基于图像的煤岩识别方法研究
|
摘要
本文对基于图像的煤岩识别技术进行了系统研究。阐述了影响煤岩图像采集质量的因素、噪声特性分类以及模型，提出将小波和小波包应用于煤岩图像去噪，为对煤岩图像去噪效果进行评估定义了保真度的概念。分析了常见的图像特征抽取方法，研究了煤岩图像在小波分解之后的特点和煤岩网状图的特点，提出将煤岩图像进行多尺度分解并结合灰度共生矩阵的方式进行特征抽取。研究了距离判别法原理，提出了均值纹理导向度和方差纹理导向度。详细研究了支持向量机的基本原理，提出了一种基于支持向量机的煤岩图像分类识别方法和系统以及采集装置。详细研究了BP神经网络和小波神经网络原理，改进了BP神经网络的最小均方误差函数和小波神经网络的结构。在煤岩图像特征抽取的基础上，提出了基于Minkowski距离判别、支持向量机、BP神经网络、改进的BP神经网络和改进的小波神经网络的五种模式分类方法，进行了煤岩识别仿真实验，并针对实验结果进行了比较和分析。
The key technology of coal rock recognition based on image was systematically studied in thisthesis. Firstly, the influence factors of coal-rock image acquisition, noise characteristicsclassification and model were introduced. This paper proposes that the wavelet and wavelet packetare used in the coal rock image denoising. The fidelity concept is defined in order to evaluate coalrock image denoising effect. The common image feature extraction method is analysised. Thecharacteristics of coal rock image in wavelet decomposition characteristics and coal rock meshfigure are studied. The approach of the coal rock image multiscale decomposition which combineswith gray level co-occurrence matrix is used for feature extraction. The distance discriminantmethod is studied. The mean texture orientation texture orientation and variance textureorientation texture orientation are proposed. The basic principle of support vector machine isdiseussed emphatically and the method and system of coal-rock image classification andrecognition based on support vector machine are proposed. Collecting device is proposed.Thetheory of BP neural network and wavelet neural network are diseussed emphatically and theminimum mean square error function of BP neural network and structure of wavelet neuralnetwork are improved.On the basis of coal-rock image feature extraction, the classifiers based onMinkowski distanee, support vector machine, BP neural network, improved BP neural networkand wavelet neural network are proposed. The simulation experiments of coal-rock imagerecognition were condueted and the test results are compared and analyzed.
The key technology of coal rock recognition based on image was systematically studied in thisthesis. Firstly, the influence factors of coal-rock image acquisition, noise characteristicsclassification and model were introduced. This paper proposes that the wavelet and wavelet packetare used in the coal rock image denoising. The fidelity concept is defined in order to evaluate coalrock image denoising effect. The common image feature extraction method is analysised. Thecharacteristics of coal rock image in wavelet decomposition characteristics and coal rock meshfigure are studied. The approach of the coal rock image multiscale decomposition which combineswith gray level co-occurrence matrix is used for feature extraction. The distance discriminantmethod is studied. The mean texture orientation texture orientation and variance textureorientation texture orientation are proposed. The basic principle of support vector machine isdiseussed emphatically and the method and system of coal-rock image classification andrecognition based on support vector machine are proposed. Collecting device is proposed.Thetheory of BP neural network and wavelet neural network are diseussed emphatically and theminimum mean square error function of BP neural network and structure of wavelet neuralnetwork are improved.On the basis of coal-rock image feature extraction, the classifiers based onMinkowski distanee, support vector machine, BP neural network, improved BP neural networkand wavelet neural network are proposed. The simulation experiments of coal-rock imagerecognition were condueted and the test results are compared and analyzed.
