礦物浮選泡沫圖像增強(qiáng)與分割方法研究及應(yīng)用.pdf

1、礦物浮選是利用礦物顆粒表面物理化學(xué)性質(zhì)的差異來(lái)選分礦石的一種方法，其泡沫的表面視覺(jué)特征直接反映浮選生產(chǎn)工況。目前，我國(guó)有色金屬的浮選過(guò)程主要依靠人工觀察泡沫狀態(tài)進(jìn)行操作參數(shù)的調(diào)整，在當(dāng)前礦源復(fù)雜多變的情況下，這種操作方式存在很大的主觀性和隨意性，嚴(yán)重影響浮選過(guò)程的優(yōu)化運(yùn)行。將機(jī)器視覺(jué)技術(shù)引入礦物浮選過(guò)程，完成泡沫參數(shù)的準(zhǔn)確測(cè)量和生產(chǎn)狀態(tài)的量化描述，對(duì)優(yōu)化浮選過(guò)程操作具有重要作用。然而，浮選現(xiàn)場(chǎng)環(huán)境惡劣，浮選槽內(nèi)光照不均，獲取的泡沫圖像存

2、在大量噪聲，同時(shí)泡沫大小不均且混雜粘連，形狀欠規(guī)則，使得泡沫尺寸與形狀特征難以有效測(cè)量。因此，研究準(zhǔn)確的泡沫圖像尺寸測(cè)量與形態(tài)特征提取方法，對(duì)保證浮選過(guò)程的優(yōu)化運(yùn)行，提高礦產(chǎn)資源的回收率具有非常重要的現(xiàn)實(shí)意義。
　　論文在浮選工藝機(jī)理分析的基礎(chǔ)上，研究氣泡尺寸、形狀特征與浮選工況之間的關(guān)系，結(jié)合泡沫視覺(jué)圖像特點(diǎn)，提出基于多尺度幾何分析的浮選泡沫圖像預(yù)處理方法和面向參數(shù)測(cè)量的分水嶺分割方法，并應(yīng)用于鋁土礦浮選過(guò)程監(jiān)控中。論文主要研究

3、工作及創(chuàng)新性成果包括:
　　(1)針對(duì)浮選泡沫的非均勻非定向運(yùn)動(dòng)造成泡沫圖像存在模糊化的問(wèn)題，提出一種基于自適應(yīng)窗函數(shù)的泡沫圖像清晰度評(píng)價(jià)方法。通過(guò)進(jìn)一步構(gòu)造清晰度復(fù)合評(píng)價(jià)方法，實(shí)現(xiàn)浮選圖像的量化評(píng)價(jià)，篩選符合質(zhì)量要求的圖像，大量實(shí)驗(yàn)結(jié)果表明該評(píng)估方法具有良好的穩(wěn)定性和實(shí)用性。
　　(2)針對(duì)浮選泡沫圖像存在光照不均和陰影的問(wèn)題，詳細(xì)分析了顏色恒常感知計(jì)算——Retinex理論的原理與特點(diǎn)，提出一種結(jié)合泡沫對(duì)象特點(diǎn)的區(qū)域自適

4、應(yīng)多尺度Retinex光照補(bǔ)償方法。分別采用基于GCLM二維交叉熵算法和快速二值算法對(duì)圖像進(jìn)行粗分割，以此作為先驗(yàn)信息對(duì)泡沫區(qū)域進(jìn)行分類(lèi)，為結(jié)構(gòu)元素的自適應(yīng)選取提供先驗(yàn)知識(shí)。通過(guò)對(duì)強(qiáng)對(duì)比度區(qū)域識(shí)別和定位，避免Retinex算法在處理強(qiáng)對(duì)比度區(qū)域邊界出現(xiàn)的“光暈”現(xiàn)象。該方法有效地對(duì)泡沫圖像光照不均情況進(jìn)行了補(bǔ)償，為后續(xù)圖像分析與處理奠定了基礎(chǔ)。
　　(3)針對(duì)泡沫圖像存在對(duì)比度低，易受環(huán)境噪聲和光照影響的問(wèn)題，提出基于多尺度幾何分

5、析的浮選泡沫圖像增強(qiáng)方法。首先構(gòu)造改進(jìn)多尺度幾何分析方法完成泡沫圖像的分解，以保證信號(hào)的平移不變性，避免造成圖像邊緣模糊;然后針對(duì)低頻子帶系數(shù)值相差甚小，受工業(yè)光照影響嚴(yán)重，引入多尺度Retinex算法實(shí)現(xiàn)增強(qiáng)效果，改善其亮度均勻性;再對(duì)各高頻子帶根據(jù)分解系數(shù)的統(tǒng)計(jì)模型，構(gòu)造非線(xiàn)性增強(qiáng)函數(shù)。該方法可以改善圖像亮度均勻性，增強(qiáng)泡沫圖像的弱邊緣信息，保持強(qiáng)邊緣信息，消除噪聲，明顯改善了泡沫圖像的視覺(jué)效果，解決泡沫邊緣不明顯和噪聲所帶來(lái)的圖像

6、欠分割問(wèn)題。
　　(4)針對(duì)氣泡混雜粘連的特點(diǎn)，提出一種面向參數(shù)測(cè)量的分水嶺圖像分割方法。采用快速閾值法完成對(duì)泡沫圖像的粗分割，再結(jié)合空間關(guān)系和LBPV紋理特征對(duì)圖像中存在的透明窗、黑洞和狹長(zhǎng)光亮帶加以識(shí)別與處理，并提取透明窗和黑洞指數(shù)。提出了基于區(qū)域自適應(yīng)的多尺度數(shù)字形態(tài)學(xué)標(biāo)記提取方法，最后在多尺度梯度圖像上使用改進(jìn)的分水嶺方法完成分割。這種面向?qū)ο笳Z(yǔ)義特征的圖像分割、特征提取與識(shí)別協(xié)同處理方法極大地提高了算法的魯棒性，避免了工