[发明专利]一种基于CNN和VLAD的煤岩识别方法

摘要

本发明公开了一种基于CNN和VLAD的煤岩识别方法，该方法通过将采集的煤岩图像经过预处理，输入到深度卷积神经网络AlexNet中，提取图像高层特征；使用不同初始化方法对提取的图像特征进行聚类，构建视觉词典；通过计算特征间残差和的方法对图像特征进行局部聚合，最后将每幅图像表示为单一列向量的形式输入到支持向量机，进行识别器的训练；在识别过程中，提取待识别煤岩图像特征，输入训练好的分类器，实现对煤岩图像的判别。该方法受光照因素影响低，对噪声的鲁棒性强，正确识别率高，稳定性好。

主权项

1.一种基于CNN和VLAD的煤岩识别方法，其特征在于，包括以下步骤：A.在样本的训练阶段，分别采集煤样本图像和岩样本图像若干张，其中煤样本图像和岩样本图像各占一半，分别取2/3煤样本图像和2/3岩样本图像作为训练样本集，剩下的图像作为测试样本集；B.对样本训练集中的煤样本图像和岩样本图像进行特征提取，步骤如下：(1)将训练集中的样本图像输入到经过预训练的AlexNet深度卷积神经网络中，对每幅样本图像提取网络第5层256个大小为13×13的特征图；(2)对256个特征图，每幅样本图像中相同位置的特征值顺序排列为一个256维的特征向量，构成13×13个特征向量；(3)以C种不同的初始化方法对所述256维的特征向量进行聚类运算，所述聚类运算中，给定簇的数量为k，其中C＝1,2,3…；(4)把每个特征向量分配给距离它最近的簇中心，得到C组不同的聚类形式，每组包含k个簇；(5)计算每个簇中所有特征向量与簇中心的残差和，以各所述残差和为元素，C种初始化方法分别得到一个VLAD特征向量表示；(6)对所述的VLAD特征向量表示进行符号方根和归一化处理，进一步将C组不同的VLAD特征平整化为一个特征向量；(7)对步骤(6)中得到的特征向量进行降维和白化处理，得到降维后的特征向量；C.将降维后的特征向量输入支持向量机，进行分类器的训练；D.将测试集样本中的煤样本图像和岩样本图像按照步骤A和步骤B的方法进行特征向量的提取，然后输入由步骤C得到的训练好的分类器，测试煤岩图像的识别精度；E.对于待识别煤岩图像，经过图像预处理，提取根据步骤B得到的图像特征向量输入根据步骤C得到的训练好的分类器中，根据分类器输出结果判别煤岩类型。