引文
1.孙继平.矿井移动通信的现状及关键科学技术问题.工矿自动化，2009（7）：110～114
2.孙继平.煤矿安全生产监控系统联网.工矿自动化，2009（10）：1～4
3.孙继平.煤矿监控关键科学技术问题.神华科技，2009（3）：3～5
4.孙继平.煤矿安全监控系统联网技术研究.煤炭学报，2009，34（11）：1546～1549
5.孙继平.煤矿井下人员位置监测系统联网.煤炭科学技术，2009，37（11）：77～79
6.孙继平.煤矿安全生产监控与通信技术.煤炭学报，2010，35（11）：1925～1929
7.孙继平.煤炭产量远程监测与防作弊技术.工矿自动化，2010，9：129～132
8.孙继平.煤矿井下安全避险六大系统的作用和配置方案.工矿自动化，2010，11：1～4
9.孙继平.煤矿安全监控技术与系统.煤炭科学技术，2010,38(10):1～4
10.孙继平.煤矿井下人员位置监测技术与系统.煤炭科学技术，2010，38(11):1～5
11.孙继平.矿井通信技术与系统.煤炭科学技术，2010，38(12):1～3
12.孙继平.煤矿井下避难硐室与救生舱关键技术研究.煤炭学报，2011，36（5）：713～717
13.孙继平.煤矿井下紧急避险关键技术.煤炭学报.2011,36(11)：1890～1194
14.孙继平.煤矿电气安全关键技术研究.工矿自动化，2011，01:1～4
15.孙继平.煤矿井下紧急避险系统研究.煤炭科学技术，2011，39(1):69～71
16.孙继平.基于物联网的煤矿瓦斯爆炸事故防范措施及典型事故分析.煤炭学报，2011,36(7)：1172～1176
17.孙继平.煤矿机电及运输事故防治的紧迫性研究.工矿自动化.2011,4:48～50
18.孙继平.瓦斯综合防治方法研究.工矿自动化.2011,2:1～5
19.孙继平.立胜煤矿15特别重大电气火灾事故分析及防范措施.工矿自动化，2012，01:1～3
20.孙继平.电气火源引起的特别重大瓦斯爆炸事故案例分析.工矿自动化，2012，02:1～4
21.孙继平.无安全监控系统的煤矿特别重大瓦斯爆炸事故案例分析.工矿自动化，2012，03:1～4
22.孙继平.安全高效矿井监控关键技术研究.工矿自动化，2012，12:1～5
23.孙继平.煤矿井下紧急避险系统.第22届全国煤矿自动化与信息化学术会议暨第4届中国煤矿信息化与自动化高层论坛论文集，中国西安,2012,11:1～9
24.孙继平.煤矿井下有线宽带信息传输研究.工矿自动化，2013，V39(1):1～5
25.孙继平.矿井宽带无线传输技术研究.工矿自动化，2013，V39(2):1～5
26.孙继平.现代化矿井通信技术与系统.工矿自动化，2013，V39(3):1～5
27.孙继平,伍云霞.矿用无线电系统及设备工作频段选择.工矿自动化，2013，V39(4):1～4
28.孙继平.煤矿用电工电子产品电磁兼容性要求及试验方法.煤炭科学技术，2013,41（6）：68～72
29.孙继平.安全高效矿井通信系统技术要求.工矿自动化，2013，V39(8):1～5
30.孙继平.煤矿井下紧急避险与应急救援技术.工矿自动化，2013，40(1):1～4
31.孙继平.井下紧急避险系统避难硐室建设方法与技术.煤炭科学技术，2013，41(9):40～43
32.孙继平.《煤矿安全规程》监控、通信与监视修订意见.工矿自动化，2014，V40(8):1～6
33.孙继平.屯兰矿222特别重大瓦斯爆炸事故原因及教训.煤炭学报，2010，35（1）：72～75
34.孙继平.煤矿自动化与信息化技术回顾与展望.工矿自动化，2010（6）:26～30
35.孙继平.煤矿物联网特点与关键技术研究.煤炭学报，2011，36（1）:167～171
36.方新秋，何杰，郭敏江等.煤矿无人工作面开采技术研究.科技导报，2008（9）:56～61
37.孙继平.煤矿安全生产理念研究.煤炭学报，2011，36（2）:313～316
38.苏波.基于机器视觉的煤岩界面识别方法研究.中国矿业大学（北京），2012
39.孙继平.基于图像识别的煤岩界面识别方法研究.煤炭科学技术，2011,39（2）:77～79
40.李春华，刘春生.采煤机滚筒自动调高技术的分析.工矿自动化，2005，31（2）:48～51
41.任芳，杨兆建，熊诗波.国内外煤岩界面识别技术研究动态综述.煤，2001(4):54～55
42.张福建.电牵引采煤机记忆截割控制策略的研究.煤炭科学研究总院，2007:1～60
43.张强，徐瑛.国外煤岩界面传感器开发动态综述.煤矿自动化，1995(2):62～65.
44.Dobroski,Jr. The Application of Coal Interface Detection Techniques forRobotized Continous Mining Machines. Proceedings of the9thWVU InternationalCoal Mine Eleetrotechnology Conferenee, Morgantown,WV,1988:223～228
45.Mowrey,G.L.Promising Coal Interfaee Deteetion Methods. Mining Engineering,1991，43(1):134～138
46.Mowrey,GL.,Pazuehanies,M.J.,New DeveloPments in Coal Interface Deteetion forHorizontal Control. Proeeedings of Longwall U.S.A Intemational Exhibition andConference,Pittsburgh,PA,1989:19～22
47.卢共平.煤岩界面探测技术.陕西煤炭技术，1996，(3):56～59
48.张友云.国外煤岩分界传感器研究现状.煤炭经济与科技动态，1994(26):8～11
49.徐瑛.国外煤岩界面传感器开发动态综述.煤矿自动化，1995，13(2):62～65
50.刘伟.综放工作面煤矸界面识别理论与方法研究.中国矿业大学（北京）2011，4:1～92
51.Mowrey G.L. Applying Adaptive Signal Discrimination to Vibrational Coal InterfaceDetection. SME Annual Meeting, Salt Lake City, USA.1990:90
