煤矸石的纹理特征

煤与矸石图像纹理特征提取方法.pdf

2017628煤与矸石图像纹理特征提取方法米强，徐岩，刘斌，徐运杰(山东科技大学电子通信与物理学院，山东青岛266590)摘要：针对现有煤与矸石图像处理方法存在提取特征参数少、识别精度低等问题，提出了一种融合局部二值模式和灰度共生矩阵的煤与矸石图像基于纹理特征融合的煤矸石分选技术研究word文档在线阅读,煤矸石分选过程煤矸石图像的预处理(a)煤图1(b)矸石煤矸石样本图像(a)煤图23.2(b)矸石图1的预处理效果图煤矸石图像特征提取算法设计虽然描述纹理特征的方法有很多，但没有一种方法可以描述所有纹理。因此本文结合多种纹理分析方法，从不同角度提取煤与矸石图像纹理特征提取方法煤矸纹理特征其它代码类,2020522煤与矸石图像纹理特征提取方法,针对现有煤与矸石图像处理方法存在提取特征参数少、识别精度低等问题,提出了一种融合局部二值模式和灰度共生矩阵的煤与矸石图像纹理特征

基于灰度和纹理的煤与矸石特征提取研究下载CSDN社区

2020105基于灰度和纹理的煤与矸石特征提取研究探讨煤与矸石图像在灰度与纹理上的异同,应用图像处理技术对煤与矸石图像进行预处理、图像分割,采用灰度特征和纹理特征相结合的方分享交流】煤矸石分类总结含量,2020910用煤矸石产出层位来分类命名，如顶板矸、夹矸等。在有些著作中用岩石名称来分类命名，如粘土岩矸石、砂岩矸石等。以上三种分类都存在不当之处，不能反映出煤矸石的化学基于卷积神经网络的煤矸石图像识别研究豆丁网,2021129基于卷积神经网络的煤矸石图像识别研究

基于纹理特征融合的煤矸石分选技术研究word文档在线阅读

煤矸石分选过程煤矸石图像的预处理(a)煤图1(b)矸石煤矸石样本图像(a)煤图23.2(b)矸石图1的预处理效果图煤矸石图像特征提取算法设计虽然描述纹理特征的方法有很多，但没有一种方法可以描述所有纹理。因此本文结合多种纹理分析方法，从不同角度提取煤矸石百度百科,2021126煤矸石是采煤过程和洗煤过程中排放的固体废物，是一种在成煤过程中与煤层伴生的一种含碳量较低、比煤坚硬的黑灰色岩石。包括巷道掘进过程中的掘进矸石、采掘过程中从顶板、底板及夹层里采出的矸石以及洗煤过程中挑出的洗矸石。其主要成分是Al2O3、SiO2，另外还含有数量不等的Fe2O3、CaO、MgO煤与矸石图像纹理特征提取方法下载CSDN社区,2020927煤与矸石图像纹理特征提取方法针对现有煤与矸石图像处理方法存在提取特征参数少、识别精度低等问题,提出了一种融合局部二值模式和灰度共生矩阵的煤与矸石图像纹理特征提取方法。首先将煤与矸石预处理后的图像转换为局部二值模式图像,再利用该图像.

煤与矸石图像纹理特征提取方法下载CSDN社区

2020927煤与矸石图像纹理特征提取方法针对现有煤与矸石图像处理方法存在提取特征参数少、识别精度低等问题,提出了一种融合局部二值模式和灰度共生矩阵的煤与矸石图像纹理特征提取方法。首先将煤与矸石预处理后的图像转换为局部二值模式图像,再利用该图像.基于SVM和纹理的煤和煤矸石自动识别《计算机工程与设计,基于SVM和纹理的煤和煤矸石自动识别.何敏王培培蒋慧慧.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,发现灰度基于卷积神经网络的煤矸石图像识别研究豆丁网,2021129基于卷积神经网络的煤矸石图像识别研究

基于图像的煤岩识别技术学术废柴小师的博客CSDN博客

202197从煤矸石识别特征出发，对煤矸石识别方法的研究现状进行了总结，列举了密度识别法、硬度识别法等以密度、硬度等为识别特征的煤矸石识别方法，以及射线识别法、图像识别法等以灰度、纹理为识别特征的煤矸石识别方法的代表性研究成果，并对比了各种识别方法的特点。图解医学影像纹理特征知乎,2021521致密的纹理（左）和粗糙的纹理（右）.简单来说，纹理特征是一种“二阶特征”，他们不是从图像上直接得出的，而是先通过某种计算将原始图像的特性提取出来并存在一个中间矩阵中，之后在这个中间矩阵上定义一系列的统计量，作为图像的纹理特征。.在提取图像的颜色、纹理特征(传统算法)知乎,20209171、颜色矩.颜色是彩色图像最重要的内容之一，被广泛用于图像检索中。.但从图像中提取颜色特征时，很多算法都先要对图像进行量化处理。.量化处理容易导致误检，并且产生的图像特征维数较高，不利于检索。.AMAStricker和MOrengo提出了颜色矩的方法，颜色

煤与矸石图像纹理特征提取方法米强

2017525PDFOnMay25,2017,YanXupublished煤与矸石图像纹理特征提取方法米强Find,readandcitealltheresearchyouneedonResearchGate基于纹理特征融合的煤矸石分选技术研究《龙岩学院学报,兰添才郑汉垣.摘要】：提出了一种新的基于纹理特征融合的煤矸石分选方法。.设计了一种纹理特征提取算法,选取多个纹理特征作为分类器的输入特征,并对选择出的分类特征进行融合,最后采用神经网络分类器实现煤矸石的分选。.实验结果表明,本文所提出一种煤和煤矸石图像识别的新方法百度文库,本文基于煤和煤矸石纹理特征差异，提出了一种用于煤矸石分选的非线性灰度压缩扩阶共生矩阵的方法，只对局部灰度级进行灰度压缩与扩阶共生矩的计算，具有较高的识别率，计算量小，适用性较高。

基于SVM和纹理的煤和煤矸石自动识别百度学术

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基于卷积神经网络的煤矸石图像识别研究豆丁网,2021129基于卷积神经网络的煤矸石图像识别研究煤矸石绝热氧化的失重阶段及特征温度点分析,201929实验结果表明:煤矸石在不同工况下的绝热氧化失重过程可划分为4个阶段,即外在水分失水失重阶段、内在水分失水失重阶段、挥发分燃烧失重阶段和固定碳燃烧失重阶段。.在同一氧气浓度(20%)下,随着升温速率的提高,煤矸石绝热氧化的TG曲线向高温区偏移,4

图解医学影像纹理特征知乎

2021521致密的纹理（左）和粗糙的纹理（右）.简单来说，纹理特征是一种“二阶特征”，他们不是从图像上直接得出的，而是先通过某种计算将原始图像的特性提取出来并存在一个中间矩阵中，之后在这个中间矩阵上定义一系列的统计量，作为图像的纹理特征。.在纹理特征简介ChenLee1的博客CSDN博客纹理特征,2015327纹理的定义：.纹理是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。.纹理具有三大标志：某种局部序列性不断重复、非随机排列、纹理区域内大致为均匀的统纹理特征1:灰度共生矩阵（GLCM）知乎,201935纹理特征1:灰度共生矩阵（GLCM）.纹理分析是对图像灰度（浓淡）空间分布模式的提取和分析。.纹理分析在遥感图像、X射线照片、细胞图像判读和处理方面有广泛的应用。.关于纹理，还没有一个统一的数学模型。.它起源于表征纺织品表面性质的纹理概念