《粗糙集理论在煤矸石图像识别技术中的应用》由会员分享，可在线阅读，更多相关《粗糙集理论在煤矸石图像识别技术中的应用（58页珍藏版）》请在金锄头文库上搜索。
1、西安科技大学 硕士学位论文 粗糙集理论在煤矸石图像识别技术中的应用 姓名：梁澈 申请学位级别：硕士 专业：模式识别与智能系统 指导教师：马宪民 论文题目：粗糙集理论在煤矸石图像识别技术中的应用 专 业：模式识别与智能系统 硕 士 生：梁 澈 （签名） 指导老师：马宪民 （签名） 摘 要 煤炭是我国的主要能源之一， 煤矸石在线图像识别技术是实现煤矿工业自动化的先 进技术。由于煤矸石图像中存在着大量的不确定信息，而粗糙集理论能有效地分析和处 理不精确、不一致、不完整的信息。因此，论文主要用粗糙集理论对煤矸石图像进行预 处理和识别。 煤矸石图像预处理主要包括图像滤波，图像增强和边缘检测。首先介绍了粗
2、糙集理 论的一些基本概念，然后利用粗糙集的不可分辨关系，对煤矸石图像的噪声点进行划分 并消除，消除噪声后采用一种基于粗糙集的改进中值平滑算法对煤和矸石图像进行增 强，使图像的边缘和纹理信息更明显。论文在分析传统边缘检测算法的基础上提出了一 种基于粗糙集的煤矸石图像边缘检测算法，并用该算法对煤矸石图像进行边缘检测，同 时与其它传统边缘检测算法进行了比较。 传统的图像识别算法主要是根据煤矸石图像的灰度和均方差特性进行识别。 本文根 据煤矸石图像自身的特点，提出了一种新的基于粗糙集理论的煤和矸石图像识别算法， 该算法考虑到了煤矸石图像的纹理特征。首先根据煤与煤矸石不同图像，运用灰度直方 图和灰度梯度
3、共生矩阵（GLGCM）提取灰度及纹理特征，分别计算 15 个特征值，并用 Matlab7.0 进行了仿真。根据特征向量建立煤矸石图像特征的决策表并离散化，应用粗 糙集理论对决策表属性进行约简，从约简后的决策表中获取决策规则，最后按照规则可 信度的大小用 Rose2 软件规则的匹配从而实现图像的识别。结果表明：采用基于粗糙集 理论的图像识别算法对煤矸石样本图像识别准确率达到 87%左右， 实际中由于工业环境 下煤与矸石混杂粉尘的影响，识别效果可能有所偏差。 关 键 词：粗糙集；煤矸石；图像处理；在线识别 研究类型：应用研究 Subject ：Application of Rough Set Th
4、eory in Coal Gangue Image Recognition Specialty ：Pattern Recognition and Intelligence System Name ：Liang Che (Signature) Instructor ：Ma Xian Min (Signature) ABSTRACT Coal is one of primary energy in our country, and the online recognition technology of coal and gangue is an advanced technology to re
5、alize the industrial automation of coal mine. Because the large amount of uncertain information is existed in coal and gangue image, and imprecise, disaccord and imperfect information can be analyzed and handled effectively by using the rough set theory, this thesis mainly uses rough set theory to p
6、reprocess and distinguish coal gangue image. The preprocessing of coal gangue image includes image filtering, image enhancement and edge detection. Firstly some basic concepts of rough set theory are introduced. According to the unresolved relation of rough set, the noise is divided and removed from
7、 the original coal gangue image. In order to enhance the edge, an improved median filtering method based on rough set to enhance coal gangue image is used in this paper, it makes edge and texture information of the image more obvious. A new edge detection algorithm of coal gangue image based on roug
8、h set theory is put forward and this algorithm is used to detect the edge of coal gauge image. At the same time, this new algorithm is compared with other tradition edge detection methods. Usually, the recognition of coal gangue image based on the mean gray and variance deviation property is used in
