改進(jìn)紋理模糊篩選下煤矸石X射線圖像處理

申利飛,田子建,白林緒

(中國礦業(yè)大學(xué)(北京)機(jī)電與信息工程學(xué)院,北京 100083)

1 引 言

隨著經(jīng)濟(jì)條件的不斷發(fā)展,發(fā)電廠對(duì)煤炭的需求日益增長[1-2],但對(duì)煤炭的質(zhì)量提出了一定的要求。在原煤的開采過程中常摻雜了矸石,矸石是一種碳質(zhì)、泥質(zhì)以及砂質(zhì)頁巖的泄漏物,?；旌显诿褐械囊环N固體廢物,含碳量較低,比煤炭更硬,在煤的形成過程中與煤層一起產(chǎn)出的深灰色巖石[3-4]。未經(jīng)篩選的原煤在燃燒后會(huì)嚴(yán)重污染環(huán)境,引起酸雨等環(huán)境問題[5]。因此,對(duì)煤矸石進(jìn)行篩選具有重要的現(xiàn)實(shí)意義。

在煤與矸石的識(shí)別和篩選領(lǐng)域中,國內(nèi)已有相關(guān)學(xué)者作出一定的研究。薛光輝等人[6]利用隨機(jī)森林算法進(jìn)行煤矸圖像識(shí)別,通過裁剪圖像、灰度轉(zhuǎn)化、增強(qiáng)對(duì)比度實(shí)現(xiàn)圖像濾波預(yù)處理,利用隨機(jī)森林對(duì)煤矸圖像進(jìn)行降維處理,實(shí)現(xiàn)煤矸識(shí)別,實(shí)驗(yàn)證明該方法的識(shí)別度較高。李曼等人[7]在對(duì)煤矸石圖像進(jìn)行區(qū)分處理時(shí),采用了最小二乘支持向量機(jī)為圖像識(shí)別分類器,將多項(xiàng)特征進(jìn)行聯(lián)合訓(xùn)練,實(shí)現(xiàn)了煤矸石的區(qū)分,提高了圖像識(shí)別的準(zhǔn)確性。但上述方法均存在圖像紋理差異較小,導(dǎo)致識(shí)別的結(jié)果難以滿足現(xiàn)實(shí)需求的問題。因此,煤矸石的分選仍是需要深入研究的關(guān)鍵問題。

為提高煤矸石分選的精度,本文提出基于改進(jìn)紋理模糊篩選的煤矸石X射線圖像處理方法。在煤與矸石的X射線圖像處理過程中,對(duì)所采集的圖像中的噪聲進(jìn)行濾波處理,通過Prewitt算子法針對(duì)圖像中煤與矸石的紋理特征進(jìn)行提取,以此改進(jìn)煤與矸石的紋理模糊篩選,加強(qiáng)了煤矸石的識(shí)別效果。為進(jìn)一步降低煤矸石識(shí)別的誤差,以煤與矸石的識(shí)別閾值為判定標(biāo)準(zhǔn),計(jì)算煤與矸石的圖像灰度值以及紋理度。根據(jù)圖像的紋理度與灰度的峰值,區(qū)分了圖像的紋理差異,確定了灰度閾值,使得煤矸石的分選標(biāo)準(zhǔn)更為精細(xì),利用閾值分割和Ostu二值化實(shí)現(xiàn)煤與矸石的識(shí)別與篩選。實(shí)驗(yàn)結(jié)果證明,所提方法提取的煤與矸石的紋理差異度更大。能夠增強(qiáng)煤矸石的識(shí)別效果,為煤矸石的篩選提供了一定的支撐。

2 X射線衰減識(shí)別煤矸石圖像

根據(jù)煤與矸石質(zhì)地和紋理的差別,在識(shí)別煤與矸石時(shí),若煤塊厚度與矸石相似,則紋理圖像也較為相似[8-9],易導(dǎo)致識(shí)別錯(cuò)誤。為此,分析X射線衰減規(guī)律及該規(guī)律在煤矸石識(shí)別中的應(yīng)用。其中,X射線衰減公式:

