《基于ARM和CPLD的煤矸石在线自动分选系统研究.pdf》由会员分享，可在线阅读，更多相关《基于ARM和CPLD的煤矸石在线自动分选系统研究.pdf（78页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、西安科技大学硕士学位论文基于ARM和CPLD的煤矸石在线自动分选系统研究姓名：宋晓茹申请学位级别：硕士专业：控制理论与控制工程指导教师：马宪民20060418论文题目：专业：硕士生：指导教师：基于A R M 和C P L D 的煤矸石在线自动分选系统研究控制理论与控制工程宋晓茹马宪民摘要(签名)(签名)么!丝赳煤矸石分选是洁净煤生产过程中不可缺少的环节，传统的煤矸石分选广泛采用湿选法，容易导致水资源浪费和环境污染。本文针对目前的选煤现状，根据人工智能原理和模式识别理论，提出了一种新的煤矸石在线识别与自动分选干选法，将最新的A R M 微处理器和C P L D 逻辑控制技术与传统的选煤技术有机地
2、结合起来，完成了煤矸石在线识别与自动分选系统。理论上，探索出人工智能与模式识别技术在煤矿自动分选矸石中的应用。生产实际中，可以大大改善工人的工作环境，减少环境污染，节约干旱地区宝贵的水资源，提高精煤比例和质量，对发展我国的洁净煤技术，都具有良好的社会效益和经济效益。本文研究了人工智能原理和模式识别理论，结合数字图像处理算法，以A R M 微控制器和C P L D 可编程逻辑控制器件为核心的煤矸石图像在线自动识别系统。图像采集模块、图像处理模块和图像输出存储模块三大模块组成图像在线自动识别系统。可编程图像处理器S A A 7 11 1 A 和C P L D 组成的图像采集模块；图像处理模块由A
3、R M 微处理器和相应的外围电路来完成；通过C A N 总线把处理后的图像数据传送到中控室的上位机上显示存储完成图像传输模块。系统硬件部分：A R M、C P L D、S A A 7 11 1 A 和C A N 总线等各个硬件电路模块的设计实现；软件设计部分：在A R M 微处理器上实现煤矸石的图像处理算法，C A N 总线与上位机的通信等；采用V H D L 语言编程实现了C P L D 控制S A A 7 11 1 A 独立采集图像；以及一些辅助的程序设计：C P L D 对于A R M 和C A N 总线的时序调整程序，一些译码电路等的软件设计。最后，经过各个硬件模块调试、软件仿真和系统
4、综合调试，验证了本系统的可行性，达到了预期的目标。关键字：煤矸石；模式识别；A R M；C P L D；C A N 总线；S A A 7 1 1 1 A研究类型：应用研究S u b j e c t：R e s e a r c ho nC o a lG a n g u eO n l i n eA u t o m a t i cS e p a r a t i o nS y s t e mB a s e do nA R Ma n dC P L DS p e c i a l t y：C o n t r o lT h e o r ya n dC o n t r o lE n g i n e e r i
5、n gN a m e：X i a o r uS o n gI n s t r u c t o r：X i a n m i nM aA B S T R A C T(S i g n a t u r e)(S i g n a t u r e)T h es e p a r a t i o ns y s t e mo ft h ec o a lg a n g u ei sa ni n d i s p e n s a b i l i t yp a r ti nt h ec o a l m i n ep r o d u c t i o np r o c e s s T h et r a d i t i o
6、n a lg a n g u ec l a s s i f i c a t i o nm e a n si sf o c u s e do nw e tc l e a n i n gm e t h o d I tl e a d st ow a t e rr e s o u r c ew a s t e da n de n v i r o n m e n tp o l l u t e de a s i l y S o，i nt h ep a p e r,t h ec l e a ng a n g u es e p a r a t i o nt e c h n o l o g yi sd e s
