龔國強 谷 鑫

（中國礦業(yè)大學(xué)（北京），北京100083）

目前我國的主體能源依然是煤炭，為促進這一行業(yè)向更加安全和高效的方向轉(zhuǎn)變，煤巖界面的自動識別是成為了實現(xiàn)煤礦井下智能化開采的關(guān)鍵技術(shù)之一[1]。煤巖界面自動識別技術(shù)可以分為物理技術(shù)和機器視覺技術(shù)兩大類。傳統(tǒng)的物理方法有γ 射線法、紅外熱像技術(shù)等。以上這些方法容易受到采煤環(huán)境和工藝等的影響，因而在生產(chǎn)中難以推廣[2-3]。在運用機器視覺技術(shù)對煤巖進行識別的過程中，由于是在礦井下采集圖像，故圖像的質(zhì)量易受工作環(huán)境的影響，大大增加了對圖像信息翻譯的難度，因此需要對圖像進行處理[4]。

1 基本原理

1.1 噪聲均值濾波

這種方法的基本思想是用幾個領(lǐng)域像素灰度的平均值來代替每個像素的灰度值，其鄰域的選取通常以單位距離 Δx構(gòu)成的4 鄰域和以個單位距離為半徑r 構(gòu)成的8 鄰域。該方法的主要計算原理為：

假設(shè)該噪聲的模型為：

則經(jīng)過鄰域平滑得到的圖像為：

式子中，S 為 (i,j)點的鄰域，M為鄰域中的總點數(shù)。根據(jù)統(tǒng)計分析，第二項中，噪聲的方差為：

1.2 峰值信噪比（PSNR)

峰值信噪比是根據(jù)采集到的原始清晰圖像與受干擾圖像中的噪聲量來評價圖像質(zhì)量的一個重要的指標(biāo)，其單位用分貝表示，計算公式如下：

2 實驗設(shè)置

2.1 樣本集與測試環(huán)境

從北京京煤集團木城澗煤礦采集無煙煤、1/3 焦煤、頁巖和砂巖作為煤巖樣本圖像各5 幅，如圖1 所示。圖像的格式為png。本文所有的實驗數(shù)據(jù)均是在MATLAB2018a 上測試得到。

圖1 煤巖樣本圖像(a)無煙煤；(b)1/3 焦煤；(c)頁巖；(d)砂巖

2.2 圖像處理及評價

首先將上述采集到的無煙煤、1/3 焦煤、頁巖和砂巖圖像添加不同密度的椒鹽噪聲來模擬粉塵污染，然后用噪聲均值濾波對上述四種噪聲圖像共計20 張進行降噪處理，最后用4 張圖的平均PSNR 對其進行評價。處理結(jié)果如表1 所示。

表1

3 結(jié)論

受到干擾的圖像會給圖像的增強、復(fù)原、重建、識別等后續(xù)工作帶來了嚴重的影響，需要對圖像進行處理降噪處理，噪聲均值濾波算法對受模擬粉塵干擾的煤巖圖像有較好的降噪作用。