图像降噪的煤岩识别应用

龚国强 谷 鑫

（中国矿业大学（北京），北京100083）

目前我国的主体能源依然是煤炭，为促进这一行业向更加安全和高效的方向转变，煤岩界面的自动识别是成为了实现煤矿井下智能化开采的关键技术之一[1]。煤岩界面自动识别技术可以分为物理技术和机器视觉技术两大类。传统的物理方法有γ 射线法、红外热像技术等。以上这些方法容易受到采煤环境和工艺等的影响，因而在生产中难以推广[2-3]。在运用机器视觉技术对煤岩进行识别的过程中，由于是在矿井下采集图像，故图像的质量易受工作环境的影响，大大增加了对图像信息翻译的难度，因此需要对图像进行处理[4]。

1 基本原理

1.1 噪声均值滤波

这种方法的基本思想是用几个领域像素灰度的平均值来代替每个像素的灰度值，其邻域的选取通常以单位距离 Δx构成的4 邻域和以个单位距离为半径r 构成的8 邻域。该方法的主要计算原理为：

假设该噪声的模型为：

则经过邻域平滑得到的图像为：

式子中，S 为 (i,j)点的邻域，M为邻域中的总点数。根据统计分析，第二项中，噪声的方差为：

1.2 峰值信噪比（PSNR)

峰值信噪比是根据采集到的原始清晰图像与受干扰图像中的噪声量来评价图像质量的一个重要的指标，其单位用分贝表示，计算公式如下：

2 实验设置

2.1 样本集与测试环境

从北京京煤集团木城涧煤矿采集无烟煤、1/3 焦煤、页岩和砂岩作为煤岩样本图像各5 幅，如图1 所示。图像的格式为png。本文所有的实验数据均是在MATLAB2018a 上测试得到。

图1 煤岩样本图像(a)无烟煤；(b)1/3 焦煤；(c)页岩；(d)砂岩

2.2 图像处理及评价

首先将上述采集到的无烟煤、1/3 焦煤、页岩和砂岩图像添加不同密度的椒盐噪声来模拟粉尘污染，然后用噪声均值滤波对上述四种噪声图像共计20 张进行降噪处理，最后用4 张图的平均PSNR 对其进行评价。处理结果如表1 所示。

表1

3 结论

受到干扰的图像会给图像的增强、复原、重建、识别等后续工作带来了严重的影响，需要对图像进行处理降噪处理，噪声均值滤波算法对受模拟粉尘干扰的煤岩图像有较好的降噪作用。