7、i g n e db yt h eA r t i f i c i a lI n t e l l i g e n c ea c c o r d i n gt ot h ec o a lg a n g u es e p a r a t i o ns i t u a t i o na tt h ep r e s e n tt i m e T h ep r o b l e mi Sr e s e a r c h e dt h a tan e w l yo n-l i n ea u t o m a t i cs e p a r a t i o ns y s t e mb a s e do nA R Mm
8、 i c r o c o n t r o l l e ra n dC P L Dt e c h n o l o g y T h ea i mi sc h a n g i n gt h ep r e s e n ts t a t u st h a tt h ec o a lg a n g u ei ss e p a r a t e df r o mt h ec o a li nt h ec o a l r n i n e T h eA R Ma n dC P L Da r ec o n n e c t e dw i t ht h et r a d i t i o n a lc o a lg a
9、n g u es e p a r a t i o np e r f e c t l y O nt h e o r y,i te x p l o r e st h ea u t o m a t i o ns e p a r a t i o nc o a lg a n g u em e a n sw i t ht h eA r t i f i c i a lI n t e l l i g e n c ea n dp a t t e mr e c o g n i t i o n O np r a c t i c e，i tC a na m e l i o r a t ew o r k i n gc
10、o n d i t i o n s，d e c r e a s ee n t i r o n m e n tp o l l u t i o n，a n de n h a n c et h ee x t r a c t e dc o a lp r o p o r t i o na n dt h ec o a lq u a l i t y I to f f e r st h ee x t r a o r d i n a r ys o c i a la n de c o n o m i c a lp r o f i t sf o rt h eC h i n e s ec l e a nc o a l
11、t e c h n o l o g y I nb r i e f,i tb e a r st h e o r ya n dp r a c t i c es i g n i f i c a t i o n A R Ma n dC P L Di st h ec o r eo ft h eC o a lG a n g u eO n 1 i n eA u t o m a t i cS e p a r a t i o nS y s t e mi sd e s i g n e di nt h ep a p e r I ti sb a s e do nt h eA I，P a t t e mR e c o
12、g n i t i o na n dt h ed i g i t a li m a g ep r o c e s s i n ga r i t h m e t i c T h ei m a g ep r o c e s s i n gs y s t e mi si n c l u d i n g3m o d u l e s T h ef i r s tb l o c ki si m a g ec o l l e c t i o n I ti sc o n s i s t so fC P L Da n di m a g ep r o c e s s o rS A A 7111A T h es e