52.Mowrey,G.L. Adaptive Learning Networks Applied to Coal Interface Detection andResin Roof Bolt Bonding Integrity Proceedings of the3rdInternational conferenceon Innovative Mining Systems, University of Missouri-Rolla,1987:160～174
53.Mowrey,G.L. A New Approach to Coal lnterface Deteetion: The ln-Seam seismieTeehnique. IEEE Transactions on Industry APPlieation,1988,24(4):660～665
54.Maksimovic,S.D.G.L. Mowery Investigation of Feasibility of Nature GammaRadiation Coal Interface Detection Method in US Coal Seams. SME Annual Meeting,Salt Lake City,USA.1990:90～127
55.梁义维.采煤机智能调高控制理论与技术.太原理工大学，博士论文，2005.3.1:5～115
56.S.D.Maksimovic, G.L. Mowrey. Evaluation of several Natural Gamma RadiationSysterns-A Preliminary. U.S. Departlent of the Interior, Bureau of Mines,Information Circular9434,1995:l～48
57.D.Crosland,R.Mitra,P.Hagan. Changes in Acoustic Emissions When CuttingDifferent Rock Types. Coal Operators Conferenee,2009:329～339
58.Hardy H R. Acoustic Emission/Microseismic Activity: Principles,Techniques andGeotechnical Applications, Balkema Publishers,Netherlands,2003:l～256
59.Shen H W and Hardy H R. Laboratory Study of Acoustic Emission and Partiele SizeDistribution dung Linear Cutting of Coal in Roek Meehanies Tools and Teehniques.2ndNth American Rock Mechanics Symposium,1996:835～841
60.陈延康，张伟，廉自生.基于切割力分析的煤岩分界辨识.煤矿机电，1991(3):80～83
61.陈延康.煤岩分界辨识及采煤机滚筒自动调高控制系统研究.科学研究报告，1989
62.廉自生.基于采煤机截割力响应的煤岩界面识别技术研究.中国矿业大学，博士论文，1995:1～60
63.廉自生，刘混举，李文英.基于切割力响应的煤岩界面识别技术研究.山西机械，1999(2):25～27
64.任芳.基于多传感器数据融合技术的煤岩界面识别的理论与方法研究.太原理工大学，博士学位论文，2003:1～100
65.任芳.基于改进BP网络的煤岩界面白动识别.煤矿机电，2002(5):20～22
66.Ren fang, Yang Zhao-jian, Xiong Shi-bo. Study on the Coal Rock InterfaceRecognition System Based on Multi-sensor Information Fusion Technique. ChineseJournal of Mechanical Engineering,2003,16(3):321～324
67.Ren fang, Yang Zhao-jian, Xiong Shi-bo. Application of Wavelet PacketDecomposition and Its Energy Spectrum on the Coal Rock Interface Identification.Journal of Coal Science&Engineering,2003,9(l):109～112
68.任芳，熊晓燕，杨兆建.煤岩界面识别的关键状态参数.煤矿机电，2006(5):37～39
69.任芳，熊晓燕，杨兆建.煤岩界面识别物理模拟测试系统研究.煤矿机械，2006，27(11):44～46
70.Wei LIU. Coal Rock Interface Recognition Based on Independent Component Analysisand BP Neural Network. The3rdIEEE international conference on Computer Scienceand Information Technology,2010:556～558
71.张守祥，张艳丽，王永强等.综采工作面煤研频谱特征.煤炭学报，2007，32(9):971～974
72.张艳丽，张守祥.基于EMD方法的煤岩界面识别研究.煤炭技术，2007，26(9):49～51
73.张艳丽，张守祥.基于Hilbert-Huang变换的煤研声波信号分析.煤炭学报，2010，35(1):155～158
74.张艳丽，张守祥，王永强等.独立分量分析法在综采煤岩界面识别中的应用.煤炭科学技术，2007，35(8):22～25
75.孙继平，田子健.矿井图像监视系统与关键技术.煤炭科学技术，2014，42（1）:65～68
76.王庆斌，刘萍.电磁干扰与电磁兼容技术.北京:机械工业出版社，2003:1～200
77.闫宏.受电磁干扰的人脸图像检测与识别方法研究.哈尔滨工程大学，2007,1:1～68
78.薛雷.图像工程设备中的数据传输分析及其电磁兼容技术.华中科技大学博士论文.2003:1～113
79.聂百胜,何学秋,何俊等.电磁辐射信号的小波变换去噪研究.太原理工大学学报.2006,37(5):557～560
80.Castleman K R. Digital image processing. Prentice-Hall, Inc.,1996:2～625
81.徐长发，李国宽.实用小波方法.华中科技大学出版社，2001:1～230
82.丁兴号.基于小波分析的视觉检测技术研究.合肥工业大学博士学位文.2008，9，1:1～105
83.谢杰成，张大力，徐文立.小波图象去噪综述.中国图象图形学报，2002，7(3):209～2l7
84.丁兴号，邓善熙.基于小波变换的屋脊边缘亚象素检测.哈尔滨工业大学学报，2004，36(11):1480～1482
85.杨永跃，邓善熙，丁兴号.视觉测量数据融合技术研究.电子测量与仪器学报，2004，18(3):8～12
86.Ding Xinghao,Deng Shanxi,Li Liaoliao.Algorithm of Wavelet RBF NeuralNetwork,2ndInternational Symposium on Instrument Science and Technology，Jinan.
