针对煤泥浮选泡沫灰度图像统计纹理特征问题,通过实验室浮选柱试验,采集了大量的煤泥浮选泡沫图像,分析了泡沫图像的类别及特征,提出了描述浮选泡沫纹理特征的灰度行程矩阵提取算法,并进一步提取灰度行程矩阵的行程因子特征参数来描述浮选泡沫的视觉纹理特征,分析了各特征参数随浮选时间的变化关系.研究表明,泡沫灰度行程因子特征参数能够表征浮选泡沫图像纹理特征,并与特定的泡沫状态相关,可为煤泥浮选视觉监控系统提供泡沫状态信息.

泡沫图像气泡尺寸分布特征估计算法

为了解决煤泥浮选泡沫图像分割中传统分水岭算法的过分割问题,提出了一种基于自适应标记提取的改进分水岭算法。该方法首先对浮选泡沫图像进行高斯滤波,再运用基于形态学的扩展最大值技术从泡沫图像中自适应提取标记,利用标记对梯度图像进行修改,最后使用分水岭算法对修正后的梯度图像进行分割。试验结果表明,改进后的算法克服了标记提取需要先验知识、分割过程繁琐等问题,使参数选取更加合理,分割结果更加准确。

铜浮选泡沫图像局部谱特征提取的新方法

泡沫图像特征是指泡沫图像中与浮选性能相关的局部黑色水化区域大小,即局部光谱特征.针对这一局部光谱特征形状、大小无规则性,提出了一种基于多维主元分析的特征提取方法,并将提取的特征应用于铜浮选粗选过程病态工况识别.首先,描述了铜浮选粗选过程,分析了影响粗选过程的主要因素和黑色水化区域形成机理;然后,提出一种基于多维主元分析的图像局部光谱特征提取方法;最后,将基于多维主元分析的图像局部光谱特征提取算法应用于铜浮选粗选泡沫图像,并将所提取的图像特征用于铜粗选病态工况识别.工业现场数据验证了所提方法的有效性.

浮选泡沫图像等效尺寸分布特征提取

一种新型的铜浮选泡沫图像局部光谱特征提取方法

基于灵敏泡沫图像特征的锑粗浮选试剂添加控制

针对一类边缘特征不明显的矿物浮选泡沫图像,提出了一种基于模糊三值模式的泡沫图像边缘检测方法.在‘0/1’二值模式基础上,增加不确定逻辑状态,构成模糊局部三值模式,以描述邻域像素灰度均值的不确定关系,同时,对邻域双向灰度差值之和进行模糊化,以描述边缘与非边缘方向的关系,联立邻域灰度关系与双向灰度差值隶属度,构造气泡边缘隶属度矩阵,依据联合隶属度的解模糊结果判决是否为边界候选像素,再根据边界候选像素集合的特征剔除非边界像素,以此得到泡沫边缘.实验结果表明,该方法能够有效地检测出气泡边缘,同时,在强噪声环境下,具有良好的鲁棒性.

针对表征矿物浮选工况的泡沫图像特征冗余性大的问题,提出了一种无监督约简的浮选泡沫图像特征选择方法.该方法首先定义敏感性指数,并基于敏感性指数约简得到与工况相关的敏感图像特征集;然后针对敏感图像特征之间的自相关性,提出基于粗糙集属性重要度的敏感图像特征集约简方法;最后将该方法应用于金锑浮选过程,并利用工业现场数据进行测试,证明了该方法的有效性,为基于机器视觉的浮选过程监控创造了条件.