基于离散余弦变换低频分量特征及学习向量量化的煤岩识别方法
孙继平1
刘剑桥2
1.中国矿业大学(北京),北京,1000832.中国矿业大学(北京)机电与信息工程学院,北京,100083
摘要：针对现有煤岩识别方法适用范围小、识别正确率低等问题,采用图像分块离散余弦变换处理煤岩图像,将每一个图像块的DCT变换系数以“Z”字型排列,构成表达图像块的向量;采用2种方式提取煤岩图像特征:一种是用图像块向量每一维的均值和所有图像块向量的总体方差构成煤岩图像特征向量,另一种是按照图像块DCT变换顺序,将图像块向量级联构成煤岩图像特征向量;采用学习向量量化神经网络进行煤岩识别,2种特征提取方式的识别准确率均为96.67％,比Haar小波方法提高了3.3％,比Daubechies小波方法提高了5.8％.
关键词：自动化采煤煤岩识别离散余弦变换学习向量量化
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(51134024)国家高技术研究发展计划（863计划）(2012AA062203)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
英文信息