基于圖像處理技術(shù)的煤矸識別與分選技術(shù)研究.pdf

1、煤炭資源在我國能源中占有重要地位。在煤炭開采挖掘過程中，從煤礦中直接挖掘開采出來并且沒有進行過任何處理的煤炭稱為原煤，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來，選矸是各個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、工人勞動強度大、分選效率低等問題。而隨著機器視覺技術(shù)的發(fā)展，人們開始利用圖像處理技術(shù)對煤與矸石分選進行研究。
　　本研究主要內(nèi)容包括：⑴以圖像處理技術(shù)為基礎(chǔ)，

2、對煤與矸石圖像進行預處理，主要包括:圖像的灰度化、平滑、銳化和圖像分割。采用加權(quán)平均值法對圖像進行灰度化；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，實驗結(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圖像進行銳化，并采用自適應(yīng)閾值法對圖像進行分割。⑵為識別出煤與矸石，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、對比度、相關(guān)性和熵特征參數(shù)。通過對實驗結(jié)果分析，選取有效特征參數(shù)組成特征向量，用于對煤與矸石的識別。⑶利用支持向量機對煤與矸石進行識別，并利用粒子群算法對支持向量機的參數(shù)進行優(yōu)化，最后利用參數(shù)優(yōu)化的支持向量機對煤與矸石進行識別。試驗結(jié)果表明：將灰度信息和紋理特征進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的輸入，分類器能夠很好的識別煤與矸石。⑷利用質(zhì)心法對煤與矸石在圖像中

4、的位置進行了定位研究。首先利用自適應(yīng)閾值算法對煤與矸石灰度圖像進行二值化處理，然后對煤與矸石圖像中的目標區(qū)域進行邊緣輪廓提取。在邊緣輪廓提取時，對微分梯度方法和 Canny算子算法進行了研究，通過對試驗結(jié)果分析后，選用基于一階微分梯度算法中的 Roberts算子算法對邊緣輪廓進行提取。之后利用形態(tài)學知識中的膨脹和腐蝕運算來消除目標區(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區(qū)域的質(zhì)心位置坐標。⑸對煤矸石識別與分選