法，采集煤层图像，通过岩石非阴影像素点与煤层像素点邻域内灰度值变化不同的特点，构建各像素点邻域的灰度同一性指数，解决了在煤层识别过程中，无法对煤层图像中的岩石非阴影像素点进行准确排除的问题；

为避免煤层像素点与岩石层阴影像素点因灰度值相近导致聚类效果较差的问题，本发明通过获取煤层图像在不同阈值、不同对比度下的分割图像，根据煤层独有的颗粒变化特征，分别对不同阈值、不同对比度下的分割图像进行比较，结合煤层在灰度值上是较连续的，邻域内灰度差值不大、灰度变化程度小的特点，共同构建各像素点的煤层置信指数，结合各像素点的灰度值进行K-means聚类，从而避免了在使用K-means算法时存在无法区分煤层像素点与岩石阴影像素点的问题，提高了K-means算法对煤层像素点的聚类结果的可靠性，提高煤层像素点识别的准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明提供的一种用于露天煤矿开采的煤层识别方法的流程图；

图2为煤层灰度图像；

图3为不同阈值下的分割图像。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于露天煤矿开采的煤层识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种用于露天煤矿开采的煤层识别方法的具体方案。

本发明一个实施例提供的一种用于露天煤矿开采的煤层识别方法。

具体的，提供了如下的一种用于露天煤矿开采的煤层识别方法，请参阅图1，该方法包括以下步骤：

步骤S001，采集煤层图像。

煤矿资源开采过程中需要甄别，对开采煤矿的煤层进行图像采集，具体图像采集设备实施者可自行设定，本实施例采用CMOS相机作为图像采集设备，并将目标煤层设置成CMOS相机拍摄的焦点，进行图像采集。为了方便后续对图像进行煤层识别，在得到RGB格式的彩色图像数据后，将彩色图像转换成灰度图像，如图2所示。由于图像在获取、转换和传输过程中，经常会受制于设备、外部环境等条件的噪音干扰影响，造成图像质量的下降，对灰度图像进行中值滤波处理，中值滤波为公知技术，具体过程不再赘述。

步骤S002，根据各像素点邻域灰度值变化构建各像素点邻域的灰度同一性指数，结合煤层图像在不同阈值、不同对比度下的分割图像之间的颗粒数不同的特点构建各像素点的煤层置信指数。

在煤层图像中，煤的周围一般伴随着其它岩石，影响煤矿资源的识别与开采，需要精准识别出来那一部分是煤层，那一部分是岩石。在煤层图像中，煤层灰度值一般在0-80之间，岩石灰度值一般在120-180之间，由于拍摄设备、拍摄角度、光照条件等条件以及岩石的不规则、凹凸性的影响，会出现大量的岩石阴影。单一使用灰度阈值的方法可以区分煤层和岩石，但是由于煤层和岩石阴影的灰度值都较小，会出现将阴影和煤层划分成同一类导致无法区分的问题。

煤层的出现一般具有连续性，并非是离散、随机的出现在图像的各种位置。

由于煤层的组成和沉积环境等因素的影响，煤层的灰度值在相同区域内的变化较为稳定，而岩石则受到成分、颜色、纹理等因素的影响，其灰度值变化不稳定，因此岩石灰度分布不均匀。此外，煤层具有灰度值上连续性，即相邻像素点的灰度值差别不大，而岩石在灰度值上则相对不连续，相邻像素点的灰度值差别较大。

基于上述分析，在煤层图像的灰度图像中，以各像素点为中心像素点构建各像素点的5*5的邻域，以灰度图像中第q个像素点为例，将该像素点邻域内各像素点按照从左到右，从上到下的顺序排列得到各像素点的排列号。为获取各像素点邻域内灰度值的起伏变化，将各像素点邻域内每个像素点的排列号作为横坐标、灰度值作为纵坐标，得到的新坐标作为邻域内各像素点的灰度坐标，将邻域内各像素点的灰度坐标按横坐标升序进行连接，得到的曲线记为灰度变化曲线，采用最小二乘法对灰度变化曲线进行拟合，得到的曲线作为第q个像素点邻域的灰度拟合曲线。

各像素点邻域的灰度拟合曲线上的起伏变化可以反映各像素点邻域内的灰度值变化，获取灰度拟合曲线上的极值点，将这些极值点作为各像素点邻域内的灰度极值点，并将这些灰度极值点的灰度值方差记为