(1)

式中,G1是光束通過物體之前的強(qiáng)度;衰減常數(shù)用γ表示;識(shí)別的目標(biāo)物體的物理性質(zhì)為λ;P為輻射通量密度。此外,由于煤和矸石的密度不同,因此煤和矸石的X射線的衰減也不同[10]。衰減程度與物體的高度和密度有關(guān)。在煤和矸石的圖像處理中,可以將煤或矸石視為球體,通過計(jì)算圖像目標(biāo)區(qū)域s估計(jì)煤和矸石的高度l1和l2。同時(shí),從波形圖中得到煤和矸石的像素紋理水平峰值fc和fd。紋理水平峰值表明具有此紋理水平的像素最多[11],據(jù)此判斷X射線通過該煤塊或矸石的路徑距離。因此,公式(2)和(3)可以用來表示X射線通過煤或矸石后的強(qiáng)度Ic和Id:

(2)

(3)

其中,k1和k2分別代表煤以及矸石的紋理水平峰值。以某批次的煤和矸石作為實(shí)驗(yàn)樣本進(jìn)行測試,可得出煤塊與矸石的X射線衰減曲線公式:

(4)

(5)

由于測試中使用的X射線出自同一個(gè)光源,因此穿透目標(biāo)前的聲波頻率I0相同,煤塊的物理質(zhì)量衰減系數(shù)由λc表示,矸石的物理質(zhì)量衰減系數(shù)由λd表示,l為目標(biāo)物體的高度。通過不同的曲線圖像得出煤和矸石的判斷公式,確定了煤和矸石的識(shí)別閾值T0。如果TT0,圖像中的目標(biāo)是煤。因此,判別值T可以很好地反映不同高度的煤與矸石之間的紋理水平關(guān)系。經(jīng)過X射線衰減處理得到的煤和矸石的圖像如圖1所示。

圖1 煤和矸石的X射線衰減處理圖像Fig.1 X-ray attenuation image of coal and gangue

3 篩選圖像處理流程

煤與矸石的鑒別主要通過計(jì)算煤與矸石的判別值T(f·h)來確定。但在圖像收集的過程中,由于攝像機(jī)無法過濾干擾信息,因此最終成像中的噪點(diǎn)較高[12-13],影響了對(duì)煤矸石的識(shí)別篩選。為此,對(duì)圖像進(jìn)行濾波與二值化處理[14]。這一處理過程減少了圖像中的噪點(diǎn),同時(shí)降低了不必要的數(shù)據(jù)處理量,使煤塊與矸石圖像中的目標(biāo)紋理更突出。將所采集的目標(biāo)紋理特征對(duì)照原始圖像并進(jìn)行二值化處理。如果在灰色紋理圖上存在兩個(gè)較為突出的灰度峰值,則將兩個(gè)灰度峰值區(qū)域之間的區(qū)域中心的灰度值設(shè)定為閾值。假設(shè)選定區(qū)域的灰度范圍為[ωm,ωn],兩個(gè)灰度峰值分別為vi和vj,在谷底處的灰度值為zt。選擇谷底值z(mì)t作為閾值點(diǎn)。

如果原始灰度圖像的灰度值為m,灰度值為i的像素?cái)?shù)為ni,則圖像中的像素總數(shù)為:

N=n0,n1,…,nl-1

(6)

歸一化紋理映射,可得:

(7)

根據(jù)灰度值,將閾值分為兩類:c0=(0,1,…,t)和c1=(t+1,t+2,…,l-1),c0和c1的產(chǎn)生概率和平均層分別為:

(8)

(9)

可保持任何t值:

(10)

因此,c0和c1之間的方差定義為:

=ω0ω1(μ1-μ0)2

(11)