13、 c o n di m p o r t a n to n ei si m a g ec o n t r o l l e ri n c l u d i n gA R Mm i c r o c o n t r o l l e ra n di t sp e r i p h e r yc i r c u i t s T h el a s tp a r ti so u t p u ta n ds t o r a g em o d u l e T h eC A Nb u sc a r r i e st h ec o n t r o l l e di n f o r m a t i o ni n t ot
14、h eu p p e rc o m p u t e r(P Ci nt h er e m o t ec o n t r o lr o o m)i no r d e rt os h o wa n ds t o r ei m a g ed a t a I n t h i ss y s t e m，t h eh a r d w a r ea n ds o f t w a r es c h e m ea r es t r u c t u r e ds u c c e s s f u l l y O nt h eh a r d w a r ed e s i g n，t h ec i r c u i tm
15、 o d u l e sa r ec o n t r i v e di n c l u d i n gt h eA R Mm i c r o c o n t r o l l e r,C P L D，S A A 7111Aa n dC A NB u sb l o c k s；o nt h es o f t w a r ed e s i g n，t h ef o l l o w i n gs u b p r o g r a ma r ed e s i g n e d I ti si n c l u d i n gt h es u b p r o g r a mo ft h eA R Mm i c
16、r o c o n t r o l l e rp o r t，t h ed r i v e rs u b p r o g r a mo ft h eA R Mm i c r o c o n t r o l l e ri n t e r f a c eb o a r d，t h es u b p r o g r a mo ft h ei m a g ec o l l e c t e d，t h es u b p r o g r a mo fC P L Di sp r o g r a m m e de t c a n dt h eC P L Dp r o g r a m m e di nV H D
17、 L F i n a l l y,h a r d w a r ed e b u g g i n g，s o f t w a r es i m u l i n ka n ds y s t e ms y n t h e s i sd e b u g g i n ga r ed o n e T h ee x p e r i m e n tr e s u l t ss h o wt h a ti tC a ne f f i c i e n t l yc o m p l e t et h eb a s i ct e s t i n gt a s k I tm e e t st ot h ep r o s
18、 p e c t i o na i m K e yw o r d s：C o a lG a n g u eP a a e mR e c o g n i t i o nA R MC P L DC A NB u sS A A 7111AT h e s i s：A p p l i c a t i o nR e s e a r c h要科技丈肇学位论文独创性说明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及其取得研究成果。尽我所知，除了文中加以标注和致谢的地方外，论文中不包含其他人或集体已经公开发表或撰写过的研究成果，也不包含为获得西安科技大学或其他教育机构的学位或证书所使用过的材
19、料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。学位论文作者签名：日期：学位论文知识产权声明书本人完全了解学校有关保护知识产权的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西安科技大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律注明作者单位为西安科技大学。保密论文待解密后适用本声明。学位论文作者签名：指导教师签名：挑如多年垆月肋日1
