基于MATLAB 的煤岩图像识别算法的研究

梁美丽，李新娥，尹礼寿

(1.山西轻工职业技术学院，山西 太原 030013;2.中北大学，山西 太原 030051;3.太原工业学院，山西 太原 030008)

本文将煤岩组分为粘结剂、镜质组和非镜质组三种，成分识别的目的就是识别出图像中的这三种成分。为了能更好地识别出镜质组，首先对粘结剂进行识别。

1 粘结剂的识别

通过观察发现，曝光时间相同的煤岩图像中，粘结剂表现为背景色(其反射率比较低，一般小于0.3，在图像中表现为灰度较暗);镜质组由于煤质的不同而有不同的灰度表现，但相对于粘结剂灰度要高，相对于非镜质组则一般要低;非镜质组是灰度最高的组分。根据此特点，可以采用阈值法对粘结剂进行识别。但是不同的样片，甚至是相同样片不同的视域，某些粘结剂区域其反射率大于0.3，而由于粘结剂也是均匀的，若不做处理，极可能将其误识为镜质组。本文的解决方法是采用自适应阈值的方法得出一个参考阈值，并限定阈值的范围是［GR=0.3，GR=0.5］，超过范围的则取边界值。

对粘结剂进行分割处理的主要MATLAB 语句如下所示:

粘结剂分割的结果是一幅跟原图像一样大小的二值标记图像Padding_Mask，其中的元素为0 的表示是粘结剂，255 表示不是。算法运行结果如下图所示。

图1 显示初始图像

2 消除噪声

通过观察图像我们可以发现，背景部分除了粘结剂外，还有比较暗的划痕、孔洞以及镶嵌在粘结剂中面积极小的煤岩碎屑。在提取图像镜质组之前，我们需要将粘结剂及碎屑此类噪声消除。

实现过程的主要MATLAB 语句如下:h=ones(10);

Padding_Mask=double(Padding_Mask); %双精度存储标记图像

New_Mask=RemoveScrap(h，Padding_Mask);%比例为60%，可以根据需要改变

SpotMask=Padding_Mask.* New_Mask; %两个图进行与运算

实验表明，该方法可以在无损目标的情况下消除绝大部分碎屑，而且只需运算一次，速度较腐蚀、膨胀的方法大大加快。算法运行结果如图3 所示。

图3 碎屑滤波后图像

3 镜质组的识别

镜质最重要的特征是均匀，但是图像上往往有划痕，这样使得镜质组的实际区域中有比较大的灰度变化;而在分析结果中，镜质组的重要性要高于非镜质组，其反射率曲线的形状将直接影响煤质分析的结果。所以本文将划痕也归类为非镜质组。在这种情况下，镜质组的均匀性更加理想。具体而言，均匀包含两个特点，一是占有一定的面积，二是在这个面积里的所有像素灰度的差异比较小;相对的，非镜质组要么具有较高的灰度，要么有明显的纹理。根据镜质组的特点，本文重点分析一种新的识别方法，即均匀度法。由于镜质组必定具有一定的面积，所以在本算法实现过程中，采取非重叠的9* 9 窗口作为判断的基本单元，这样可以减少每一幅煤岩图像待处理的元数据，以加快在线处理速度，同时，理论分析和实验数据的统计结果均表明，只有窗口的大小划分合理，才能使系统分析结果与实际情况相符。

4 结论

通过实验，我们可以得到，由均匀度算法所得到的镜质组识别率为43.05%。从MATLAB 编程运行结果看，这里采用的图像识别算法对镜质组的识别非常有效。实验结果表明，该算法在不改变采样环境情况下，有效降低了噪声对图像的影响，提高了图像的平滑性，实现了对煤岩图像镜质组识别率的提高，同时从理论上和工程实践上对煤岩镜质组识别的研究都有一定的参考价值。

［1］胡德生，王文韬，刘其真.宝钢数字化自动煤岩分析技术［J］.煤炭学报，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］尹文义，刘小除，刘其真，等.用神经网络实现煤岩成分分析［J］.计算机工程与应用，2003，39：203－208.

［4］李月景.图像识别技术及其应用［M］.北京：机械工业出版社，1985.