当井下煤尘达到一定浓度时便有爆炸的危险,同时呼吸性煤尘可以导致煤矿工人的尘肺病,并且煤尘可以缩短井下机械设备的使用寿命,对井下煤尘浓度分类在线精确检测具有重要的意义。现有的煤尘在线检测技术存在测量误差较大、零点容易漂移和测量精度易受环境因素影响等问题。虽然图像处理在检测技术中已有许多成功应用的例子,但目前国内外还没有基于图像处理的井下煤尘在线检测和识别的研究,所以,研究基于图像处理的井下煤尘的检测算法和设计适合井下环境的煤尘在线检测装置有着重要的理论意义和应用价值。基于图像处理的井下煤尘在线检测的关键在于图像的获取和图像处理算法的有效性。其中,煤尘图像的各种处理算法是整个课题研究的重点和难点。为了能够获取较好的煤尘图像,设计了适合煤矿井下环境的图像采集装置。针对采集到的煤尘图像的特点,结合工程实际,提出了图像预处理、图像分割和目标识别的各种图像处理算法。论文所取得的主要成果如下：(1)为了能够获取较好的煤尘图像,根据煤矿井下的实际环境,结合图像处理的特点,在参考其他基于图像处理的检测装置的基础上,设计出了适合在煤矿井下环境工作的图像采集装置,并对该装置采集到的图像做了全面的分析,为后续图像处理技术和算法打下了基础。从采集的图像表明,设计的装置能够较好的完成井下煤尘图像的采集工作。(2)针对煤尘图像是在煤尘运动的情况下获取而导致图像会出现目标运动模糊的现象,提出了一种基于Z变换的运动模糊恢复算法。算法提出了一种新的点扩展函数的参数估计方法,利用Radon变换来估计模糊角度,利用改进自相关函数来估计模糊尺度。得到点扩展函数后,再利用Z变换来快速恢复煤尘显微图像。对比实验结果表明该方法取得了较好的复原效果,方法运算时间短,能快速准确的恢复运动模糊的煤尘显微图像。(3)针对煤尘图像信噪比较低的特点,提出了一种改进的最小均方误差估计(IMMSE)去噪算法。实验发现,采集到的煤尘图像不仅受到高斯噪声的污染,同时还受到了脉冲噪声等其他类型噪声的污染。提出的基于改进的线性最小均方误差估计(IMMSE)的去噪方法对高斯噪声非常有效,但对脉冲噪声效果不是很好,然而针对脉冲噪声来说中值滤波是一种常用而又有效的方法,自适应中值滤波较一般中值滤波可以更好的保留图像的细节。因此,论文把改进的最小均方误差估计(IMMSE)去噪和自适应中值滤波有机结合起来,提出了一种新的去噪算法(简称IMMSE-AM)。将新的去噪方法用于煤尘图像去噪的实验结果表明,提出的去噪方法在计算量较小的情况下获得了较好去噪效果。(4)针对煤尘颗粒和背景的特点,提出了一种基于改进粒子群算法和模糊熵的分割算法。普通粒子群优化算法存在易陷入局部最优以及过早收敛的缺点,使得该算法难以得到理想的优化效果。提出一种综合Morlet变异和惯性因子自适应的改进粒子群优化算法,将该算法和模糊熵结合应用于图像分割,利用改进粒子群优化算法(IPSO)来搜索使模糊熵最大时的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。实验结果充分表明该算法对煤尘图像取得较好的分割结果,且计算量较小。(5)针对煤尘颗粒形状复杂和颗粒之间存在重叠的特点,提出了一种基于凹点提取和椭圆拟合的煤尘识别算法。针对颗粒重叠的物体,通常用寻找重叠颗粒的交点(即凹点)来进行分离,论文在角度法的基础上,结合面积法,提出了一种简单有效的凹点提取方法。对于形状比较复杂的类圆颗粒,常用椭圆拟合的方法来识别。基于直接最小二乘法(DLS)的拟合方法是应用最为广泛的方法,但DLS方法易受孤立点和噪声的影响,少量孤立点就可以使结果有较大变化,鲁棒性比较差。论文提出了一种改进最小二乘法的椭圆拟合方法,改进算法从所有的边缘特征点中随机抽取6个点用直接最小二乘法进行椭圆拟合,测量所有边缘点到这个椭圆的距离,用距离小于设定阈值的点总数做为粒子群的适应值,用提出的差分变异本质粒子群算法来不断更新拟合参数从而找出最优的拟合参数,最后用最优的拟合参数来进行椭圆拟合。将算法应用与煤尘颗粒识别表明该算法具有很好的识别效果。(6)设计了井下煤尘在线检测检测系统的硬件总体方案和检测算法的软件流程,给出了其中关键技术的解决方案。最后对论文提出的图像处理算法的检测精度、检测速度和检测稳定性进行了实验分析。实验结果表明设计的煤尘检测系统达到了设计指标,完全能够满足井下煤尘的在线检测的要求。最后对全文进行了总结,并对下一步的研究工作进行了展望。