20、 绪论1 绪论1 1 选煤技术的现状和发展中国选煤工业起步较晚，5 0 年代才开始建立起自己的选煤工业，经历了两次快速发展时期。7 0 年代以“洗煤保钢”为主要内容的选煤大发展，使原煤入选比例由1 9 7 0 年的1 0 增长到1 9 8 0 年的1 7，基本满足中国钢铁工业对炼焦煤质量的要求；9 0 年代以来，煤炭工业面临经济与环境的双重压力，选煤工业进入新的快速发展时期，“八五”期间原煤入选量的增长速度首次超过原煤增长速度。截止2 0 0 2 年，全国年入选3 万吨以上的选煤厂1 6 8 5 座，设计入选能力为5 0 2 4 3 万t a。2 0 0 2 年，全国原煤入选量为3 2 1 4
21、 5万吨，入选比例由1 9 9 0 年的1 9 增长到2 0 0 2 年的3 0 2【lJ。煤炭作为我国主要能源在今后相当长时期内不会有大的改变，而我国的煤炭入选比例只有2 5，动力煤仅为1 1。在我国的煤炭消费结构中，动力煤占8 0 以上，造成了十分严重的燃煤引起的环境污染(如烟尘，二氧化硫和酸雨)。据统计，1 9 9 7 年全国S 0 2排放量约为2 3 4 6 万吨，烟尘排放量为1 8 7 3 万吨，酸雨影响面积占国土3 0，这其中燃煤造成的S 0 2 和烟尘排放量分别占9 0 和8 0，因此必须大力发展洁净煤技术，保护环境，综合利用煤炭资源【2 J。煤矸石分选是煤矿生产过程中不可缺少的
22、环节，特别是在当今强调实行友好环境生产，实现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，经胶带运输机运送到筛分系统，通过筛分机把大于等于lO O m m 的煤块和矸石块筛分出来，然后通过胶带机运到人工捡矸篓，由工人把矸石从中挑捡出来。小于l O O m m 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2 0 3 0 的矸石，还有1 5 的矸石混在煤块中。由于矸石中一般含硫量比较高，并且还含有大量的重金属，如汞、铬、镉、铜、砷等，因此，矸石混在原煤中，加重了煤块燃烧时的污染。煤和煤矸石的分选是煤炭生产
23、过程中的重要环节，目前广泛采用的湿选法(重介法、跳汰法等)是利用煤和矸石的比重不同在液体介质中分选。但是采用跳汰法、重介法、浮游法等选煤技术，不仅工艺复杂、水源污染严重，而且投资及生产费用也很高，1 吨煤投资达8 0 元以上，限制了部分地区中小煤矿的发展。但干法分选效率低、分选精度不高、噪声和粉尘污染严重，特别是风力选煤，其应用范围亦越来越小。自本世纪6 0 年代起，世界各主要产煤国如英国、美国、德国、澳大利亚、原苏联等国都对煤矸石分选做了大量研究工作，先后提出了2 0 余种形式的分选识别方法，其中包括天然Y 射线、人工Y 射线、机械振动、无线电探测、红外反射和雷达等方法，这方面西安科技大学硕
24、士学位论文英美研究较为突出。目前，这些发达的工业国家已经开始考虑采用人工智能的方法实现洁净煤技术。尽管提出了多种煤矸石分选识别方法，但真正能形成产品的方法还没有，下面是在这方面的几种主要研究情冽1|。(1)滚筒碎选机又称选择性破碎机。它在工作过程中具有破碎和筛分两种作用，并能达到分选的目的。早在1 9 0 4 年，人们就开始使用滚筒碎选机，目前滚筒碎选机基本上已不再使用。滚筒碎选机存在的缺点主要设备庞大、笨重，每台机重可达2 0 吨；依靠自重的冲击进行分选，对分选率的可控性较差；对煤矸石破碎强度差异性高；不适应井下生产条件。(2)双能1，射线透射法煤和矸石在线识别。该项研究已取得一定的成果，比
25、如中国矿业大学和华中科技大学对该识别方法做了深入的研究【3 J，其产品己应用于现场中，但仍存在以下几方面的不足：分选能力低(3 0 5 0 吨小时)，不能满足井下生产能力的要求；丫射线的产生需要高电压、高能量，在煤矿井下使用，设备的防爆问题难以解决；况且Y射线始终存在对人身健康的威胁。(3)煤矸石灰度自动识别技术。该项技术取得了一定的成功，中国矿业大学早在1 9 9 7 年就提出来，并做了初步探索【4 j。但由于处理方法和识别技术上存在一定问题和困难，导致识别率不高，没能真正实现自动分选。尽管如此，该技术由于投资少、见效快、无污染等优点，得到了越来越多的关注。1 2 煤矸石识别原理人工智能是目
