基于数字图像处理的煤岩学分析.pptVIP

基于数字图像处理的煤岩学分析 姓名：杜存铃 学号 班级：模式识别与智能系统 导师：王培珍 研究背景 1.煤是我国的主要能源之一，为我国国民经济的发展做出了巨大的贡献，但在煤炭利用上又存在着能源利用率低以及环境污染等问题。 2、为积极响应国家的“节能减排”政策，煤岩分析已经成为能源领域的一个研究热点，它是煤炭分类和选择的重要手段，该项研究对于提高煤这一不可再生能源的利用效率具有越来越重要的理论意义和实用价值。 3、目前，煤岩分析的主要设备是由偏反光显微镜和分光光度计组成的显微光度计。它虽然可以满足测试煤岩各项指标的需要，但其操作主要依靠人眼识别，手工计数完成，且系统构成复杂，价格昂贵。因此，研究开发一套能够快速、准确的实现煤岩分析功能，且价位适中的设备及相应软件，具有十分现实的意义。现在数字图像处理的技术已经相对成熟，利用数字图像处理技术来实现煤岩分析可以加快煤岩分析的速度，提高分析的准确度，同时还可大大降低产品成本。 基于数字图像处理的煤岩学分析原理 煤岩分析中，根据有机物组织的光学反射率的递增把煤分成 3 组显微组分组，分别为壳质组（liptinite）、镜质组（vitrinite）和惰质组（inertinite）。不同的显微组分在纹理、边缘 、反射率等特征上具有一定的差异，因此可以提取这些特征，构建用于机器识别的特征参量集，结合煤焦专家的经验知识，建立识别标准，实现自动分类与识别。 惰质组又称惰性组，他是大多数煤中含量居第二位的常见显微组分，由于在焦化过程中大多数惰质组组分并不软化具有惰性而得名。惰质组的反射率在三个显微组分组中是最高的，仅在高阶无烟煤阶段，镜质组和壳质组最大反射率可超过惰质组。 惰质组可进一步分为丝质体、半丝质体、粗粒体、微粒体、菌类体、惰屑体等六种显微组分。 基于数字图像处理的煤岩学分析实现 课题的研究对象是光学显微镜下采集的煤岩图像，为了能够编程实现煤岩特征参数的自动测量，在进行特征提取之前需要对煤岩图像进行一定的处理，有选择地突出某些特征，提取感兴趣的信息，抑制一些无用的信息。 1、灰度化处理：将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。彩色图像转换为灰度图像，不仅可以去掉一些无用的信息；而且也可以大幅度减少图像的数据量，减轻后期图像处理的工作量，因此灰度化处理是图像处理中很重要的一步。 2、图像增强：图像增强（image enhancement）是一类基本的图像处理技术。是为了便于人或机器对图像的分析和理解，而加强图像的某些特征的技术。图像增强的目的是改善图像的视觉效果，它可以是一个失真的过程。它是将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法 图像去噪：由于受到各种因素的影响，在获取图像的过程中，我们所得到的图像总会或多或少的有一些噪声信息，这些噪声会恶化图像的质量，为了能够得到好的边缘提取效果，必须进行去噪声处理，从而提高边缘检测算法的鲁棒性。消除图像噪声的工作称为图像平滑或滤波。 去噪的方法有很多，可分为两大类：一类是空间域去噪，另一类是频域去噪。空间域去噪的代表方法有均值滤波法、中值滤波法等；频域去噪的代表方法有经典数字滤波器、同态滤波、小波分析等。 图像锐化：图像平滑往往使图像中的边界、轮廓变的模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。锐化的目的是增强图像边界和图像细节，使模糊图像变得清晰。经过平滑的图像变得模糊的根本原因是图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。 图像二值化：图像二值化在图像预处理中同样起着重要的作用，因为对于图像来说，过多的灰度信息将会影响图像检测、识别的速度。为了减少灰度冗余信息，需要将不同灰度级的目标图像与背景图像进行分离，即进行图像二值化。二值化处理是利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，其关键是选择合理的分割阈值。当一个像素的灰度值超过这个阈值，就可以说这个像素属于人们感兴趣的目标，反之则属于背景部分。 边缘检测：两个具有不同灰度的均匀图像区域的边界，就叫做边缘。也就是说边缘是灰度值不连续的表现。由于边缘是图像上灰度变化最剧烈的地方，边缘检测就是利用了这一特点，对图像各个像素点进行微分或求二阶微分来确定边缘像素点。一阶微分图像的峰值处对应着图像的边缘点；二阶微分图像的过零点处对应着图像的边缘点。 纹理特征 提到纹理，人