2002.8.2:756～760
87.陈武凡.小波分析及其在图像处理中的应用.北京：科学出版社，2002:1～250
88.徐佩霞，孙功宪.小波分析与应用实例.合肥：中国科学技术大学出版社，2001:1～340
89.姜三平.基于小波变换的图像降噪.北京，国防工业出版社，2009:1～120
90.王润生.图像理解.长沙：国防科学技术大学出版社，1995:1～390
91.马莉，范影乐.纹理图像分析.北京：科学出版社，2009:1～220
92.孙即祥.数字图像处理.石家庄：河北教育出版社，1993:99～105
93.Bovik A, Clark M, Geisler W. Multi-channel texture analysis using localizedspatial filters. IEEE Trans. On PAMI,Vol.12,pp.55～73,Jan.,1990
94.Pentland A P.Fractal-based description of natural scenes. IEEE Trans. OnPAMI-6,1984:661～674
95.Li Wang, He D C. Texture Classification Using Texture Spectrum. PatternRecognition,1990(23):905～910
96.Dong-Chen He and Li Wang. Texture Features Based on Texture Spectrum. PatternRecognition,1991（24）：391～399
97.Haralick R M,Shanmugam K,DinStein I. Texture Features for Image Classification.IEEE Trans.On Systems Man Cybernet,SMC-3(1973):610～621
98.Abdulrahman Al-Janobi. Performance evaluation of Cross-diagonal texture matrixmethod of texture analysis. Pattern Recognition,2001(34):171～180
99.Zhou F, Feng J,Shi Q. Image Segmentation Based on Local Fourier CoefficientsHistogram. Proc.SPIE2nd Int.Conf.on Multispectral Image Processing andPattern Recognition,Wuhan,China,November,2001:40～45
100.Hui Yu,Mingjing Li,Hong-Jiang Zhang,Jufu Feng. Color Texture Moments Forcontent Based Image Retrieval. www.cs.iupui.edu.edu/~tuceryan/research/computervision/moment-paper.pdf
101.Haralick R M,Shanmugam K,DinStein I. Texture Features for Image Classification.IEEE Trans. On Systems Man Cybernet, SMC-3(1973):610～621
102.Gomez W,Pereira W C A,Infantosi A F C.Analysis of Co-Occurrence TextureStatistics as a Function of Gray-Level Quantization for Classifying BreastUltrasound. Medical Imaging,IEEE Transactions on.2012,31(10):1889～1899
103.Soh L K,Tsatsoulis C. Texture analysis of SAR sea ice imagery using gray levelco-occurrence matrices. Geoscience and Remote Sensing,IEEE Transanctionson.1999,37(2):780~795
104.Sarker N,Chaudhuri B B. An Efficient Approach to Estimate Fractal Dimensionof Textural Image. Pattern Recognition,1992,25(9):1035～1041
105.张志龙.基于遥感图像的重要目标特征提取与识别方法研究.国防科学技术大学博士学位论文.2005:1～166
106.孙继平，佘杰.基于支持向量机的煤岩图像特征抽取与分类识别.煤炭学报，2013，v38（supp2）:509～512
107.Pingshan Li,Sunnyvale. System and method for performing wavelet-based texturefeature extraction and classification:United States:US7734107B2.2010-06-08
108.孙继平，佘杰.基于小波的煤岩图像特征抽取与识别.煤炭学报，2013，v38（10）：1900～1904
109.游迎荣.基于复杂性测度的纹理图像分割技术研究.杭州：杭州电子科技大学自动化学院，2006:1～85
110.刘晓民.纹理研究及其应用综述.测控技术，2008，27(5):4～9
111.李登峰，杨晓慧编著.小波基础理论和应用实例.北京：高等教育出版社，2010:1～92
112.边肇棋，张学工.模式识别(第二版)北京：清华大学出版社，2000:1～304
113.V．Vapnik The Nature of Statistical Learning Theory，NY：springer Verlag，
1995.张学工译.统计学习理论的本质.北京：清华大学出版社，1999:1～199
114.Vapnik V N. Statistical Learning Theory. New York:Wiley Publishing,1998:1～751
115.Vapnik V N. An overview of statistical learning theory. IEEE Transactions onNeural Network,1999,10(5):988～999
116.Burges C J C. A tutorial on support vector machines for pattern recognition.Data Mining and Knowledge Discovery.1998,2(2):121～167
117.Cherkassky V,Mulier F. Learning from Data:Concepts,Theory and Methods.NY:John Viley&Sons,1997:1～502
118.K.R.Muller,S,Mika,G.Ratsch,K.Tsuda. An Introduction to Kernel-Based LearningAlgorithms. IEEE Transactions on Neural Networks,2001,12(2):181～201
119.V.Vapnik. Statistical Learning Theory.New York:John Wiley&Sons,1998.许建华，张学工译.统计学习理论.北京电子工业出版社，2004:1～517
120.马永军.支持向量机及其在图像分析中的应用研究.中国科学技术大学博士论文.2002:1～90
121.胡适耕，施宝唱.最优化原理.武汉：华中理工大学出版社.2000:1～230
122.张铃.基于核函数SVM与三层前向神经网络的关系.计算机学报.2002,25（7）：696～700
123.施光燕，董加礼.最优化方法.高等教育出版社.1999:1～437
