煤炭是我国的主要能源之一,煤矸石在线图像识别技术是实现煤矿工业自动化的先进技术。由于煤矸石图像中存在着大量的不确定信息,而粗糙集理论能有效地分析和处理不精确、不一致、不完整的信息。因此,论文主要用粗糙集理论对煤矸石图像进行预处理和识别。煤矸石图像预处理主要包括图像滤波,图像增强和边缘检测。首先介绍了粗糙集理论的一些基本概念,然后利用粗糙集的不可分辨关系,对煤矸石图像的噪声点进行划分并消除,消除噪声后采用一种基于粗糙集的改进中值平滑算法对煤和矸石图像进行增强,使图像的边缘和纹理信息更明显。论文在分析传统边缘检测算法的基础上提出了一种基于粗糙集的煤矸石图像边缘检测算法,并用该算法对煤矸石图像进行边缘检测,同时与其它传统边缘检测算法进行了比较。传统的图像识别算法主要是根据煤矸石图像的灰度和均方差特性进行识别。本文根据煤矸石图像自身的特点,提出了一种新的基于粗糙集理论的煤和矸石图像识别算法,该算法考虑到了煤矸石图像的纹理特征。首先根据煤与煤矸石不同图像,运用灰度直方图和灰度梯度共生矩阵(GLGCM)提取灰度及纹理特征,分别计算15个特征值,并用Matlab7.0进行了仿真。根据特征向量建立煤矸石图像特征的决策表并离散化,应用粗糙集理论对决策表属性进行约简,从约简后的决策表中获取决策规则,最后按照规则可信度的大小用Rose2软件规则的匹配从而实现图像的识别。结果表明:采用基于粗糙集理论的图像识别算法对煤矸石样本图像识别准确率达到87%左右,实际中由于工业环境下煤与矸石混杂粉尘的影响,识别效果可能有所偏差。