9、 the tradition pattern recognition algorithm. According to the characteristic of coal gangue image itself，a new method to distinguish coal gangue image based on rough set theory is put forward in this paper. The texture characteristic of coal gangue image is also considered in this method. Firstly a
10、ccording to different images of coal and gangue， the gray histogram and the gray level grows matrix (GLGCM) are used to extract gray level and the texture information，and then fifteen characteristic values are calculated respectively and simulated by Matlab7.0. The decision table of coal gangue imag
11、e is built and discretized from characteristic vector. Next the decision table attribute is reduced on the basis of rough set theory, and then decision rule is gained. Finally according to the regulation confidence size, Rose2 software regulation matching is used to realize image recognition. From t
12、he detection result, the detection accuracy of coal gangue image based on rough set theory recognition algorithm is 87% approximately. Because coal gangue is mixed up with dust and other things in industrial environment, the identification accuracy has some deviation. Key words ： Rough Set Coal Gang
13、ue Image Processing Online recognition Thesis ： Application Research 1 绪论 1 绪论 本章首先介绍了课题的背景和研究意义， 然后简单分析了现有的煤矸石图像处理和 识别技术，并对粗糙集图像处理技术的发展现状进行了介绍，最后给出了论文结构和安 排。 1.1 选题背景 我国煤炭资源丰富，保有资源量 10202 亿吨。根据第三次煤炭资源预测与评价，我 国煤炭资源总量为 5157 万亿吨， 位居世界第一；可采储量为 2040 亿吨，位居世界第 二1。根据预测，到 2010 年，煤炭在我国一次性能源生产和消费结构中仍占 60%左右，
14、到 2050 年，这一比例不会低于 50%。在未来几十年内，煤炭仍将是我国的主要能源之 一。 煤矸石分选是煤矿生产过程中不可缺少的环节， 特别是在当今强调实行友好环境生 产以及社会和谐相处，实现科学的可持续发展的前提下，该项生产环节显得尤为重要。 传统的煤矸石分选是指，原煤被运出井口后，经胶带运输机运到筛分系统，通过筛分机 把大于等于 100mm 的煤块和矸石块筛分出来，然后通过胶带机运到人工捡矸楼，由工 人把矸石从中捡出来。小于 100mm 的原煤经运输机运到洗煤厂，经过筛分和洗选，把 原煤中的矸石分选出来。通过以上的洗选工序，大约只能洗选出 2030%的矸石。由于 矸石中一般含硫量比较高，
15、并且还含有大量的重金属，如汞、铬、镉、铜、砷等，因此， 大量的煤矸石混在煤中这样降低了煤的品位，加重了煤燃烧时的污染，因而从煤块中选 出矸石是煤矿生产中不可忽视的环节2。 将粗糙集(Rough Set)理论应用于图像处理中，把图像看成一个知识系统，根据粗糙 集方法，基于知识约简算法，分割不同的区域，在一些场合具有比采用传统计算方法或 使用精确、固定不变的算法来表达和解决问题的计算方法更好的效果。由于图像信息具 有较强的空间复杂性、相关性，处理过程中会遇到不完整性和不确定性问题，因此将粗 糙集理论应用到图像处理中， 在很多场合具有比传统方法和精确算法更好的效果。 目前， 粗糙集已经应用于图像增强
16、、图像分割、图像滤波、图像修复等领域。另外可利用粗糙 集理论强大的知识处理能力对图像特征决策表进行属性离散化、属性约简、值约简等功 能，成为图像识别的强大数学工具。 基于粗糙集理论的煤与矸石自动识别，是一种以计算机为核心，结合光电技术和计 算机图像处理技术的新型选煤技术。它根据模式识别原理，利用 CCD （Charge Coupled Device）摄像头对煤炭输送过程进行监测，通过图像采集卡，将拍摄到的连续图像输人 到计算机不断进行图像处理，并运用粗糙集理论加以分析、识别，达到将煤块和矸石 1 西安科技大学硕士学位论文 区分的任务，系统框架如图 1.1 所示。 图 1.1 煤矸石在线分选系统 图 1.1 中，根据人工智能理论，采用模式识别原理和数字图像处理技术，以粗糙集 算法研究煤矸石自动分选系统的煤和矸石图像处理和识别环节。 煤矸石自动分选系统的 工作流程是：将 CCD 拍摄到的连续匀速图像经过粗糙集分析