124.Cortes C, Vapnik V. Support VectorNetworks. Machine Learning,1995(20):273～298
125.Ahmed S N. Incremental Learning with Support Vector Machines (IJCA).In:Workshop on Support Vector Machines,Stockholm,Sweden,1999,8,2:641～642
126.Osuna E,Freund R,Girosi F. Training Support Vector Machines:An Application toFace Detection. In Proceedings of CVPR97Puerto Rico,1997:130～136
127.Platt J. Large Margin DAGs for Multiclsss Classification,in Advances in NeuralInformation Processing Systems,MIT Press,2000,547～554
128.孙继平，佘杰.一种用于采集煤岩图像的装置：中国，201320687120.4.2014-02-27
129.MATLAB中文论坛. Matlab神经网络30个案例分析.北京:北京航空航天大学出版社,2010:112～153
130.张铮,王艳平,薛桂香.数字图像处理与机器视觉.北京:人民邮电出版社,2010:140～537
131.佘杰.支持向量机在煤岩图像识别中的应用.中央高校基本科研业务费项目研究成果论文集，2013：342～349
132.朱凯，王正林.精通MATLAB神经网络.北京：电子工业出版社，2010:1～411
133.焦李成.神经网络系统理论.西安：西安电子科技大学出版社，1995:1～275
134.易继锴，侯媛彬.智能控制技术.北京：北京工业大学出版社，1999:1～379
135.佘杰.基于BP神经网络的煤岩图像分类识别.煤矿自动化与信息化论文集，2013：229～232
136.韩立群.人工神经网络理论、设计及应用.北京：化工工业出版社，2002:1～189
137.Haykin S. Neural networks: a comprehensive foundation. Prentice Hall, UpperSaddle River,NJ.1999:123～130
138.Kadir Liano. Robust error measure for supervised neural network learning withoutliers. IEEE Trans.Neural Netw.1996,7(1):246～250
139.Hush D R, Home B G. Progress in supervised neural networks. IEEE SignalProcessing Mag,1993,10(1):8～39
140.杜慧茜、梅文博、李德生.一种改进的BP神经网络在遥感图像分类中的应用.北京理工大学学报，1998（18）4:485～488
141.Mollor M S. A scaled conjugate gradient algorithm for fast supervised learning.Neural Networks,1993(4):525～534
142.MATLAB中文论坛. Matlab神经网络43个案例分析.北京:北京航空航天大学出版社,2013:278～287
143.侯媛彬，韩崇昭.能对非线性多变量解耦的神经网络.软件学报，1997（2）:105～108
2.孙继平.煤矿安全生产监控系统联网.工矿自动化，2009（10）：1～4
3.孙继平.煤矿监控关键科学技术问题.神华科技，2009（3）：3～5
4.孙继平.煤矿安全监控系统联网技术研究.煤炭学报，2009，34（11）：1546～1549
5.孙继平.煤矿井下人员位置监测系统联网.煤炭科学技术，2009，37（11）：77～79
6.孙继平.煤矿安全生产监控与通信技术.煤炭学报，2010，35（11）：1925～1929
7.孙继平.煤炭产量远程监测与防作弊技术.工矿自动化，2010，9：129～132
8.孙继平.煤矿井下安全避险六大系统的作用和配置方案.工矿自动化，2010，11：1～4
9.孙继平.煤矿安全监控技术与系统.煤炭科学技术，2010,38(10):1～4
10.孙继平.煤矿井下人员位置监测技术与系统.煤炭科学技术，2010，38(11):1～5
11.孙继平.矿井通信技术与系统.煤炭科学技术，2010，38(12):1～3
12.孙继平.煤矿井下避难硐室与救生舱关键技术研究.煤炭学报，2011，36（5）：713～717
13.孙继平.煤矿井下紧急避险关键技术.煤炭学报.2011,36(11)：1890～1194
14.孙继平.煤矿电气安全关键技术研究.工矿自动化，2011，01:1～4
15.孙继平.煤矿井下紧急避险系统研究.煤炭科学技术，2011，39(1):69～71
16.孙继平.基于物联网的煤矿瓦斯爆炸事故防范措施及典型事故分析.煤炭学报，2011,36(7)：1172～1176
17.孙继平.煤矿机电及运输事故防治的紧迫性研究.工矿自动化.2011,4:48～50
18.孙继平.瓦斯综合防治方法研究.工矿自动化.2011,2:1～5
19.孙继平.立胜煤矿15特别重大电气火灾事故分析及防范措施.工矿自动化，2012，01:1～3
20.孙继平.电气火源引起的特别重大瓦斯爆炸事故案例分析.工矿自动化，2012，02:1～4
21.孙继平.无安全监控系统的煤矿特别重大瓦斯爆炸事故案例分析.工矿自动化，2012，03:1～4
22.孙继平.安全高效矿井监控关键技术研究.工矿自动化，2012，12:1～5
23.孙继平.煤矿井下紧急避险系统.第22届全国煤矿自动化与信息化学术会议暨第4届中国煤矿信息化与自动化高层论坛论文集，中国西安,2012,11:1～9
24.孙继平.煤矿井下有线宽带信息传输研究.工矿自动化，2013，V39(1):1～5
25.孙继平.矿井宽带无线传输技术研究.工矿自动化，2013，V39(2):1～5
26.孙继平.现代化矿井通信技术与系统.工矿自动化，2013，V39(3):1～5
27.孙继平,伍云霞.矿用无线电系统及设备工作频段选择.工矿自动化，2013，V39(4):1～4
28.孙继平.煤矿用电工电子产品电磁兼容性要求及试验方法.煤炭科学技术，2013,41（6）：68～72
29.孙继平.安全高效矿井通信系统技术要求.工矿自动化，2013，V39(8):1～5
30.孙继平.煤矿井下紧急避险与应急救援技术.工矿自动化，2013，40(1):1～4
31.孙继平.井下紧急避险系统避难硐室建设方法与技术.煤炭科学技术，2013，41(9):40～43
32.孙继平.《煤矿安全规程》监控、通信与监视修订意见.工矿自动化，2014，V40(8):1～6
33.孙继平.屯兰矿222特别重大瓦斯爆炸事故原因及教训.煤炭学报，2010，35（1）：72～75
34.孙继平.煤矿自动化与信息化技术回顾与展望.工矿自动化，2010（6）:26～30
35.孙继平.煤矿物联网特点与关键技术研究.煤炭学报，2011，36（1）:167～171
36.方新秋，何杰，郭敏江等.煤矿无人工作面开采技术研究.科技导报，2008（9）:56～61
37.孙继平.煤矿安全生产理念研究.煤炭学报，2011，36（2）:313～316
38.苏波.基于机器视觉的煤岩界面识别方法研究.中国矿业大学（北京），2012
39.孙继平.基于图像识别的煤岩界面识别方法研究.煤炭科学技术，2011,39（2）:77～79
40.李春华，刘春生.采煤机滚筒自动调高技术的分析.工矿自动化，2005，31（2）:48～51
41.任芳，杨兆建，熊诗波.国内外煤岩界面识别技术研究动态综述.煤，2001(4):54～55
42.张福建.电牵引采煤机记忆截割控制策略的研究.煤炭科学研究总院，2007:1～60
43.张强，徐瑛.国外煤岩界面传感器开发动态综述.煤矿自动化，1995(2):62～65.
