论文部分内容阅读
近年来,能源短缺成为世界关注的焦点。优质能源的开发越来越受到各个国家的重视。我国煤层气资源丰富,居世界第三位。每年在采煤的同时可排放130多亿立方米的煤层气。煤层气是一种优质能源,其热值与天然气相当,可以与天然气混输混用,燃烧后很洁净,几乎不产生任何废气。煤层气的用途非常广泛,可以作为民用燃料、工业燃料、发电燃料、汽车燃料和重要的化工原料等。煤层气俗称“瓦斯”,如果在开采煤炭时不能及时抽取煤层气可能导致爆炸事故,当煤层气在空气中的浓度达到5%-16%时,遇到明火就会爆炸。如果把煤层气直接排放到大气中,其温室效应约为二氧化碳的21倍,对生态环境破坏性极强。因此煤层气开采具有巨大的意义:一是可以改善能源结构,增加洁净的气体能源;二是可以改善煤矿的生产环境,减少煤矿事故的发生,提高经济效益;三是可以有效的减少温室气体的排放,改善大气环境。煤岩裂缝检测是帮助煤层气开采的有效手段,准确地检测出煤岩图像的裂缝对进一步开采煤层气有着重要的作用。论文工作的创新点主要体现在如下:1)提出了一种结合模糊增强和模糊形态学的煤岩图像裂缝检测算法。煤岩图像噪声多、背景复杂,要想准确地检测出煤岩图像的裂缝边缘必须对图像进行预处理,即图像增强。通过基于滑动窗口的自适应模糊增强和多层次模糊增强可以有效的拉大裂缝边缘与背景的灰度差,同时可以有效的抑制噪声,为下面进一步检测煤岩裂缝提供便利。多方向模糊形态学可以有效的抑制噪声,准确地检测出煤岩裂缝。实验结果表明,该算法可以有效的提取出裂缝边缘,同时有效的抑制噪声。2)提出了一种结合多结构元形态学和SOM神经网络的煤岩图像裂缝检测方法。多结构元形态学边缘检测算法具有很好的抗噪声能力,可以有效的检测出煤岩图像中的所有边缘。但是煤岩图像由于其复杂的背景,检测结果中不但有裂缝边缘还有非裂缝边缘。SOM神经网络是一种自组织的无监督的神经网络,不像BP神经网络那样要预先指定输出结果,可以实现自动分类。先对检测到的二值图像进行区域标记,然后计算出所有边缘的特征参数,把计算出的特征参数结果作为SOM神经网络的输入,可以自动对裂缝进行分类,最终得到煤岩图像的裂缝边缘。实验结果表明该方法可以准确地检测出煤岩图像的裂缝边缘。