[發明專利]一種煤粉塵圖像識別方法

有效

• 申請號: 201610573218.5
• 申請日: 2016-07-20
• 公開（公告）號: CN106203377B
• 公開（公告）日: 2017-11-28
• 發明（設計）人: 王征
• 申請（專利權）人: 西安科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/40
• 代理公司: 西安創知專利事務所61213
• 代理人: 李艷春

技術領域

本發明屬于煤粉塵圖像處理技術領域，具體涉及一種煤粉塵圖像識別方法。

背景技術

在煤粉塵污染嚴重的選煤廠，原煤的篩分、破碎以及傳輸過程中，由于煤炭水分揮發干燥，在受到振動、撞擊并引起下落的過程中將生成大量粉塵，煤炭粉塵的濃度達到一定程度時同氧氣結合在有明火的條件下，隨時會產生煤粉塵爆炸的惡性安全事故，造成的危害非常大。并且過多的煤粉塵會造成貴重精密的設備儀器嚴重磨損，造成機器的老化，降低精密儀器使用年限，同時也會引發工人的塵肺病問題。所以需要對煤粉塵的變化情況準確了解，以便及時采取相應措施。但早期測量方式大多采用人工手動操作實現，檢測過程穩定性較差，獲得的結果存在較大誤差，精確度不高，無法真正反映出煤粉塵顆粒濃度變化的規律，不能及時有效地指導防塵降塵工作。為了解決這一問題，人們提出了基于視覺信息下的煤粉塵圖像監控分析的方法，其中，對煤粉塵圖像進行有效的分割是煤粉塵濃度測量重要研究內容之一，在煤粉塵圖像分析和識別中具有重要的意義，分割結果的好壞直接影響煤粉塵顆粒識別和煤粉塵粒徑測量的準確性。

現有的圖像分割方法大致可分為區域生長法、閾值法、邊界法、聚類法和結合特定理論的圖像分割方法等類型，目前比較流行的分割方法還有結合先驗形狀知識的活動輪廓圖像分割方法。另外，現有的圖像分割方法還有基于概率統計方法、基于先驗知識方法、基于神經網絡方法、基于圖論的分割方法等，這些方法主要利用圖像的區域信息來實現分類，雖然魯棒性較好，但耗時卻相對較長。

其中，閾值法是一種最常用的并行區域技術，閾值是用于區分不同目標的灰度值。在實際應用中，閾值法成為圖像分割中最基本和應用最廣泛的分割技術，已被應用到了很多領域，但該方法的關鍵和難點在于如何取得合適的閾值；如果閾值選擇得過高,則會將過多的目標點誤歸為背景，如果閾值選得過低，則會把背景誤判為目標。由于煤粉塵顆粒目標和背景的灰度值相差較小，煤粉塵的圖像的特征很模糊(沒有明確的特征模式)，因此，現有技術中還缺乏能夠可靠地應用到煤粉塵圖像處理中的圖像分割方法，現有技術中的圖像分割方法應用到煤粉塵圖像分割中后，存在著分割方法復雜、精度低、效率低等缺陷和不足，限制了煤粉塵監控技術的發展。

另外，在煤粉塵粒徑分布和煤粉塵濃度測量過程中煤粉塵顆粒的識別是最為關鍵的內容。在完成濾波去噪和圖像分割的處理過程之后可獲得煤粉塵的二值圖像,接下來要實現對煤粉塵二值圖像的識別工作，由于煤粉塵具有各種形狀且煤粉塵之間還相互交疊，研究起來比較復雜，這就使得圖像識別過程非常困難。

針對煤粉塵圖像中存在的煤粉塵相互重疊的問題，那么要對煤粉塵圖像識別前，首先應把重疊的煤粉塵進行分離。如何對原煤粉塵準確而有效分離，同時又不丟失信息，是一個經典的問題。近年來，研究人員一直通過改進現有的方法獲得一些新的理論和算法，并從其他學科入手分離重疊顆粒，提出了很多新的探索。

目前大部分關于重疊顆粒的判別都在專業圖像分析儀的幫助下進行，這個觀測的過程是以肉眼識別為基礎的，用鼠標劃出重疊顆粒范圍，其準確度具有一定的主觀性，并且無法實現運用計算機自動分離重疊顆粒的目標。

基于對上述問題的考慮，許多學者對于重疊顆粒圖像的分離問題通常從邊緣跟蹤和數學形態學兩種不同思維出發進行歸類，基于邊緣跟蹤算法常見的有鏈碼差法、矢量夾角法、估算圓心法等，他們只適用于近圓形的粘連顆粒圖像，局限性太大。而煤粉塵顆粒形狀復雜，有塊狀、片狀、針狀、球狀、線裝等。顯然應用邊緣跟蹤算法不能很好解決煤粉塵顆粒的識別問題，雖然數學形態學的方法不受到分析對象形狀的限制，但其分割算法精度較低；聚類算法很難擬合重疊超過3個的顆粒；而通過分水嶺變換算法獲得的區域輪廓具有密閉性、連通性、單像素寬以及精確位置，但分水嶺算法有過分割的問題。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種煤粉塵圖像識別方法，其方法步驟簡單，設計新穎合理，實現方便，提高了煤粉塵重疊顆粒識別的精度，有效性和魯棒性好，適應性強，使用靈活方便，實用性強，使用效果好，推廣應用價值高。

為解決上述技術問題，本發明采用的技術方案是：一種煤粉塵圖像識別方法，其特征在于，該方法包括以下步驟：

步驟一、采用基于多屬性約簡的模糊粗糙集對煤粉塵圖像進行分割，具體過程為：