44.Dobroski,Jr. The Application of Coal Interface Detection Techniques forRobotized Continous Mining Machines. Proceedings of the9thWVU InternationalCoal Mine Eleetrotechnology Conferenee, Morgantown,WV,1988:223～228
45.Mowrey,G.L.Promising Coal Interfaee Deteetion Methods. Mining Engineering,1991，43(1):134～138
46.Mowrey,GL.,Pazuehanies,M.J.,New DeveloPments in Coal Interface Deteetion forHorizontal Control. Proeeedings of Longwall U.S.A Intemational Exhibition andConference,Pittsburgh,PA,1989:19～22
47.卢共平.煤岩界面探测技术.陕西煤炭技术，1996，(3):56～59
48.张友云.国外煤岩分界传感器研究现状.煤炭经济与科技动态，1994(26):8～11
49.徐瑛.国外煤岩界面传感器开发动态综述.煤矿自动化，1995，13(2):62～65
50.刘伟.综放工作面煤矸界面识别理论与方法研究.中国矿业大学（北京）2011，4:1～92
51.Mowrey G.L. Applying Adaptive Signal Discrimination to Vibrational Coal InterfaceDetection. SME Annual Meeting, Salt Lake City, USA.1990:90
52.Mowrey,G.L. Adaptive Learning Networks Applied to Coal Interface Detection andResin Roof Bolt Bonding Integrity Proceedings of the3rdInternational conferenceon Innovative Mining Systems, University of Missouri-Rolla,1987:160～174
53.Mowrey,G.L. A New Approach to Coal lnterface Deteetion: The ln-Seam seismieTeehnique. IEEE Transactions on Industry APPlieation,1988,24(4):660～665
54.Maksimovic,S.D.G.L. Mowery Investigation of Feasibility of Nature GammaRadiation Coal Interface Detection Method in US Coal Seams. SME Annual Meeting,Salt Lake City,USA.1990:90～127
55.梁义维.采煤机智能调高控制理论与技术.太原理工大学，博士论文，2005.3.1:5～115
56.S.D.Maksimovic, G.L. Mowrey. Evaluation of several Natural Gamma RadiationSysterns-A Preliminary. U.S. Departlent of the Interior, Bureau of Mines,Information Circular9434,1995:l～48
57.D.Crosland,R.Mitra,P.Hagan. Changes in Acoustic Emissions When CuttingDifferent Rock Types. Coal Operators Conferenee,2009:329～339
58.Hardy H R. Acoustic Emission/Microseismic Activity: Principles,Techniques andGeotechnical Applications, Balkema Publishers,Netherlands,2003:l～256
59.Shen H W and Hardy H R. Laboratory Study of Acoustic Emission and Partiele SizeDistribution dung Linear Cutting of Coal in Roek Meehanies Tools and Teehniques.2ndNth American Rock Mechanics Symposium,1996:835～841
60.陈延康，张伟，廉自生.基于切割力分析的煤岩分界辨识.煤矿机电，1991(3):80～83
61.陈延康.煤岩分界辨识及采煤机滚筒自动调高控制系统研究.科学研究报告，1989
62.廉自生.基于采煤机截割力响应的煤岩界面识别技术研究.中国矿业大学，博士论文，1995:1～60
63.廉自生，刘混举，李文英.基于切割力响应的煤岩界面识别技术研究.山西机械，1999(2):25～27
64.任芳.基于多传感器数据融合技术的煤岩界面识别的理论与方法研究.太原理工大学，博士学位论文，2003:1～100
65.任芳.基于改进BP网络的煤岩界面白动识别.煤矿机电，2002(5):20～22
66.Ren fang, Yang Zhao-jian, Xiong Shi-bo. Study on the Coal Rock InterfaceRecognition System Based on Multi-sensor Information Fusion Technique. ChineseJournal of Mechanical Engineering,2003,16(3):321～324
67.Ren fang, Yang Zhao-jian, Xiong Shi-bo. Application of Wavelet PacketDecomposition and Its Energy Spectrum on the Coal Rock Interface Identification.Journal of Coal Science&Engineering,2003,9(l):109～112
68.任芳，熊晓燕，杨兆建.煤岩界面识别的关键状态参数.煤矿机电，2006(5):37～39
69.任芳，熊晓燕，杨兆建.煤岩界面识别物理模拟测试系统研究.煤矿机械，2006，27(11):44～46
70.Wei LIU. Coal Rock Interface Recognition Based on Independent Component Analysisand BP Neural Network. The3rdIEEE international conference on Computer Scienceand Information Technology,2010:556～558