26、前科学技术发展史上的一门前沿学科，模式识别、人工神经网络等技术的发展，成为研究人工智能领域的重要工具，也是人工智能的发展方向。本文根据人工智能理论、模式识别原理，利用数字图像处理算法，对系统的煤矸石图像进行理论分析。所谓图像，就是对客观存在物体的一种相似的生动模仿和描述。各种类型的绘图、照片，电视画面等是图像最直观的例子。然而除了这些，人眼能够观察到的各种平面图像外，还包括其它视觉无法观察的物理图像和空间物体图像。例如：温度、压力、高度等物理量的平面和空间分布，就是无法用人眼观察的图像。此外，我们所讨论的图像还包括用数学函数和离散数据所描述的连续或离散图像【5】。数字图像处理的特点是图像信息量
27、大和图像处理技术综合性强。数字图像处理主要包括图像的数字化、图像增强、传输、平滑、边缘锐化、分割、特征抽取、图像识别与分类等内容。根据模式识别的原理，煤和矸石的区别除了外表的光泽不同外，主要是在光线的照射下二者的反射光线和波长不同，造成煤和矸石的灰度概率分布不同，灰度概率分布曲线的峰值也不同。根据这一原理，将样品煤和样品矸石的灰度分布作为标准存在处理器中。在识别时，将实际煤和矸石的灰度分布与之比较，如果比较后的差值小于预先设定的某个阈值，就可以将煤和矸石区分开来。21 绪论1 3 课题的背景及研究意义本课题是陕西省自然科学基金项目(2 0 0 4 F 4 7)“煤矸石在线自动分选系统识别原理研
28、究”中的一部分，主要研究以A R M(A d v a n c e dR I S CM a c h i n e s)微控制器和C P L D(C o m p l e xP r o g r a m m a b l eL o g i cD e v i c e)技术为控制核心的煤矸石图像在线识别与自动分选系统。根据国家“十五”计划和未来1 5 年宏观发展战略，中国的发展道路要从传统的发展模式向可持续发展模式转变，实现既满足当代人的需要，又不对后代人需要满足能力构成危害的发展。能源发展战略从能源开发型向能源经济效率型转变，能源开发和节约并重，节约放在优先地位，开发要讲经济效益和社会效益，其核心是提高能源
29、利用率。选煤是合理利用煤炭资源、保护环境的最经济和最有效的途径，是煤炭加工和转化为洁净煤的必不可少的基础和关键环节；通过选煤可以优化产品结构，可以在运输前排除大量矸石，节约运力，提高利用效率。而煤矿生产过程中，煤矸石的排放量约占煤炭开采总量的2 0 左右。因此，国际上公认选煤是实现煤炭高效、洁净利用的首选方案。加快发展选煤技术对于实现煤炭资源的综合利用、节约能源、减轻环境污染具有十分重要的意义。在当前的选煤领域，国内外普遍采用湿法分选，浪费了宝贵的水资源而且污染环境，而我国的煤炭资源有2 3 以上分布在西部等缺水地区，随着国家西部大开发的实施，煤炭资源的分选加工也迎来了新的机遇和挑战，当今的世
30、界是可持续发展的时代，西部地区煤炭洁净利用就显得尤为突出【2 J。中国是当今世界上最大的煤炭生产和消费国，资源浪费和环境污染还是非常严重的，传统的选煤理论及方法已无法满足煤炭分选的洁净要求，研究适合我国国情，特别是西部地区煤炭特点的高效干选法技术，已是迫在眉睫。为了改善工作环境，提高生产效率和选煤环节的自动化水平，国内外一些单位的研究人员对此做了初步探讨，但对大块煤和矸石的分选还是没有更好的方法，仍然采用人工挑选。本研究课题，根据人工智能理论，采用模式识别和数字图像处理技术，利用先进的A R M 微控制器C P L D 技术，实现煤矸石自动分选，将最新的A R M 微控制器和C P L D 控
31、制技术与传统的选煤技术有机地结合起来，有一定的理论意义和实际意义。在理论上，探索出人工智能模式识别技术在煤矿自动选矸石的应用。在生产过程中，所研究的成果一旦形成产品并得到推广应用，将会大大改善工人的工作环境，减少环境污染，节约干旱地区宝贵的水资源，提高精煤比例和质量，提高企业利润，大幅度地提高劳动生产率，对发展我国的洁净煤技术，都具有良好的社会效益和经济效益，也必将加快中国煤炭工业战略西移的步伐。本课题力求在前人的基础上，根据数字图像处理和模式识别原理，利用先进的A R M3西安科技大学硕士学位论文微处理器和C P L D 技术对该项技术做迸一步探讨和研究，提出了一套真正实时高效的煤矸石分选系
