提出了一种基于Mean shift算法的煤岩分界识别方案。首先介绍了Mean shift算法原理,通过关联图像的像素位置向量和灰度值构建了一个空间联合域;然后给出了适用于煤岩图像分割的带宽参数选择方法,以去除虚假孤立区域和杂散边界;最后利用煤岩图像的人造边界和真实边界进行仿真,结果表明Mean shift算法较K-means算法能更准确地获得煤岩分界线。

提出了一种基于K-means的煤岩边界提取算法。运用小波变换提取出煤岩图像中大尺度特征,以剔除其杂散纹理和噪声对后续聚类过程的影响;采用K-means算法完成煤岩边界分布的聚类;并利用Canny算子提取出二值聚类图像的边缘,引入图像形态学中的腐蚀与膨胀运算,关联相邻分段边界并平滑边界。仿真图像与真实煤岩边界图像的实验结果表明,与直接K-means和Mean shift等图像分割算法相比,该算法能够更为精确完整地提取出真实的煤岩分界。