71.张守祥，张艳丽，王永强等.综采工作面煤研频谱特征.煤炭学报，2007，32(9):971～974
72.张艳丽，张守祥.基于EMD方法的煤岩界面识别研究.煤炭技术，2007，26(9):49～51
73.张艳丽，张守祥.基于Hilbert-Huang变换的煤研声波信号分析.煤炭学报，2010，35(1):155～158
74.张艳丽，张守祥，王永强等.独立分量分析法在综采煤岩界面识别中的应用.煤炭科学技术，2007，35(8):22～25
75.孙继平，田子健.矿井图像监视系统与关键技术.煤炭科学技术，2014，42（1）:65～68
76.王庆斌，刘萍.电磁干扰与电磁兼容技术.北京:机械工业出版社，2003:1～200
77.闫宏.受电磁干扰的人脸图像检测与识别方法研究.哈尔滨工程大学，2007,1:1～68
78.薛雷.图像工程设备中的数据传输分析及其电磁兼容技术.华中科技大学博士论文.2003:1～113
79.聂百胜,何学秋,何俊等.电磁辐射信号的小波变换去噪研究.太原理工大学学报.2006,37(5):557～560
80.Castleman K R. Digital image processing. Prentice-Hall, Inc.,1996:2～625
81.徐长发，李国宽.实用小波方法.华中科技大学出版社，2001:1～230
82.丁兴号.基于小波分析的视觉检测技术研究.合肥工业大学博士学位文.2008，9，1:1～105
83.谢杰成，张大力，徐文立.小波图象去噪综述.中国图象图形学报，2002，7(3):209～2l7
84.丁兴号，邓善熙.基于小波变换的屋脊边缘亚象素检测.哈尔滨工业大学学报，2004，36(11):1480～1482
85.杨永跃，邓善熙，丁兴号.视觉测量数据融合技术研究.电子测量与仪器学报，2004，18(3):8～12
86.Ding Xinghao,Deng Shanxi,Li Liaoliao.Algorithm of Wavelet RBF NeuralNetwork,2ndInternational Symposium on Instrument Science and Technology，Jinan.
2002.8.2:756～760
87.陈武凡.小波分析及其在图像处理中的应用.北京：科学出版社，2002:1～250
88.徐佩霞，孙功宪.小波分析与应用实例.合肥：中国科学技术大学出版社，2001:1～340
89.姜三平.基于小波变换的图像降噪.北京，国防工业出版社，2009:1～120
90.王润生.图像理解.长沙：国防科学技术大学出版社，1995:1～390
91.马莉，范影乐.纹理图像分析.北京：科学出版社，2009:1～220
92.孙即祥.数字图像处理.石家庄：河北教育出版社，1993:99～105
93.Bovik A, Clark M, Geisler W. Multi-channel texture analysis using localizedspatial filters. IEEE Trans. On PAMI,Vol.12,pp.55～73,Jan.,1990
94.Pentland A P.Fractal-based description of natural scenes. IEEE Trans. OnPAMI-6,1984:661～674
95.Li Wang, He D C. Texture Classification Using Texture Spectrum. PatternRecognition,1990(23):905～910
96.Dong-Chen He and Li Wang. Texture Features Based on Texture Spectrum. PatternRecognition,1991（24）：391～399
97.Haralick R M,Shanmugam K,DinStein I. Texture Features for Image Classification.IEEE Trans.On Systems Man Cybernet,SMC-3(1973):610～621
98.Abdulrahman Al-Janobi. Performance evaluation of Cross-diagonal texture matrixmethod of texture analysis. Pattern Recognition,2001(34):171～180
99.Zhou F, Feng J,Shi Q. Image Segmentation Based on Local Fourier CoefficientsHistogram. Proc.SPIE2nd Int.Conf.on Multispectral Image Processing andPattern Recognition,Wuhan,China,November,2001:40～45
100.Hui Yu,Mingjing Li,Hong-Jiang Zhang,Jufu Feng. Color Texture Moments Forcontent Based Image Retrieval. www.cs.iupui.edu.edu/~tuceryan/research/computervision/moment-paper.pdf
101.Haralick R M,Shanmugam K,DinStein I. Texture Features for Image Classification.IEEE Trans. On Systems Man Cybernet, SMC-3(1973):610～621
102.Gomez W,Pereira W C A,Infantosi A F C.Analysis of Co-Occurrence TextureStatistics as a Function of Gray-Level Quantization for Classifying BreastUltrasound. Medical Imaging,IEEE Transactions on.2012,31(10):1889～1899
103.Soh L K,Tsatsoulis C. Texture analysis of SAR sea ice imagery using gray levelco-occurrence matrices. Geoscience and Remote Sensing,IEEE Transanctionson.1999,37(2):780~795
104.Sarker N,Chaudhuri B B. An Efficient Approach to Estimate Fractal Dimensionof Textural Image. Pattern Recognition,1992,25(9):1035～1041
