基于MATLAB 的煤巖圖像識別算法的研究

梁美麗，李新娥，尹禮壽

(1.山西輕工職業(yè)技術學院，山西 太原 030013;2.中北大學，山西 太原 030051;3.太原工業(yè)學院，山西 太原 030008)

本文將煤巖組分為粘結劑、鏡質組和非鏡質組三種，成分識別的目的就是識別出圖像中的這三種成分。為了能更好地識別出鏡質組，首先對粘結劑進行識別。

1 粘結劑的識別

通過觀察發(fā)現(xiàn)，曝光時間相同的煤巖圖像中，粘結劑表現(xiàn)為背景色(其反射率比較低，一般小于0.3，在圖像中表現(xiàn)為灰度較暗);鏡質組由于煤質的不同而有不同的灰度表現(xiàn)，但相對于粘結劑灰度要高，相對于非鏡質組則一般要低;非鏡質組是灰度最高的組分。根據(jù)此特點，可以采用閾值法對粘結劑進行識別。但是不同的樣片，甚至是相同樣片不同的視域，某些粘結劑區(qū)域其反射率大于0.3，而由于粘結劑也是均勻的，若不做處理，極可能將其誤識為鏡質組。本文的解決方法是采用自適應閾值的方法得出一個參考閾值，并限定閾值的范圍是［GR=0.3，GR=0.5］，超過范圍的則取邊界值。

對粘結劑進行分割處理的主要MATLAB 語句如下所示:

粘結劑分割的結果是一幅跟原圖像一樣大小的二值標記圖像Padding_Mask，其中的元素為0 的表示是粘結劑，255 表示不是。算法運行結果如下圖所示。

圖1 顯示初始圖像

2 消除噪聲

通過觀察圖像我們可以發(fā)現(xiàn)，背景部分除了粘結劑外，還有比較暗的劃痕、孔洞以及鑲嵌在粘結劑中面積極小的煤巖碎屑。在提取圖像鏡質組之前，我們需要將粘結劑及碎屑此類噪聲消除。

實現(xiàn)過程的主要MATLAB 語句如下:h=ones(10);

Padding_Mask=double(Padding_Mask); %雙精度存儲標記圖像

New_Mask=RemoveScrap(h，Padding_Mask);%比例為60%，可以根據(jù)需要改變

SpotMask=Padding_Mask.* New_Mask; %兩個圖進行與運算

實驗表明，該方法可以在無損目標的情況下消除絕大部分碎屑，而且只需運算一次，速度較腐蝕、膨脹的方法大大加快。算法運行結果如圖3 所示。

圖3 碎屑濾波后圖像

3 鏡質組的識別

鏡質最重要的特征是均勻，但是圖像上往往有劃痕，這樣使得鏡質組的實際區(qū)域中有比較大的灰度變化;而在分析結果中，鏡質組的重要性要高于非鏡質組，其反射率曲線的形狀將直接影響煤質分析的結果。所以本文將劃痕也歸類為非鏡質組。在這種情況下，鏡質組的均勻性更加理想。具體而言，均勻包含兩個特點，一是占有一定的面積，二是在這個面積里的所有像素灰度的差異比較小;相對的，非鏡質組要么具有較高的灰度，要么有明顯的紋理。根據(jù)鏡質組的特點，本文重點分析一種新的識別方法，即均勻度法。由于鏡質組必定具有一定的面積，所以在本算法實現(xiàn)過程中，采取非重疊的9* 9 窗口作為判斷的基本單元，這樣可以減少每一幅煤巖圖像待處理的元數(shù)據(jù)，以加快在線處理速度，同時，理論分析和實驗數(shù)據(jù)的統(tǒng)計結果均表明，只有窗口的大小劃分合理，才能使系統(tǒng)分析結果與實際情況相符。

4 結論

通過實驗，我們可以得到，由均勻度算法所得到的鏡質組識別率為43.05%。從MATLAB 編程運行結果看，這里采用的圖像識別算法對鏡質組的識別非常有效。實驗結果表明，該算法在不改變采樣環(huán)境情況下，有效降低了噪聲對圖像的影響，提高了圖像的平滑性，實現(xiàn)了對煤巖圖像鏡質組識別率的提高，同時從理論上和工程實踐上對煤巖鏡質組識別的研究都有一定的參考價值。

［1］胡德生，王文韜，劉其真.寶鋼數(shù)字化自動煤巖分析技術［J］.煤炭學報，2003，23(4) ：412－416.

［2］Lester E，Allen M，Cloket M.An Automated Image Analysis System for Major Maceral Group Analysis in Coals［J］.Fuel，1994，73(11) ：1729－1734.

［3］尹文義，劉小除，劉其真，等.用神經(jīng)網(wǎng)絡實現(xiàn)煤巖成分分析［J］.計算機工程與應用，2003，39：203－208.

［4］李月景.圖像識別技術及其應用［M］.北京：機械工業(yè)出版社，1985.