图1 方法的总体框架
《煤炭学报》2017年第5期发表了中国矿业大学(北京)机电与信息工程学院伍云霞副教授课题组的最新研究成果《基于Curvelet变换和压缩感知的煤岩识别方法》，研究提出了一种基于曲波变换的方法，可对煤岩图像边缘进行稀疏表示。该方法煤岩分类准确率达93.75%，比Haar小波方法提高了4.37%，所用降维方法比线性降维方法提取的特征向量更加有利于煤岩图像的分类识别。
近年来，小波变换作为一种重要的多分辨率分析工具在煤岩识别领域引来越来越多的关注和重视，原因在于小波变换具有良好的时频局部化能力，能逐步聚焦到分析对象的任何细节，有效地描述煤岩的局部信息。但小波变换反映的是信号的点奇异性，其基是各向同性的，无法精确地表达图像中边缘的方向，也无法实现对图像的稀疏表示。因此小波难以表达煤岩图像的重要的边缘曲线特征，从而影响识别的精度。为了克服小波的这一局限性，Candes和Donoho于1999年提出了Curvelet变换。与小波变换不同，除了尺度和位移参量外，Curvelet还增加了一个方向参量，使之具有更好的方向辨识能力。
压缩感知理论，对可压缩信号通过远低于Nyquist标准的方式进行采样数据，从而在节约采样和传输成本的情况下，达到了在采样的同时进行压缩的目的。
伍云霞等研究人员提出的这种基于Curvelet变换和压缩感知的煤岩识别新方法，首先对煤岩图像进行多尺度、多方向曲波变换，得到各尺度层Curvelet系数，保留图像变换后的Coarse层低频系数，利用CS对高频系数降维，Coarse层低频系数与降维后的高频系数通过级联构成煤岩图像特征向量，最后结合支持向量机(Support Vector Machine，SVM)对煤岩图像进行分类识别。
这项研究得到了国家重点研发计划、国家自然科学基金重点资助项目的资金支持。
文章来源：伍云霞，张宏.基于Curvelet变换和压缩感知的煤岩识别方法[J].煤炭学报,2017,42(5):1331-1338.
作者简介：伍云霞(1967—)，女，湖北天门人，副教授，博士。E-mail：angil.wu@163.com
