【摘要】：隨著優(yōu)質(zhì)煤資源的日益緊缺及加工帶來的環(huán)境污染日趨嚴(yán)重,煤炭資源的清潔和高效利用成為人類普遍關(guān)注的熱點(diǎn)課題。煤巖顯微組分按其原始基質(zhì)、成因條件、鏡下特征等分為鏡質(zhì)組、惰質(zhì)組、殼質(zhì)組三大類別,每一類別包含若干顯微組分,其構(gòu)成對煤的結(jié)焦性、粘結(jié)性、熱破碎性質(zhì)、對CO的吸附性能等有重要影響,因此對煤巖顯微組分的分類與識別對于評價煤炭性能、指導(dǎo)煤巖配煤具有重要的意義。本文依據(jù)殼質(zhì)組各顯微組分在灰度分布、紋理及區(qū)域輪廓上方向性等特點(diǎn),提取其基于輪廓波變換的灰度統(tǒng)計(jì)特征量,并提取Tamura紋理、Haralick紋理等特征量作為補(bǔ)充,設(shè)計(jì)不同的分類方案實(shí)現(xiàn)殼質(zhì)組的分類。論文的主要內(nèi)容如下:(1)在分析煤巖顯微組分圖像特點(diǎn)和查閱大量國內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上,著重對殼質(zhì)組各顯微組分圖像特征進(jìn)行分析。(2)根據(jù)殼質(zhì)組各顯微組分紋理及區(qū)域輪廓的方向性特點(diǎn),對其顯微圖像進(jìn)行輪廓波分解,提取分解后各子帶的灰度統(tǒng)計(jì)特征量;并提取灰度分布特征量、Tamura紋理特征量、Haralick紋理特征量和灰度分布特征量,分析各特征量對顯微組分分類的可區(qū)分性。(3)基于支持向量機(jī)原理,采用“投票”法和“決策樹”法兩種方案設(shè)計(jì)組合分類器,分別選取有效特征向量集訓(xùn)練分類器,實(shí)現(xiàn)殼質(zhì)組7個顯微組分的分類。(4)作為對比,采用超限學(xué)習(xí)機(jī)原理及直接法和“決策樹”法兩種方案,設(shè)計(jì)組合分類器,實(shí)現(xiàn)殼質(zhì)組7個顯微組分的分類。(5)在Visual 2013和Matlab軟件平臺下編程實(shí)現(xiàn)論文中的特征提取和分類算法,并對不同算法所得的結(jié)果進(jìn)行分析與比較。本文的創(chuàng)新和特色之處在于:利用圖像分析的方法實(shí)現(xiàn)了質(zhì)組顯微組分的分類,從而實(shí)現(xiàn)了利用機(jī)器來進(jìn)行自動分類的目的;在特征量的提取上,采用Contourlet變換將方向信息引入特征集,并在本文分類問題上獲得了滿意的效果。
【圖文】：

主要來源于碎屑和其被降解形成的殘?bào)w質(zhì)顆粒。由于碎屑體粒徑非常小，一般不大于 以群體結(jié)構(gòu)出現(xiàn)，，常呈棱角狀或者不規(guī)則形態(tài)（b）角質(zhì)體 （c）樹脂體 （f）瀝青質(zhì)體 （g）滲出瀝青體

紋理、Haralick 紋理等特征量作為補(bǔ)充，以期獲取能對殼質(zhì)組準(zhǔn)確息。ontourlet 的統(tǒng)計(jì)特征量換是在頻域中提取圖像信息的重要手段。但是在不同精度的分辨分離小波其基的支撐區(qū)間為尺寸大小不一的“正方形”。當(dāng)分辨率時，通常用點(diǎn)逼近的方式描述曲線輪廓，如圖 2.1（a）所示。因此撐區(qū)間對方向的敏感程度較低，即缺乏對圖像方向信息的表達(dá)�；啾�，Contourlet 基的支撐區(qū)間是隨尺度變換其長寬比的“長方形基結(jié)構(gòu)趨近的方式表達(dá)曲線輪廓，如圖 2.1（b）所示，這種基結(jié)構(gòu)對細(xì)小輪廓段的信息。在 Contourlet 變換的過程中，將方向和尺度，表現(xiàn)出具有較好的非線性曲線逼近能力和方向敏感度[41-43]。因此廓波對殼質(zhì)組顯微圖像分析，以提取其中蘊(yùn)含的多尺度和方向等
【學(xué)位授予單位】：安徽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TQ533;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王秀;謝志成;張棟;;一種基于特征差異度和SVM投票機(jī)制的數(shù)字音樂語音情感識別算法[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

2 王培珍;丁海濤;劉純利;張克;;基于結(jié)構(gòu)元的煤顯微圖像輪廓提取算法[J];煤炭學(xué)報(bào);2014年S1期

3 徐楠楠;葛玉榮;王佳奕;;基于NSCT和SVM的腦MRI醫(yī)學(xué)圖像識別[J];現(xiàn)代電子技術(shù);2014年12期

4 郭明瑋;趙宇宙;項(xiàng)俊平;張陳斌;陳宗海;;基于支持向量機(jī)的目標(biāo)檢測算法綜述[J];控制與決策;2014年02期

5 常海洲;曾凡桂;李文英;李軍;賈建波;謝克昌;;西北地區(qū)侏羅紀(jì)煤顯微組分結(jié)構(gòu)的Micro-FTIR研究[J];光譜學(xué)與光譜分析;2008年07期

6 鄧維斌;王國胤;王燕;;基于Rough Set的加權(quán)樸素貝葉斯分類算法[J];計(jì)算機(jī)科學(xué);2007年02期

7 阮曉東;趙文峰;;煤粉顯微圖像中重疊顆粒識別的方法[J];煤炭學(xué)報(bào);2005年06期

8 羅隕飛,李文華,陳亞飛;中低變質(zhì)程度煤顯微組分結(jié)構(gòu)的~(13)C-NMR研究[J];燃料化學(xué)學(xué)報(bào);2005年05期

9 任俊,李志能;支持向量機(jī)在字符分類識別中的應(yīng)用[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2005年08期

10 張文輝,李書榮,王嶺;金屬化合物對煤巖顯微組分所制活性炭吸附性能的影響[J];新型炭材料;2005年01期

相關(guān)博士學(xué)位論文 前1條

1 趙暉;支持向量機(jī)分類方法及其在文本分類中的應(yīng)用研究[D];大連理工大學(xué);2006年

相關(guān)碩士學(xué)位論文 前1條

1 尹文花;基于空間域數(shù)字圖像處理方法的煤巖分析[D];太原理工大學(xué);2010年

本文編號：2672331