在處理后的圖像中采集煤塊與矸石的紋理特征,確定目標(biāo)物體像素個(gè)數(shù)N。目標(biāo)物體的像素面積用S表示,物體高度為A,以目標(biāo)物體圖像的紋理峰值為基礎(chǔ),計(jì)算煤塊與矸石的紋理判定值T。并將紋理判定值與設(shè)置的閾值T0進(jìn)行比較,若小于閾值T0,目標(biāo)物體將被定性為矸石。為定位出矸石物體的中心點(diǎn),系統(tǒng)通過向PLC發(fā)送顯著信號(hào)對(duì)圖像進(jìn)行標(biāo)注。若計(jì)算所得T值高于閾值T0,則目標(biāo)物體將被定性為煤塊。被定義為煤塊的圖像將接受下一步處理。另外,由于在該系統(tǒng)中,圖像處理的過程應(yīng)該是實(shí)時(shí)的,因此圖像處理算法應(yīng)盡可能地優(yōu)化程序以減少程序中的計(jì)算量。系統(tǒng)中煤與矸石的識(shí)別流程圖如圖2所示。

圖2 煤與矸石鑒定流程圖Fig.2 Identification flow chart of coal and gangue

4 煤和矸石X射線圖像濾波與紋理處理

4.1 圖像噪聲類型

針對(duì)煤塊與矸石的紋理圖像中的噪聲問題,采用平滑濾波法進(jìn)行降噪處理[15]。根據(jù)現(xiàn)場的灰塵和光照環(huán)境,煤顆粒和矸石顆粒在皮帶上的混合情況以及現(xiàn)場實(shí)驗(yàn),發(fā)現(xiàn)該系統(tǒng)中的圖像噪聲主要為脈沖噪聲[16-18],其概率密度函數(shù)為:

(12)

式中,如果Px和Py都為非零數(shù),即將該噪聲判定為雙極性脈沖噪聲。若式中的y>x,在紋理圖像中y則是亮部,x則為暗部。此時(shí)的紋理圖像將出現(xiàn)不規(guī)則分布的椒粉和鹽粉顆粒。若式中的Px或Py為零,則該噪聲可被確定為單極脈沖噪聲。另外,與圖像信號(hào)相比,脈沖噪聲的強(qiáng)度一般具有更大的干擾[19]。為了降噪,需要將圖像中的脈沖噪聲的像素值作最大化處理,使該像素在圖像中顯示為純白色或純黑色。同時(shí),需要對(duì)圖像中最大化處理的脈沖噪聲范圍進(jìn)行限定。設(shè)x和y為校正允許的最大值和最小值,例如,在8位圖像中x=0,y=255。因此該系統(tǒng)所用的是以W脈沖噪聲作為平滑濾波的模型。

4.2 圖像平滑濾波器

在圖片降噪過程中,平滑濾波器的使用頻率較高[20]。為減少圖像中的干擾因素、無關(guān)數(shù)據(jù)以及冗余細(xì)節(jié)等,可采用平滑濾波器進(jìn)行處理[21]。平滑濾波器包括線性濾波器和非線性濾波器[22-23]。兩種濾波器的效果和應(yīng)用領(lǐng)域不同,可根據(jù)實(shí)際情況進(jìn)行選擇。

在線性濾波處理過程中,利用相鄰區(qū)域中的灰度平均值取代原始圖像中各個(gè)區(qū)域的灰度值[24]。在原始圖像中選取Sxy區(qū)域,其中的每個(gè)像素點(diǎn)為f(x,y),設(shè)共有M個(gè)像素,其平均值即為所生成圖像Q(x,y)中像素點(diǎn)(x,y)處的紋理值,計(jì)算公式如公式(13)所示。

(13)

在圖像降噪過程中,將(3×3)的濾波模板分別用于煤塊和矸石的原始圖像中。處理后的圖像效果如圖3所示。

圖3 煤和矸石的平均濾波平滑X線圖像Fig.3 Average filtering of coal and gangue smoothed X-ray images

