基于加权多矩融合特征的矿物影像智能识别算法研究

随着数字识别技术在镜下影像分析的广泛应用,镜下物质类型的智能识别成为了一个微观分析的基础问题。镜下影像自动识别不仅能有效节约人工成本,还能提高识别效率。针对镜下矿物智能识别精度低的问题,以镜下影像的颜色矩、纹理矩以及形态RSTC矩3类指标为识别特征,以指标熵权和变异系数权为识别初始权,构建了一种多矩融合机器学习智能识别模型。选取磁铁矿、云母、方解石、黄铜等的影像集为第一类样本,以烧结矿中的玻璃相、铁酸钙等影像作为第二类样本,提取样本颜色矩、纹理矩和形状RSTC矩的特征,量化分析了特征在影像识别中的贡献率,开展了多矩融合机器学习智能识别试验。结果表明:不同类型特征指标对影像识别过程贡献率有明显差异,多矩融合机器学习智能识别模型具有较好的识别率和鲁棒性,能够明显提高影像识别精度,指标熵权和变异系数权为初始权能够明显促进算法快速收敛,减少识别时间,该研究为矿石镜下影像识别提供了新的方法。