基于圖像處理技術(shù)的煤矸識(shí)別與分選技術(shù)研究.pdf

1、煤炭資源在我國(guó)能源中占有重要地位。在煤炭開(kāi)采挖掘過(guò)程中，從煤礦中直接挖掘開(kāi)采出來(lái)并且沒(méi)有進(jìn)行過(guò)任何處理的煤炭稱(chēng)為原煤，原煤中不可避免的含有矸石。選煤廠的選矸就是將大塊矸石與煤塊分選開(kāi)來(lái)，選矸是各個(gè)選煤廠必不可少的一道工序。目前選煤廠的選矸方法為人工分選，人工分選存在環(huán)境惡劣、工人勞動(dòng)強(qiáng)度大、分選效率低等問(wèn)題。而隨著機(jī)器視覺(jué)技術(shù)的發(fā)展，人們開(kāi)始利用圖像處理技術(shù)對(duì)煤與矸石分選進(jìn)行研究。
　　本研究主要內(nèi)容包括：⑴以圖像處理技術(shù)為基礎(chǔ)，

2、對(duì)煤與矸石圖像進(jìn)行預(yù)處理，主要包括:圖像的灰度化、平滑、銳化和圖像分割。采用加權(quán)平均值法對(duì)圖像進(jìn)行灰度化；在圖像平滑中比較了中值濾波、自適應(yīng)中值濾波和小波降噪的方法，實(shí)驗(yàn)結(jié)果表明自適應(yīng)中值濾波的降噪方法更為有效；利用拉普拉斯算子法對(duì)圖像進(jìn)行銳化，并采用自適應(yīng)閾值法對(duì)圖像進(jìn)行分割。⑵為識(shí)別出煤與矸石，本文在基于灰度信息的方法下，提取了煤與矸石圖像灰度直方圖的灰度均值、灰度方差、平滑度、三階矩和一致性特征參數(shù)；在基于紋理特征的方法下，利用灰

3、度共生矩陣，提取了能量、對(duì)比度、相關(guān)性和熵特征參數(shù)。通過(guò)對(duì)實(shí)驗(yàn)結(jié)果分析，選取有效特征參數(shù)組成特征向量，用于對(duì)煤與矸石的識(shí)別。⑶利用支持向量機(jī)對(duì)煤與矸石進(jìn)行識(shí)別，并利用粒子群算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，最后利用參數(shù)優(yōu)化的支持向量機(jī)對(duì)煤與矸石進(jìn)行識(shí)別。試驗(yàn)結(jié)果表明：將灰度信息和紋理特征進(jìn)行融合組成的特征向量能夠很好的描述煤與矸石的特征，將它們組成的特征向量作為支持向量機(jī)的輸入，分類(lèi)器能夠很好的識(shí)別煤與矸石。⑷利用質(zhì)心法對(duì)煤與矸石在圖像中

4、的位置進(jìn)行了定位研究。首先利用自適應(yīng)閾值算法對(duì)煤與矸石灰度圖像進(jìn)行二值化處理，然后對(duì)煤與矸石圖像中的目標(biāo)區(qū)域進(jìn)行邊緣輪廓提取。在邊緣輪廓提取時(shí)，對(duì)微分梯度方法和 Canny算子算法進(jìn)行了研究，通過(guò)對(duì)試驗(yàn)結(jié)果分析后，選用基于一階微分梯度算法中的 Roberts算子算法對(duì)邊緣輪廓進(jìn)行提取。之后利用形態(tài)學(xué)知識(shí)中的膨脹和腐蝕運(yùn)算來(lái)消除目標(biāo)區(qū)域中的孔洞和未連通區(qū)域的連通，最后利用質(zhì)心法求取出煤矸石圖像中目標(biāo)區(qū)域的質(zhì)心位置坐標(biāo)。⑸對(duì)煤矸石識(shí)別與分選