4.3 X圖像中煤和矸石的紋理提取

4.3.1 紋理圖像灰度值提取

在紋理圖像灰度值提取的過程中,根據(jù)圖像屬性的變化對(duì)圖像中具有突出變化的點(diǎn)進(jìn)行標(biāo)注,這些變化通常可以反映出重要屬性的變化[25]。在這一過程中去除了不相關(guān)的圖片細(xì)節(jié),使數(shù)據(jù)量得以減少,保留下圖像中像素的基本結(jié)構(gòu)與灰度值等屬性。因此,在數(shù)字化圖像處理中,紋理檢測具有重要的作用。

紋理檢測是在圖像中尋找紋理像素以生成紋理映射的過程[26-27],紋理是圖像中灰度值不連續(xù)或劇烈變化的結(jié)果,可通過導(dǎo)數(shù)對(duì)其進(jìn)行檢測。

數(shù)字圖像的一階導(dǎo)數(shù)是基于各種二維梯度的近似[28],圖像f(x,y)在位置(x,y)的梯度定義為向量:

(14)

式中,Δf表示的是該向量的大小。從向量分析可知,梯度向量指向坐標(biāo)(x,y)處f的最大變化率的方向。

(15)

該量給出在Δf方向上每單位距離增加之后f(x,y)值的最大變化率,同時(shí)梯度向量的方向也非常重要。如果α(x,y)表示向量Δf在(x,y)的方向角,則可以從向量分析獲得:

(16)

4.3.2 Prewitt算子法

當(dāng)連續(xù)的像素點(diǎn)組成了圖像函數(shù)時(shí),其選定區(qū)域的梯度值可通過式(15)計(jì)算,而當(dāng)離散點(diǎn)組成圖像時(shí),其梯度值通過相鄰像素的差值計(jì)算。為了使提取的圖像邊緣的結(jié)構(gòu)定位精確,并產(chǎn)生連續(xù)的精細(xì)邊緣,同時(shí)能濾除邊緣信息中的噪聲干擾,提出應(yīng)用Prewitt算子。Prewitt算子法是利用相鄰3對(duì)像素值中梯度值之和計(jì)算偏微分估計(jì)值[29]。具體計(jì)算過程如下式:

ρx={f(x+1,y-1)+f(x+1,y)+f(x+1,y+1)}-{f(x-1,y-1)+f(x-1,y)+f(x-1,y+1)}

ρy={f(x-1,y+1)+f(x,y+1)+f(x+1,y+1)}-{f(x-1,y-1)+f(x,y-1)+f(x+1,y-1)}

(17)

Prewitt梯度算子法是具有兩個(gè)核矩陣的卷積運(yùn)算[30],公式(17)可以表示為使用算子和圖像這兩個(gè)矩陣的卷積運(yùn)算。兩個(gè)卷積矩陣如公式(18)所示:

(18)

其中,ρx和ρy分別表示x和y方向上的部分的Δfx(x,y)的分?jǐn)?shù)。使用prewitt梯度算子法對(duì)要檢測的圖像進(jìn)行卷積[31],然后獲得x和y方向上的梯度值以及Δfy(x,y),并通過公式(19)獲得梯度幅度圖像Δf(x,y):

(19)

5 結(jié)果與討論

5.1 實(shí)驗(yàn)比較法

為了驗(yàn)證本文中使用的Prewitt算子法對(duì)紋理圖像的濾波效果,將文獻(xiàn)[6]方法和文獻(xiàn)[7]方法與本文提出的用于紋理檢測的研究方法進(jìn)行了比較。

5.2 不同算子計(jì)算結(jié)果下的X射線成像效果分析

圖4顯示了三種算子法的X射線成像的效果。

圖4 三種算子法的X射線成像效果Fig.4 X-ray imaging effects of three operator methods

從圖4的比較可以看出,Prewitt算子法提取的煤與矸石的紋理清晰,線條細(xì)膩,而文獻(xiàn)[6]方法得到的煤和矸石的紋理是粗糙且扭曲的。由于文獻(xiàn)[7]方法僅采用單一的卷積矩陣模板,因此不適合計(jì)算圖像中的目標(biāo)區(qū)域,導(dǎo)致圖像中大部分的細(xì)節(jié)像素丟失,不適用于紋理模糊篩選。

