惰质组作为煤岩显微结构中的重要组成部分之一,其在煤岩配煤中的构成直接影响配合煤的工艺性质。因此,对于煤岩显微组分惰质组进行分类与识别,对于煤的高效综合利用具有重要意义。本文依据惰质组各显微组分图像的特点,提取曲波变换(Curvelet Transform)后各尺度层的系数并由此构成初始特征集;然后采用压缩感知算法(Compressive Sensing,CS)的思路,对具有稀疏性的高频系数降维,再将降维后的系数与保留的Coarse层低频系数结合,得到最终的特征集;最后搭建SVM组合分类器,对降维方法和最终的特征集的有效性进行验证,取得了较为满意的结果。论文的主要工作如下:(1)在查阅大量相关文献的基础上,综述国内外关于煤岩显微组分分析、特征降维方法和图像分类方法的研究现状,并结合我国煤岩分类标准,详细分析惰质组显微图像中各组分的结构特点。(2)根据惰质组各组分的结构特点及相互间的差异,采用曲波变换对其显微图像进行分解,由曲波变换后各尺度层系数构成初始特征量集,并对其进行分析。(3)针对初始特征集维数较高的问题,采用压缩感知算法的思想,对曲波变换后具有稀疏性的高频系数降维,再与保留的Coarse层低频系数结合组成新系数集(即最终特征集),确保在减少冗余信息及特征数据维数降低的同时,保留足够的有效信息。分析维数与有效信息量间的关系,获得分类准确率较高时对应的测量矩阵行数(与特征数据维数一致)的取值范围。(4)搭建支持向量机组合分类器(SVM),实现惰质组显微组分的自动分类。将压缩感知降维方法、主成分分析法(PCA)、核主成分分析法(KPCA)等不同降维方法的效果进行比较,验证本文压缩感知降维方法的有效性。分别由曲波变换系数、小波变换系数构成初始特征量集,通过分类实验分析由曲波变换系数描述惰质组纹理特性的有效性及曲波变换高频系数对于分类准确率的影响。本文的特色与创新之处主要在于:依据惰质组显微组分纹理结构的差异,将曲波变换引入到惰质组纹理特征的提取与描述中;借鉴压缩感知的思想,提出一种基于压缩感知的特征数据降维方法,并由其对具有稀疏性的曲波变换高频系数进行降维,用较少的系数集实现了惰质组各显微组分的自动分类。