32、统。1 4 本文的任务和目标本课题根据人工智能理论，采用模式识别原理和数字图像处理算法，以A R M 微控制器和C P L D 控制技术为核心构建煤矸石自动分选系统的硬件装置。将C C D 拍摄到的连续匀速图像经过处理后输入到A R M 微控制器进行分析识别处理后，一方面通过C A N总线通信网络传输到上位机显示存储，另一方面送入分拣机构，将煤块和矸石可靠的分别送到煤块通道和矸石通道。煤矸石自动分选系统主要包括3 个模块：图像采集模块由S A A 7 11 1 A 和C P L D 组成；图像处理模块为A R M 微处理器和存储器组成；图像传输和存储是通过C A N 总线来完成的。本文具体包括
33、以下内容：(1)研究了人工智能原理和模式识别理论，实现数字图像处理在煤矸石自动识别中的具体应用；(2)硬件设计：图像采集模块由C P L D 和S A A 7 1 1 1 A 组成；图像处理模块：A R M微处理器、F L A S H 和R A M 存储器组成；图像传输模块：C A N 总线通信把A R M 处理后的图像信息传输到上位机上显示和存储，同时传送给执行结构；(3)软件设计：主要包括A R M 处理器启动代码、煤矸石图像识别子程序、C A N总线通信程序、利用V H D L 语言实现C P L D 对图像采集的控制等；1 5 本章小结本章阐述了课题的背景和研究意义，分析了国内外选煤技
34、术的发展现状，应用了人工智能理论，模式识别原理来完成煤矸石图像在线自动分选系统设计。同时给出了本次设计的任务目标，把人工智能原理、模式识别理论应用在煤矸石识别中，设计一种新型的实时煤矸石在线自动识别分选系统。42 煤矸石在线自动分选系统设计方案2 煤矸石在线自动分选系统设计方案本系统利用人工智能原理和模式识别理论，结合数字图像处理算法作为理论依据，在。对传送带上的煤和煤矸石块状图像自动识别从识别算法和硬件电路进行了研究设计。2 1 煤矸石图像在线识别原理人工智能是目前科学技术发展史上的一门前沿学科，它是计算机科学、控制论、信息论、神经生理学、心理学、哲学、语言学等多种学科相互渗透的研究基础上发
35、展起来的一门综合性新学科。简而言之，就是一种试图用计算机去模拟人的智利思维过程。人工智能的起源可以追溯到2 0 世纪3 0 年代，发展经历了3 个阶段：(1)经典阶段(2 0 世纪3 0 年代5 0 年代)，主要由游戏和定理证明为特征；(2)传奇时期(2 0 世纪5 0 年代7 0 年代)，特征是计算机理解；(3)现代时期(2 0 世纪7 0 年代现在)，主要特征是技术与应用。目前模式识别、人工神经网络等技术的发展，成为研究人工智能领域的重要的工具，也是人工智能的重要发展方向【l2|。本系统就是研究人工智能理论，把模式识别这个工具应用于煤矸石图像识别系统。模式识别诞生于2 0 世纪2 0 年代
36、，随着计算机的出现和人工智能的兴起，模式识别在6 0 年代初期迅速发展成为一门技术科学。传统的模式识别一般指对客观实物进行分析、作出判断的过程。现在的模式识别通常指用计算机就人类对周围世界的客体、过程和现象的识别功能进行自动模拟的学科。模式识别研究的目的是构建自动处理某些信息的机器系统，以代替人完成分类和辨别的任务。根据人的大脑识别问题的机理，在工程上用计算机模拟人类的识别过程，可见研究识别方法是有现实意义的。尽管这种模拟同人的意识和思维活动有本质的差别，但若从人类识别图像的过程及认识规律中得到启发，在某些环节上进行借鉴，从而可采用现代技术解决实际问题。在具有视觉形象的图像识别中，许多方法和概
37、念就是从人类认识图像的过程中直接移植过来的【3 4 1。模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判别。模式识别的作用和目的就在于面对某一具体事物时将其正确地归入某一类别。模式识别系统有两种基本的模式识别系统方法，即统计模式识别方法和结构(句法)模式识别方法。本文采用的是基于统计方法的模式识别，其系统主要由4 个部分组成：数据获取、预处理、特征提取和分类决策等【34|。5西安科技大学硕士学位论文2 1 1 数据获取为了使计算机能够对各种现象进行分类识别，要用计算机可以运算识别的符号来表示所研究的对象。通常输入的信息有以下三种类型：(1)二维图像如文字、指纹、地图、照片等这类对象
38、；(2)一维波形如脑电图、心电图、机械震动波形等；(3)物理参量和逻辑值如各种化验数据和对参数正常与否的判断描述，可用逻辑值即O 和1 表示【3 4】。煤矸石块状图像数据获取采用从C C D 摄像头输出的一组标准模拟信号，经过图像输入处理器S A A 7 1 1 1 A 转化后的逻辑数字值作为系统的数据获取输入。2 1 2 图像预处理图像处理就是对所获得的图像信息进行加工和分析，以满足人们的需要或者科学研究的需求。预处理的目的是去除噪声，加强有用的信息，并对输入的测量仪器或是其它因素所造成的退化现象进行复原。本文图像预处理就是对原图像进行的灰度校正，噪声过滤和畸变校正等过程。对不同的图像处理要
