礦物浮選泡沫圖像增強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)的差異來選分礦石的一種方法，其泡沫的表面視覺特征直接反映浮選生產(chǎn)工況。目前，我國有色金屬的浮選過程主要依靠人工觀察泡沫狀態(tài)進行操作參數(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)重影響浮選過程的優(yōu)化運行。將機器視覺技術(shù)引入礦物浮選過程，完成泡沫參數(shù)的準(zhǔn)確測量和生產(chǎn)狀態(tài)的量化描述，對優(yōu)化浮選過程操作具有重要作用。然而，浮選現(xiàn)場環(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量。因此，研究準(zhǔn)確的泡沫圖像尺寸測量與形態(tài)特征提取方法，對保證浮選過程的優(yōu)化運行，提高礦產(chǎn)資源的回收率具有非常重要的現(xiàn)實意義。
　　論文在浮選工藝機理分析的基礎(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)合泡沫視覺圖像特點，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)測量的分水嶺分割方法，并應(yīng)用于鋁土礦浮選過程監(jiān)控中。論文主要研究

3、工作及創(chuàng)新性成果包括:
　　(1)針對浮選泡沫的非均勻非定向運動造成泡沫圖像存在模糊化的問題，提出一種基于自適應(yīng)窗函數(shù)的泡沫圖像清晰度評價方法。通過進一步構(gòu)造清晰度復(fù)合評價方法，實現(xiàn)浮選圖像的量化評價，篩選符合質(zhì)量要求的圖像，大量實驗結(jié)果表明該評估方法具有良好的穩(wěn)定性和實用性。
　　(2)針對浮選泡沫圖像存在光照不均和陰影的問題，詳細(xì)分析了顏色恒常感知計算——Retinex理論的原理與特點，提出一種結(jié)合泡沫對象特點的區(qū)域自適

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

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

6、欠分割問題。
　　(4)針對氣泡混雜粘連的特點，提出一種面向參數(shù)測量的分水嶺圖像分割方法。采用快速閾值法完成對泡沫圖像的粗分割，再結(jié)合空間關(guān)系和LBPV紋理特征對圖像中存在的透明窗、黑洞和狹長光亮帶加以識別與處理，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的分水嶺方法完成分割。這種面向?qū)ο笳Z義特征的圖像分割、特征提取與識別協(xié)同處理方法極大地提高了算法的魯棒性，避免了工