随着科学技术的快速发展,人们越来越重视清洁煤的使用,因此对煤矸石分选的要求也越来越高。传统的人工选煤以及湿选法的分选率较低且易受到人员身体状况等多方面的影响,湿选所产生的废水也对环境造成了一定的污染；而在新兴的干选法中,大都是基于自然光照射下煤和矸石图像的不同灰度以及融合其多个特征来进行的识别,易受光照环境的影响,从而使得其分选率存在不稳定现象,且计算复杂度高,分选速度慢。X光作为一种性能比较稳定且不易受光照环境影响的成像方式用于煤矸石分选系统中,克服了以往对自然光敏感的情况,并且所形成的X光图像质量较高,几乎不含噪声,处理较为方便和快速。本课题主要以X光图像处理为基础,从所形成图像的灰度特征着手,并结合物体的高度来确定可行的识别算法,最终实现煤矸石的自动识别。本文主要对基于X光图像处理的煤矸石自动识别进行了研究。首先利用中值滤波对图像进行增强,根据其所成图像特点采用阈值分割将其二值化并利用区域的连通性去除干扰目标,再利用映射关系提取出图像中的煤和矸石区域,并通过分析对X光图像中的煤和矸石进行灰度特征提取；然后在传统标定法测量高度的基础上,结合皮带输送煤矸石的实际情况以及CCD摄像机的成像原理,提出一种测量煤矸石高度的比例标定法,接着采用背景消除法对煤和矸石的区域进行提取,之后再采用本文所提出的改进边缘检测算子对获取的区域进行边缘检测,并利用边缘跟踪算法对检测的边缘进行跟踪,获取边缘坐标,进而求得煤和矸石的高度；最后在分析图像识别的基本原理上,对所获取的煤和矸石的灰度和高度这两个特征数据值进行指数曲线拟合,从而得出代表煤和矸石的不同曲线,并以此为依据进行识别。实验结果表明,本文所提出的基于X光图像处理的煤矸石自动识别方法能够准确的识别出煤和矸石,不仅识别率近乎百分之百,而且处理和识别速度较快,具有很高的稳定性和可靠性。