基于局部特征的礦物浮選泡沫圖像分類與工況識別.pdf

1、近年來，數(shù)字圖像處理技術在礦物浮選過程中得到了廣泛的研究與應用。浮選泡沫表面狀態(tài)信息與浮選生產(chǎn)狀況、經(jīng)濟指標之間密切相關，通常不同的浮選工況，泡沫表面紋理深淺、清晰度、顏色等特征各不相同，可以通過識別泡沫圖像來得到工況信息。然而，由于浮選泡沫圖像含工業(yè)粉塵、光照噪聲較大，影響了泡沫圖像分類識別的準確度。因此研究如果降低噪聲影響，提高分類識別準確率具有重要意義。論文主要研究工作與創(chuàng)新成果如下:
　　(1)針對獲取到的泡沫圖像含噪聲較

2、大，影響了分類準確度的問題，提出了一種基于局部特征向量空間模型的泡沫圖像分類方法。該方法通過對泡沫圖像進行局部分塊，抽取圖像局部信息，再進行一定抽象處理后進行分類識別，能夠有效降低噪聲對分類準確度的影響。
　　(2)在泡沫圖像詞袋向量的基礎上，引入貝葉斯概率模型，并用最大期望算法對概率模型參數(shù)進行估計，提出了基于局部特征貝葉斯概率模型的泡沫圖像分類方法。相對于基于局部特征向量空間模型的泡沫圖像分類方法，該方法由于充分利用了經(jīng)驗知識

3、和樣本信息，分類準確率得到進一步提高。
　　(3)針對因局部紋理、顏色等靜態(tài)特征相似，難以識別出運動紊亂泡沫圖像的問題，利用尺度不變特征變換算子，通過檢測、匹配泡沫圖像局部特征點，提取浮選泡沫圖像的動態(tài)特征參數(shù)。
　　(4)以硫浮選為對象，在分析了泡沫各類特征參數(shù)與工況關系的基礎上，綜合考慮泡沫圖像局部的靜、動態(tài)特征參數(shù)與浮選性能的關系，提出了基于局部靜、動態(tài)特征的浮選泡沫圖像分層分類識別系統(tǒng)。
　　采用現(xiàn)場檢測數(shù)據(jù)進