105.张志龙.基于遥感图像的重要目标特征提取与识别方法研究.国防科学技术大学博士学位论文.2005:1～166
106.孙继平，佘杰.基于支持向量机的煤岩图像特征抽取与分类识别.煤炭学报，2013，v38（supp2）:509～512
107.Pingshan Li,Sunnyvale. System and method for performing wavelet-based texturefeature extraction and classification:United States:US7734107B2.2010-06-08
108.孙继平，佘杰.基于小波的煤岩图像特征抽取与识别.煤炭学报，2013，v38（10）：1900～1904
109.游迎荣.基于复杂性测度的纹理图像分割技术研究.杭州：杭州电子科技大学自动化学院，2006:1～85
110.刘晓民.纹理研究及其应用综述.测控技术，2008，27(5):4～9
111.李登峰，杨晓慧编著.小波基础理论和应用实例.北京：高等教育出版社，2010:1～92
112.边肇棋，张学工.模式识别(第二版)北京：清华大学出版社，2000:1～304
113.V．Vapnik The Nature of Statistical Learning Theory，NY：springer Verlag，
1995.张学工译.统计学习理论的本质.北京：清华大学出版社，1999:1～199
114.Vapnik V N. Statistical Learning Theory. New York:Wiley Publishing,1998:1～751
115.Vapnik V N. An overview of statistical learning theory. IEEE Transactions onNeural Network,1999,10(5):988～999
116.Burges C J C. A tutorial on support vector machines for pattern recognition.Data Mining and Knowledge Discovery.1998,2(2):121～167
117.Cherkassky V,Mulier F. Learning from Data:Concepts,Theory and Methods.NY:John Viley&Sons,1997:1～502
118.K.R.Muller,S,Mika,G.Ratsch,K.Tsuda. An Introduction to Kernel-Based LearningAlgorithms. IEEE Transactions on Neural Networks,2001,12(2):181～201
119.V.Vapnik. Statistical Learning Theory.New York:John Wiley&Sons,1998.许建华，张学工译.统计学习理论.北京电子工业出版社，2004:1～517
120.马永军.支持向量机及其在图像分析中的应用研究.中国科学技术大学博士论文.2002:1～90
121.胡适耕，施宝唱.最优化原理.武汉：华中理工大学出版社.2000:1～230
122.张铃.基于核函数SVM与三层前向神经网络的关系.计算机学报.2002,25（7）：696～700
123.施光燕，董加礼.最优化方法.高等教育出版社.1999:1～437
124.Cortes C, Vapnik V. Support VectorNetworks. Machine Learning,1995(20):273～298
125.Ahmed S N. Incremental Learning with Support Vector Machines (IJCA).In:Workshop on Support Vector Machines,Stockholm,Sweden,1999,8,2:641～642
126.Osuna E,Freund R,Girosi F. Training Support Vector Machines:An Application toFace Detection. In Proceedings of CVPR97Puerto Rico,1997:130～136
127.Platt J. Large Margin DAGs for Multiclsss Classification,in Advances in NeuralInformation Processing Systems,MIT Press,2000,547～554
128.孙继平，佘杰.一种用于采集煤岩图像的装置：中国，201320687120.4.2014-02-27
129.MATLAB中文论坛. Matlab神经网络30个案例分析.北京:北京航空航天大学出版社,2010:112～153
130.张铮,王艳平,薛桂香.数字图像处理与机器视觉.北京:人民邮电出版社,2010:140～537
131.佘杰.支持向量机在煤岩图像识别中的应用.中央高校基本科研业务费项目研究成果论文集，2013：342～349
132.朱凯，王正林.精通MATLAB神经网络.北京：电子工业出版社，2010:1～411
133.焦李成.神经网络系统理论.西安：西安电子科技大学出版社，1995:1～275
134.易继锴，侯媛彬.智能控制技术.北京：北京工业大学出版社，1999:1～379
135.佘杰.基于BP神经网络的煤岩图像分类识别.煤矿自动化与信息化论文集，2013：229～232
136.韩立群.人工神经网络理论、设计及应用.北京：化工工业出版社，2002:1～189
137.Haykin S. Neural networks: a comprehensive foundation. Prentice Hall, UpperSaddle River,NJ.1999:123～130
138.Kadir Liano. Robust error measure for supervised neural network learning withoutliers. IEEE Trans.Neural Netw.1996,7(1):246～250
139.Hush D R, Home B G. Progress in supervised neural networks. IEEE SignalProcessing Mag,1993,10(1):8～39
140.杜慧茜、梅文博、李德生.一种改进的BP神经网络在遥感图像分类中的应用.北京理工大学学报，1998（18）4:485～488
141.Mollor M S. A scaled conjugate gradient algorithm for fast supervised learning.Neural Networks,1993(4):525～534
142.MATLAB中文论坛. Matlab神经网络43个案例分析.北京:北京航空航天大学出版社,2013:278～287
143.侯媛彬，韩崇昭.能对非线性多变量解耦的神经网络.软件学报，1997（2）:105～108