為進(jìn)一步對(duì)比三種算子計(jì)算結(jié)果下的X射線成像中的噪點(diǎn),對(duì)三種算子計(jì)算的圖像的SSIM值進(jìn)行對(duì)比。對(duì)比結(jié)果如圖5所示。

圖5 三種算子法的X射線成像SSIM值對(duì)比Fig.5 Comparison of SSIM values of three operator methods for X-ray imaging

從圖5中可以看出,Prewitt算子法一直維持較高的SSIM值,未降低至95%以下,但文獻(xiàn)[6]方法以及文獻(xiàn)[7]方法的SSIM值隨著噪聲密度的增加而驟降,由此可知Prewitt算子法的成像效果較好,噪點(diǎn)的去除率較高。為了計(jì)算圖像中目標(biāo)區(qū)域的面積,需要提取并確定目標(biāo)紋理。而在Prewitt法提取目標(biāo)物體的像素圖像中,目標(biāo)輪廓線條清晰,明暗對(duì)比強(qiáng)烈,區(qū)分度更高。

5.3 二值化X圖像對(duì)比

將所采集的目標(biāo)紋理特征對(duì)照原始圖像并對(duì)其進(jìn)行二值化。圖6～8顯示了這三個(gè)算子法之間二值化X圖像對(duì)比。

圖6 Prewitt算子法處理后的波形圖Fig.6 The waveforms processed by Prewitt operator

圖7 文獻(xiàn)[6]方法處理后的波形圖Fig.7 The waveforms processed by reference[6]method

圖8 文獻(xiàn)[7]方法處理后的波形圖Fig.8 The waveforms processed by reference[7] method

分析圖6～8可知,Prewitt算子法處理后的灰度波形圖中,煤塊與矸石的界限清晰,且波形較為規(guī)律,而文獻(xiàn)[6]方法處理后的波形圖中,煤塊的灰度值并未突顯出來,較為模糊,且邊緣不夠規(guī)則。文獻(xiàn)[7]方法處理后的圖像中,雖然煤塊的X射線較為明顯,但是缺乏規(guī)律性,存在信息缺失,波形圖不連貫的現(xiàn)象,且這兩種算子法計(jì)算的灰度值范圍較小,均在0.25～0.75左右,而Prewitt算子法計(jì)算的灰度值范圍可以達(dá)到0～1。由此可知,本文所提出的Prewitt算子法對(duì)于煤和矸石的識(shí)別效果較好。

Prewitt算子法對(duì)煤和矸石的識(shí)別率較高。將X射線強(qiáng)度所對(duì)應(yīng)的灰度值與煤和矸石的圖像高度作為鑒別的依據(jù),具有很強(qiáng)的區(qū)分性,且克服了文獻(xiàn)[6]方法計(jì)算煤和矸石的灰度平均值時(shí)有誤差,以及文獻(xiàn)[7]方法以方差為基礎(chǔ)判別性較低,容易受到單個(gè)卷積矩陣模板的影響的缺點(diǎn)。在煤與矸石的識(shí)別過程中,Prewitt算子法采用兩個(gè)特征值,與多特征融合法相比,特征數(shù)量的減少使算法更簡單、耗時(shí)更少,更有利于矸石的實(shí)時(shí)、快速分選。

6 結(jié) 論

本文提出的煤與矸石識(shí)別算法以Prewitt算子法為計(jì)算基礎(chǔ),重點(diǎn)分析煤與矸石X射線圖像,通過煤與矸石像素的灰度值和紋理值來篩選煤矸石。根據(jù)目標(biāo)灰度值與紋理度之間的關(guān)系,提出了煤與矸石的識(shí)別條件,確定了識(shí)別閾值,對(duì)不同大小的煤與矸石實(shí)現(xiàn)了良好的識(shí)別和分選,消除了煤和矸石大小對(duì)矸石分選的影響。與傳統(tǒng)方法相比,提高了對(duì)煤與矸石的識(shí)別精度。