梁美麗，李新娥，尹禮壽

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

本文將煤巖組分為粘結(jié)劑、鏡質(zhì)組和非鏡質(zhì)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(zhì)組，首先對粘結(jié)劑進(jìn)行識別。

1 粘結(jié)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(jié)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(zhì)組由于煤質(zhì)的不同而有不同的灰度表現(xiàn)，但相對于粘結(jié)劑灰度要高，相對于非鏡質(zhì)組則一般要低;非鏡質(zhì)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(jié)劑進(jìn)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(jié)劑區(qū)域其反射率大于0.3，而由于粘結(jié)劑也是均勻的，若不做處理，極可能將其誤識為鏡質(zhì)組。本文的解決方法是采用自適應(yīng)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(jié)劑進(jìn)行分割處理的主要MATLAB 語句如下所示:

粘結(jié)劑分割的結(jié)果是一幅跟原圖像一樣大小的二值標(biāo)記圖像Padding_Mask，其中的元素為0 的表示是粘結(jié)劑，255 表示不是。算法運(yùn)行結(jié)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(jié)劑外，還有比較暗的劃痕、孔洞以及鑲嵌在粘結(jié)劑中面積極小的煤巖碎屑。在提取圖像鏡質(zhì)組之前，我們需要將粘結(jié)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(biāo)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(jìn)行與運(yùn)算

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

圖3 碎屑濾波后圖像

3 鏡質(zhì)組的識別

鏡質(zhì)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(zhì)組的實際區(qū)域中有比較大的灰度變化;而在分析結(jié)果中，鏡質(zhì)組的重要性要高于非鏡質(zhì)組，其反射率曲線的形狀將直接影響煤質(zhì)分析的結(jié)果。所以本文將劃痕也歸類為非鏡質(zhì)組。在這種情況下，鏡質(zhì)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(zhì)組要么具有較高的灰度，要么有明顯的紋理。根據(jù)鏡質(zhì)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(zhì)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(jié)果均表明，只有窗口的大小劃分合理，才能使系統(tǒng)分析結(jié)果與實際情況相符。

4 結(jié)論

通過實驗，我們可以得到，由均勻度算法所得到的鏡質(zhì)組識別率為43.05%。從MATLAB 編程運(yùn)行結(jié)果看，這里采用的圖像識別算法對鏡質(zhì)組的識別非常有效。實驗結(jié)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(zhì)組識別率的提高，同時從理論上和工程實踐上對煤巖鏡質(zhì)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(shù)［J］.煤炭學(xué)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(luò)實現(xiàn)煤巖成分分析［J］.計算機(jī)工程與應(yīng)用，2003，39：203－208.

［4］李月景.圖像識別技術(shù)及其應(yīng)用［M］.北京：機(jī)械工業(yè)出版社，1985.