论文部分内容阅读
煤炭资源在我国能源中占有重要地位。在煤炭开采挖掘过程中,从煤矿中直接挖掘开采出来并且没有进行过任何处理的煤炭称为原煤,原煤中不可避免的含有矸石。选煤厂的选矸就是将大块矸石与煤块分选开来,选矸是各个选煤厂必不可少的一道工序。目前选煤厂的选矸方法为人工分选,人工分选存在环境恶劣、工人劳动强度大、分选效率低等问题。而随着机器视觉技术的发展,人们开始利用图像处理技术对煤与矸石分选进行研究。本文以某能源集团选煤厂的煤与矸石为研究介质,进行了基于图像处理技术的煤矸石识别与分选技术研究。其主要研究内容如下:(1)以图像处理技术为基础,对煤与矸石图像进行预处理,主要包括:图像的灰度化、平滑、锐化和图像分割。采用加权平均值法对图像进行灰度化;在图像平滑中比较了中值滤波、自适应中值滤波和小波降噪的方法,实验结果表明自适应中值滤波的降噪方法更为有效;利用拉普拉斯算子法对图像进行锐化,并采用自适应阈值法对图像进行分割。(2)为识别出煤与矸石,本文在基于灰度信息的方法下,提取了煤与矸石图像灰度直方图的灰度均值、灰度方差、平滑度、三阶矩和一致性特征参数;在基于纹理特征的方法下,利用灰度共生矩阵,提取了能量、对比度、相关性和熵特征参数。通过对实验结果分析,选取有效特征参数组成特征向量,用于对煤与矸石的识别。(3)本文利用支持向量机对煤与矸石进行识别,并利用粒子群算法对支持向量机的参数进行优化,最后利用参数优化的支持向量机对煤与矸石进行识别。试验结果表明:将灰度信息和纹理特征进行融合组成的特征向量能够很好的描述煤与矸石的特征,将它们组成的特征向量作为支持向量机的输入,分类器能够很好的识别煤与矸石。(4)本文利用质心法对煤与矸石在图像中的位置进行了定位研究。首先利用自适应阈值算法对煤与矸石灰度图像进行二值化处理,然后对煤与矸石图像中的目标区域进行边缘轮廓提取。在边缘轮廓提取时,对微分梯度方法和Canny算子算法进行了研究,通过对试验结果分析后,选用基于一阶微分梯度算法中的Roberts算子算法对边缘轮廓进行提取。之后利用形态学知识中的膨胀和腐蚀运算来消除目标区域中的孔洞和未连通区域的连通,最后利用质心法求取出煤矸石图像中目标区域的质心位置坐标。(5)本文对煤矸石识别与分选系统的总体设计进行了研究,包括系统的硬件组成部分及工作过程;系统所需要的各种软件以及它们之间的通讯方式等。本文进行的基于图像处理技术的煤矸识别与分选技术研究在实验室中取得了比较好的效果,证明了基本原理的正确性,对实现煤与矸石的自动识别与分选具有重要意义。