基于聯(lián)合紋理特征的煤巖顯微組分msvm分類

《基于聯(lián)合紋理特征的煤巖顯微組分msvm分類》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、刀乂可．＇．密級、．＿太原理大學(xué)，＇＊’’■＇＾：：＇Ｖ．．，■，＇．＼；Ｐ碩壬學(xué)位論文題目．一＿＿璧王壁會璧塑涯征的煤巖顯微組分ＭＳＶＭ分類￣￣３：＾ＣｏａｌＲｏ濁ＭａｃｅｒａｌｓＣｌａｓｓｉｆｉｃａｔｉｏｎｂＭＳＶＭ■打町口巧央又去開夕Ｉｙｊ趙目ＢａｓｅｄｏｎＵｎｉｔｅｄＴｅｘｔｕｒｅＦｅａｔ：ｕｒｅ研究４姆弟．朱憲坤＿學(xué)號：２０１３５１０２６２，‘專業(yè)－控制科學(xué)與工程＇＇■■ＭＷＡ，抓，＇仁＆ＶＵ七

2、＇Ｉ＊’■．Ｘ＼＇‘巧究方向：數(shù)字圖像處理一—，皆導(dǎo)師姓名忌青：，，Ｃ；＇．職稱副教授：學(xué)位授予單位：太原理工大學(xué)、論文提交—日期２０１６／５？地．址：山西太原＾＾Ａ原理１大學(xué)＼參－－’Ｘｒ￣＼．節(jié)化，，．，護＇山邊聲明，本人鄭重聲明：所呈交的學(xué)位論文是本人在指導(dǎo)教師的指導(dǎo)下，獨立進行硏究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出重要貢獻的個人和集體，均已在文

3、中明確方式標明。本聲明的法律責(zé)任由本人承擔(dān)。論文作者簽名；／求。去．葉日期；巧關(guān)于學(xué)位論文使用權(quán)的說明本人完全了解太原理工大學(xué)有關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括：①學(xué)校有權(quán)保管、并向有關(guān)部口送交學(xué)位論文的原件與復(fù)?。崳娂虎趯W(xué)?？桑保薏汕捎坝?、縮印或其它復(fù)制手段復(fù)制并保存學(xué)位論文；⑤學(xué)?？稍试S學(xué)位論文被查飼或借閱；④學(xué)?？桑讓W(xué)術(shù)交流為目的，’復(fù)制贈送和交換學(xué)位論文；⑤學(xué)校可Ｗ公布學(xué)位論文的全部或部分內(nèi)容（保密學(xué)位論文在解密后遵守此規(guī)定）。．八簽名：．欠屯日期：＞化鐘導(dǎo)．戶．《師含名：Ｗ＿日期：以乂

4、太原理工大學(xué)碩士研究生學(xué)位論文基于聯(lián)合紋理特征的煤巖顯微組分MSVM分類摘要煤巖顯微組分分析技術(shù)是進行煤炭分析研究的一項重要技術(shù)手段，為煤炭焦化、氣化等行業(yè)提供重要的指導(dǎo)依據(jù)。但是傳統(tǒng)的煤巖顯微組分分析系統(tǒng)以其系統(tǒng)自動化程度偏低、成本耗費較高、嚴重依賴研究人員專業(yè)技能嫻熟程度以及主觀性較為明顯的缺點制約著煤巖顯微組分分析的實時性、客觀性需求。因此，本文將數(shù)字圖像處理技術(shù)應(yīng)用到煤巖顯微組分分析領(lǐng)域，對煤巖顯微組分的分類和識別進行研究，研究成果將為改善傳統(tǒng)煤巖顯微組分分析系統(tǒng)以及提高其系統(tǒng)自動化程度與分析效率做出貢獻。本文主要做了以下幾方面工作。(1)煤巖顯微

5、圖像中劃痕與孔洞等噪聲的去除。在粉煤光片的制備過程中，劃痕和孔洞等噪聲會不可避免地出現(xiàn)，這些噪聲會影響識別煤巖顯微組分的正確性，在預(yù)處理過程中必須予以去除。分析了焦化廠提供的大量顯微圖像發(fā)現(xiàn)劃痕特征多為深淺、粗細、長短有所差異的直線形式，基于此，本文實驗對比了基于灰度圖像數(shù)學(xué)形態(tài)學(xué)方法、基于鄰近區(qū)域均值取代方法以及傳統(tǒng)FMM(FastMarchingMethod)及其改進算法修復(fù)圖像中劃痕的效果，發(fā)現(xiàn)改進后的FMM算法不但能夠有效去除圖像中劃痕，而且還能夠保護及模擬原始圖像中的紋理，效果明顯好于其他方法。對于顯微圖像中的孔洞，本文采用了基于灰度圖像數(shù)學(xué)形態(tài)

6、學(xué)重建方法，并進行了實驗驗證，發(fā)現(xiàn)其能夠有效填充孔洞。(2)煤巖顯微組分紋理特征提取。煤巖顯微組分的紋理是典型的自然紋I太原理工大學(xué)碩士研究生學(xué)位論文理，具有較大的隨機性與復(fù)雜性。RILBP(RotationLocalBinaryPattern)特征提取技術(shù)能夠有效保持圖像發(fā)生旋轉(zhuǎn)的情況下圖像紋理特征不改變以及對于明暗噪聲有較好的抗干擾能力，但是具有較高的特征維數(shù)，GLCM(GreyLevelCo-occurrenceMatrix)的抗干擾以及抗旋轉(zhuǎn)性能力不足，但是其特征具有較低的維數(shù)。因此，本文提出一種融合RILBP與GLCM獲取煤巖顯微組分紋理特征的方

7、法，能夠在滿足較低特征維數(shù)的前提下，紋理特征還具有抗旋轉(zhuǎn)性與抗干擾性。實驗對比三種方法提取煤巖顯微組分紋理特征的結(jié)果，發(fā)現(xiàn)RILBP-GLCM方法獲取的特征能夠使其組分內(nèi)具有較低的波動性，其特征提取效果好于RILBP和GLCM方法。(3)煤巖顯微組分分類。本文采用多分類支持向量機(Multi-classificationSupportVectorMachine,MSVM)來對煤巖顯微圖像中的鏡質(zhì)組、惰質(zhì)組、殼質(zhì)組、礦物質(zhì)以及背景進行分類。采集了1134幅煤巖顯微圖像，其中把401幅作為訓(xùn)練樣本，733幅作為測試樣本，分別應(yīng)用RILBP、GLCM和RILBP

8、-GLCM方法獲取的煤巖顯微組分紋理特征對MSVM進行訓(xùn)練與測試，