39、求有不同的预处理方法。由于在煤矸石的图像采集过程中，采集环境比较差，光线比较弱，煤粉比较多，获得图像的清晰度不够高，所以必须对图像进行预处理。图像预处理包括：图像平滑和图像锐化。下面分别介绍图像平滑和图像锐化处理【4 J。(1)图像平滑图像在生成和传输过程中也常受到各种噪声源的干扰和影响而使图像质量变差，这些噪声源包括电传感器噪声、相片颗粒噪声、信道误差及其它噪声【5】。为抑制噪声改善图像质量，必须对图像进行平滑处理。中值滤波是一种对于干扰脉冲、点状噪声和椒盐噪声有良好的抑制作用，而对图像边缘能较好的保持非线性图像处理增强技术。中值滤波由T u k e y 提出，起初主要用于一维信号处理，后来
40、很快就被用到二维图像的平滑处理中，其实质是一种改进的局部平均法【1 7】。中值滤波本质上是一种典型的低通滤波器(L o wP a s sF i l t e r)，其原理是先对一个滑动窗口内的诸像素灰度排序，然后用其中值代替窗口中心像素原来的灰度。在一维形式下，中值滤波是一个含有奇数个像素的滑动窗口，经排序后，窗口像素序列为：鼻州，F 小鼻，F 小，F+，)，v=(L 一1)2，L 为窗口长度，F 即为窗口像素的中值滤波输出。记作：G i=M e d F j 州，F F+，)(2 1)62 煤矸石在线自动分选系统设计方案M e d 表示取窗口中值。如一窗口的长度为5，像素灰度分别为 7，9，3
41、6，9，8，)则G，=M e d 7，9，3 6，9，8)=9，其灰度级为3 6 的像素为椒盐噪声(即脉冲干扰或点状噪声，表现为黑图像上的白点，白图像上的黑点)，在经过中值滤波后即被消除。由数学方法知道，对于一个有序数列，可用求最大、最小值的方法来求取有序数列的中值。例如，对有序数a，b，C，其中间值可写成【1 7 J：M e d i a n(a,b，c)=M a x M i n(a,b)，M i n(b，c)，M i n(a，c)】(2 2)当然也可写成：M e d i a n(a，b，c)=M i n M a x(a，b)，M a x(b，c)，M a x(a，c)】(2 3)一维中值滤波
42、的概念也很容易推广到二维，N a r e n d r a 提出对图像先进行行方向的一维中值滤波，再进行列方向的一维中值滤波，可得到与二维中值滤波相近的结果，但计算量大大缩短。T S H u a n g 等人提出对图像用一个N N 的滑动窗口进行中值滤波【l7 1。若选用N N 大小的窗口，则窗口的形状可为线形、方形、十字形、圆形和环行等，如图2 1 所示。(a)方形(b)十字形图2 1 窗口形状因此，使用中值滤波器滤除噪声的方法十分灵活。可以先使用小尺度窗口，后逐渐加大窗口尺寸；或一维滤波器和二维滤波器交替使用等，可大大缩短计算量，特别是当N 较大时更显其优越性。然而，对于离散的脉冲信号，当其
43、连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。由此可见，正确选择窗口尺寸的大小是用好中值滤波器的重要环节。一般很难在事先确定最佳的窗口尺寸，需要通过从小窗口到大窗口的试验，再从中选取最好的结果。(2)图像锐化如前所述，图像在传输和变换过程中会受到各种干扰而退化，典型的是图像模糊。而在图像的判读或识别中，常需突出目标的轮廓或边缘信息，即图像需要锐化处理。目前图像锐化的方法：梯度算子(微分法)、L a p a l a c i a n 算子、模板匹配法和统计差值法等【5】。本文图像锐化方法采用梯度算子法。从数学角度来看，图像的模糊相当于图像被平均或积分，为实现图像的锐化，必须用它的
44、反运算“微分”。梯度是图像处理中最常用的一次微分法，也就是微分法，即常用的是求图像函数的梯度。对于图像函数f(x，Y)，它在点(z，Y)处的梯度是一个矢量，定义为：7西安科技大学硕士学位论文G 删厂(x，Y)=劭苏劭砂点(x，Y)的梯度的幅度为梯度的模，若用G M(x，Y)表示，则G M(x，y)=I Q a a f(x，y)l=(2 4)(2 5)对数字图像用微分运算不方便，一般采用差分来近似。常用的梯度差分法有两种，一种是：G M(x，Y)=l f(x，y)一f(x+1，y)l+I f(x，y)一f(x，Y+1)l(2 6)另一种称为R o b e r t s 梯度算子，即G M(x，y)