式中，

然后根据各像素点邻域内每个像素点的灰度值变化计算各像素点邻域的灰度渐变量，表达式为：

式中，

像素点q的5*5邻域窗口中，各像素点与中心像素点的灰度差值

最后，根据各像素点邻域的灰度极值差异量以及灰度渐变量得到各像素点邻域的灰度同一性指数，表达式为：

式中，

至此，得到煤层灰度图像中每个像素点邻域的灰度同一性指数

采用上述像素点邻域的灰度同一性指数可以对非阴影的岩石部分进行区分，但是煤层和阴影岩石部分的灰度值都较低，且像素点邻域内的灰度都较为相同、一致，存在无法准确区分的问题。但是煤层是一种沉积物，由于其沉积过程的特殊性质，煤层具有一定的颗粒度。相比之下，岩石则通常指成岩过程中经历了一定的物理、化学变化，形成的坚硬物质，其结构相对较为均匀，颗粒度较小。如果对图像的灰度图取不同的阈值和对比度，图像最后会呈现不同的颗粒变化，对于煤层和岩石阴影，岩石阴影只是灰度值与煤层相近，但本质上仍是岩石，颗粒度仍然较小，当对煤层灰度图像不同对比度、不同阈值下进行阈值分割时，由于岩石阴影部分的颗粒差异不明显，在不同分割图像中呈现出的新增颗粒点数相对较少；而由于煤层具有较大的颗粒度，取不同的阈值、对比度进行阈值分割时，新增颗粒点数相对较多。

因此设定两个不同阈值分别记为第一阈值

由于煤层具有颗粒度，所以不同阈值的分割图像中，颗粒变化会非常明显。所以对第一分割图像与第二分割图像进行比较，通过灰度值为0的像素点变化，判断图像中各像素点邻域的颗粒度，具体过程如下：

首先，对第一、第二分割图像中相同坐标像素点的灰度值进行比较，对于各同坐标像素点，若灰度值相同，则将此坐标对应像素点的灰度值重新设置为255；若灰度值不同，则将此坐标对应像素点的灰度值重新设置为0。将灰度值重设后的像素点组成的图像作为差异图像，记为第一差异图像。第一差异图像中，灰度值为0的像素点即为第二分割图像相对第一分割图像中新增的颗粒点数，将其记为差异像素点。

在第一差异图像中，以各像素点为中心像素点建立各像素点的

式中，

至此，得到每个像素点邻域的颗粒混乱度。

当第一、第二阈值之间的差值不同时，第一差异图像中差异像素点个数也不同，两个阈值之间的差值越大，第一差异图像中差异像素点个数相对越多，为更好的确定第一差异图像中各像素点邻域的颗粒变化率，首先构建各像素点邻域的颗粒变化程度，表达式为：

式中，

然后根据各像素点邻域的颗粒变化程度及第一、第二阈值之间的变化量计算各像素点邻域的第一颗粒变化率，表达式为：

式中，

至此，得到图像中每个像素点邻域的第一颗粒变化率

同理，由于在不同对比度情况下，煤层图像的颗粒度也不同，对比度越高，阈值分割图像中颗粒点数越多。因此，设置第一对比度

式中，

根据各像素点邻域的第一、第二颗粒变化率以及灰度同一性指数构建煤层图像中各像素点煤层置信指数M：

式中，

至此，得到煤层图像中每个像素点的煤层置信指数M。

步骤S003，将每个像素点的灰度值及煤层置信指数作为每个像素点的特征值，结合聚类算法对煤层图像进行识别。

将每个像素点的灰度值及煤层置信指数作为每个像素点的特征值，将所有像素点的特征值作为K-means算法的输入，将聚类中心个数设为2，最后输出的聚类簇个数为两个，分别代表煤层与岩石层像素点集合，其中将簇内像素点灰度值均值小的聚类簇作为煤层像素点集合；将簇内像素点灰度值均值较大的聚类簇作为岩石层像素点集合。完成一种露天煤矿开采中的煤层识别方法。

综上所述，本发明实施例通过机器视觉结合煤层与岩石层特点，提出一种用于露天煤矿开采的煤层识别方法，采集煤层图像，通过岩石非阴影像素点与煤层像素点邻域内灰度值变化不同的特点，构建邻域灰度同一性指数，解决了在煤层识别过程中，无法对煤层图像中的岩石非阴影像素点进行准确排除的问题；

为避免煤层像素点与岩石层阴影像素点因灰度值相近导致聚类效果较差的问题，本实施例通过获取煤层图像在不同阈值、不同对比度下的分割图像，根据煤层独有的颗粒变化特征，分别对不同阈值、不同对比度下的分割图像进行比较，结合煤层在灰度值上是较连续的，邻域内灰度差值不大、灰度值变化程度小的特点，共同构建各像素点的煤层置信指数，结合各像素点的灰度值进行K-means聚类，从而避免了在使用K-means算法时存在无法区分煤层像素点与岩石阴影像素点的问题，提高了K-means算法对煤层像素点的聚类结果的可靠性，提高煤层像素点识别的准确率。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。