煤炭是一种基础能源,在一次能源消费结构中所占据的比重约为70%,在今后很长的阶段里,仍占据首要位置。煤炭中混杂的矸石,含碳量低、发热量小,不但降低煤的质量,降低燃烧效率,而且燃烧时释放的有害物质会加重环境污染。煤与矸石的分选是解决该难题最有效的方式,是煤矿生产进程中不可或缺的步骤,因此,煤与矸石的识别具有及其重要的现实意义。大多数煤矿仍采用人工识别法识别煤与矸石,但这种方法的识别率低,井下工作条件恶劣,不利于工作人员的身心健康。本课题针对目前煤与矸石识别现状中存有的不足,把数字图像处理技术与模式识别原理应用到煤与矸石的自动识别当中,能够为今后的进一步研究以及将其应用于实际系统当中提供可靠的理论基础。本课题针对煤与矸石图像,提出了灰度共生矩阵与小波变换相结合的算法提取纹理特征,采用粒子群算法优化参数之后的支持向量机进行识别分类。本课题提取了煤与矸石图像的灰度均值和方法作为灰度特征,分析了灰度共生矩阵和小波变换各自的原理,并采用灰度共生矩阵提取了煤与矸石图像的对比度、相关性、能量、熵作为纹理特征,采用Symlet4小波对煤与矸石图像进行三层分解,提取了每层子图像的均值、方差、能量作为纹理特征,在分析支持向量机原理、核函数以及参数对识别性能影响的基础上,采用粒子群算法优化参数,通过优化后的支持向量机对所提取的灰度和纹理结合的特征进行识别判断图像是煤还是矸石,并在MATLAB上验证算法的可行性和有效性,证实了提出的算法具有较高的识别率。