45、=I f(x，y)一f(x+1，Y+1)l+l f(x+1，y)一f(x，Y+1)I(2 7)由于梯度值正比于相邻像素的灰度值之差，在图像中灰度变化较大的边缘区其梯度值大，而灰度变化平缓的区域或微弱细节区其梯度值较小，对于灰度均匀区，其梯度值为零【1 7 J。2 1 3 图像分割和特征提取由图像所获得的数据量是相当大的，为了有效的实现分类识别就要对原始数据进行变换，得到最能反映分类本质的特征，这就是特征提取和选择的过程。图像提取之前，首先进行图像分割。本系统利用边缘检测的方法对预处理后的图像，进行图像分割，为图像的特征提取做好准备。(1)边缘检测图像分割的目的是把图像空间分成一些有意义的区域。
46、图像分割可以采用三种不同的原理来实现。在利用区域方法中，可把各个像素划归到各个物体或区域中；在边界方法中，只需确定存在于区域间的边界；在边缘方法中，则先确定边缘像素并把它们连接在一起以构成所需的边界【4 J。图像的边缘是图像的最基本特征。所谓边缘(或边沿)是指在图像中灰度出现突变的区域。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同区域内部的特征或属性是不同的。边缘的检测正是利用物体和背景在某种图像性质上的差异来实现的，这些差异包括灰度、颜色或者纹理特征。边缘检测是为了获得目标物体的轮廓，便于特征提取和分类识别。边缘检82 煤矸石在线
47、自动分选系统设计方案测算子不但检测每个像素邻域的灰度变化率，而且还包括方向的确定。边缘检测实际上就是检测图像特性发生变换的位置【l8 1。经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，即边缘算子法检测出边缘。确定图像中边界的另一种方法是先检测每个像素和其直接相邻的状态，以决定该像素是否确实处于一个物体的边界上，具有所需特性的像素被称为边缘点。当图像中各个像素的灰度级用来反映各个像素符合边缘像素要求的程度时，这种图像被称为边缘图像或边缘图像图(E d g eM a p)。如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级
48、变化的带I l9 1。对这种变化最有用的两个特征是灰度的变化率和方向，它们分别以梯度向量的幅度和方向来表示。梯度算子(G r a d i e n tO p e r a t o r)：梯度对应于一阶导数，梯度算子是一阶导数算子。若在边缘灰度值过渡比较尖锐且图像中噪声比较小，则梯度算子的工作效果就较好。对一个连续图像函数f(x，Y)，它在位置(x，Y)的梯度可表示为一个矢量(其中G，和G。分别为沿x 方向和Y 方向的梯度)：夥加h】r=慝钌亿8，这个矢量的幅度耵(也常直接简称为梯度)和方向角0 分别为：W=l V f(x，y)I=0=a r c t a n为了减少计算量，v f 可以近似取为：v
49、f或v f劭砂矽O x(2 9)f 2 1 0)(2 1 1)以上各式中的偏导数需对每个像素的位置计算，在实际应用中常用小区域模板(一般取2 X 2)进行卷积来近似计算。对G，和G，必须各用一个模板，所以需要两个模板组合起来以构成一个梯度算子【18 1 1 9 1。9n 矽一钞阿阿酬习件厂义铲瓦溉西安科技大学硕士学位论文R o b e,s 边缘检测算子是最早的梯度算子，其模板如图2 2 所示，它是一种利用局部差分算子寻找边缘的算子，可由下式给出：g(x，y)：俪一7 彳；j 而 2+l-7 丽一了彳；而】2 产(2 1 2)其中，f(x，Y)是具有整数像素坐标的输入图像，其中的平方根运算使该处
50、理类似于人类视觉系统中发生的过程【1 9】。lO1Il10IlIIlI 一1OlIO一1l图2 2R o b e,s 边缘算子模板R o b e,s 边缘检测算子可以用来检测煤和煤矸石的块状图像的在线实时识别。(2)特征提取图像的特征指图像场中可用作标志的属性。它可以分为图像的统计特征和图像的视觉特征两大类。图像的统计特征是指一些人为特征，需通过变换或测量才能得到，如图像的直方图、均值、方差等等；图像的视觉特征是指人的视觉可直接感受到的自然特征，如区域的亮度、彩色、纹理或轮廓等等。利用这两类特征把图像分解成一系列有意义的目标或区域的过程称为图像的分割【4】。特征提取和选择的基本任务是如何从许多