基于联合纹理特征的煤岩显微组分msvm分类

《基于联合纹理特征的煤岩显微组分msvm分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、刀乂可．＇．密级、．＿太原理大学，＇＊’’■＇＾：：＇Ｖ．．，■，＇．＼；Ｐ硕壬学位论文题目．一＿＿璧王壁会璧塑涯征的煤岩显微组分ＭＳＶＭ分类￣￣３：＾ＣｏａｌＲｏ浊ＭａｃｅｒａｌｓＣｌａｓｓｉｆｉｃａｔｉｏｎｂＭＳＶＭ■打町口巧央又去开夕Ｉｙｊ赵目ＢａｓｅｄｏｎＵｎｉｔｅｄＴｅｘｔｕｒｅＦｅａｔ：ｕｒｅ研究４姆弟．朱宪坤＿学号：２０１３５１０２６２，‘专业－控制科学与工程＇＇■■ＭＷＡ，抓，＇仁＆ＶＵ七

2、＇Ｉ＊’■．Ｘ＼＇‘巧究方向：数字图像处理一—，皆导师姓名忌青：，，Ｃ；＇．职称副教授：学位授予单位：太原理工大学、论文提交—日期２０１６／５？地．址：山西太原＾＾Ａ原理１大学＼參－－’Ｘｒ￣＼．节化，，．，护＇山邊声明，本人郑重声明：所呈交的学位论文是本人在指导教师的指导下，独立进行硏究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文

3、中明确方式标明。本声明的法律责任由本人承担。论文作者签名；／求。去．叶日期；巧关于学位论文使用权的说明本人完全了解太原理工大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部口送交学位论文的原件与复印件；②学校可１＾采巧影印、缩印或其它复制手段复制并保存学位论文；⑤学校可允许学位论文被查飼或借阅；④学校可Ｗ学术交流为目的，’复制赠送和交换学位论文；⑤学校可Ｗ公布学位论文的全部或部分内容（保密学位论文在解密后遵守此规定）。．八签名：．欠屯日期：＞化钟导．户．《师含名：Ｗ＿日期：以乂

4、太原理工大学硕士研究生学位论文基于联合纹理特征的煤岩显微组分MSVM分类摘要煤岩显微组分分析技术是进行煤炭分析研究的一项重要技术手段，为煤炭焦化、气化等行业提供重要的指导依据。但是传统的煤岩显微组分分析系统以其系统自动化程度偏低、成本耗费较高、严重依赖研究人员专业技能娴熟程度以及主观性较为明显的缺点制约着煤岩显微组分分析的实时性、客观性需求。因此，本文将数字图像处理技术应用到煤岩显微组分分析领域，对煤岩显微组分的分类和识别进行研究，研究成果将为改善传统煤岩显微组分分析系统以及提高其系统自动化程度与分析效率做出贡献。本文主要做了以下几方面工作。(1)煤岩显微

5、图像中划痕与孔洞等噪声的去除。在粉煤光片的制备过程中，划痕和孔洞等噪声会不可避免地出现，这些噪声会影响识别煤岩显微组分的正确性，在预处理过程中必须予以去除。分析了焦化厂提供的大量显微图像发现划痕特征多为深浅、粗细、长短有所差异的直线形式，基于此，本文实验对比了基于灰度图像数学形态学方法、基于邻近区域均值取代方法以及传统FMM(FastMarchingMethod)及其改进算法修复图像中划痕的效果，发现改进后的FMM算法不但能够有效去除图像中划痕，而且还能够保护及模拟原始图像中的纹理，效果明显好于其他方法。对于显微图像中的孔洞，本文采用了基于灰度图像数学形态

6、学重建方法，并进行了实验验证，发现其能够有效填充孔洞。(2)煤岩显微组分纹理特征提取。煤岩显微组分的纹理是典型的自然纹I太原理工大学硕士研究生学位论文理，具有较大的随机性与复杂性。RILBP(RotationLocalBinaryPattern)特征提取技术能够有效保持图像发生旋转的情况下图像纹理特征不改变以及对于明暗噪声有较好的抗干扰能力，但是具有较高的特征维数，GLCM(GreyLevelCo-occurrenceMatrix)的抗干扰以及抗旋转性能力不足，但是其特征具有较低的维数。因此，本文提出一种融合RILBP与GLCM获取煤岩显微组分纹理特征的方

7、法，能够在满足较低特征维数的前提下，纹理特征还具有抗旋转性与抗干扰性。实验对比三种方法提取煤岩显微组分纹理特征的结果，发现RILBP-GLCM方法获取的特征能够使其组分内具有较低的波动性，其特征提取效果好于RILBP和GLCM方法。(3)煤岩显微组分分类。本文采用多分类支持向量机(Multi-classificationSupportVectorMachine,MSVM)来对煤岩显微图像中的镜质组、惰质组、壳质组、矿物质以及背景进行分类。采集了1134幅煤岩显微图像，其中把401幅作为训练样本，733幅作为测试样本，分别应用RILBP、GLCM和RILBP

8、-GLCM方法获取的煤岩显微组分纹理特征对MSVM进行训练与测试，