我国能源富煤、贫油、少气的基本特点决定了短期内难以改变以煤炭为主体的能源结构。同时迫于环境污染和能源枯竭的双重压力,使煤炭的清洁、高效利用成为当下研究的热门问题。其中,针对煤岩显微组分分析、分离的研究日益增多。煤岩显微组分与煤的物理、化学及工艺性质等有直接关系,影响着煤的气化、液化、焦化等性能,也是分析煤的成因和地质条件的重要依据。因此,煤岩显微组分分析具有重要研究意义和应用价值。然而,目前煤岩显微组分分析存在着主观性强、耗时、耗力、专业化程度高等问题,严重制约了煤岩学在各领域的应用。本文针对上述问题,在机器学习和图像处理最新研究成果的基础上,研究了煤岩显微图像质量提升、煤岩显微组分识别、平均最大镜质组反射率估计以及基于深度学习的煤岩显微图像语义分割等问题。具体内容如下:针对低对比度和模糊的煤岩显微图像,采用基于Gamma校正的图像增强算法,有效提升图像对比度和视觉效果,同时有利于后续的图像分割和图像识别。针对煤光片制作过程中因研磨、抛光等操作导致的划痕问题,提出一种基于Hough变换和Criminisi算法的划痕检测和修复方法,有效修复煤岩显微图像中的划痕并保持纹理信息的完整性。针对煤岩显微组分识别主观性强且需要测定者具有较好的煤岩学基础的问题,提出一种基于图像分割和图像分类的煤岩显微组分识别框架。鉴于煤岩显微结构的复杂性和非均质性,首先采用由粗及细的煤岩显微图像聚类分割算法将图像分割成一系列只包含单一组分的区域,然后采用随机森林并结合几何、灰度和纹理特征实现对背景树脂以及7种显微组分的自动识别,这些组分包括镜质体、丝质体、半丝质体、角质体、孢子体、碎屑惰质体和微粒体。实验结果显示所提方法的识别准确率达到90.44%,为后续煤岩显微组分分析奠定了基础。另外,为了协助煤岩工作者进行煤岩分析,发布了首款公开的煤岩显微组分识别软件,下载地址为:https:/github.com/GuyooGu/MISC-Master。针对镜质组反射率测量操作过程繁琐、耗时耗力和对测定条件要求高等问题,提出一种基于机器学习的全自动平均最大镜质组反射率估计方法。考虑到煤岩显微图像中显微组分种类不确定的问题,首先采用自适应K-means聚类分割算法自动检测聚类个数并完成分割,然后利用SVM结合复合特征完成镜质组区域的识别,对每幅图像中识别出的最大镜质组区域进行网格化处理,得到一系列方形镜质组区域,并进行后续的回归分析。实验结果显示该方法能准确快速地测定平均最大镜质组反射率,预测结果和参考值之间存在较强的相关性,验证了基于机器学习的平均最大镜质组反射率估计方法的有效性。为了协助煤岩工作者开展镜质组反射率分析,发布首款免费公开的镜质组反射率分析软件,下载地址为:https://github.com/GuyooGu/MMVRML。针对传统图像分割算法适用性有待提高的问题,将基于深度学习的图像语义分割算法引入到煤岩显微图像分割中,该类算法能够自动学习合适的特征进行分割,可以实现端到端的学习。实验共对4种基于深度学习的语义分割模型进行评估,结果显示基于Unet系列的语义分割方法在煤岩显微图像分割中性能最优,分割效果接近于人工标注结果,验证了基于深度学习的语义分割算法在煤岩显微图像分割中的有效性。本文的研究综合了煤岩学、图像处理和机器学习等多门学科,产生的研究成果能够丰富图像处理和机器学习在煤岩显微图像分析中的相关理论和应用,能够有效提高煤岩自动分析的效率和准确性,极大推动煤岩学在煤加工等各领域的推广和应用,具有重要的理论意义和实践意义。该论文有图69幅,表15个,参考文献145篇。