礦物浮選泡沫圖像形態(tài)特征提取方法與應用.pdf

1、礦物浮選是在特定工藝條件下，在礦漿中加入浮選藥劑，并充入空氣、然后攪拌產(chǎn)生大量氣泡，最后通過回收含礦泡沫來提高原礦品位，以此滿足還原冶煉要求的一種選礦方法。浮選泡沫具有數(shù)量多、粘連、混雜、形狀不規(guī)則等特點，泡沫尺寸與形狀特征難以定量描述。目前，我國有色金屬礦山的浮選過程主要通過人工觀察泡沫狀態(tài)來調(diào)整操作，影響浮選過程的優(yōu)化運行和有用金屬回收率。因此，研究泡沫圖像形態(tài)特征提取方法，并用于指導浮選工業(yè)過程操作，對提高礦產(chǎn)資源的利用效率、實現(xiàn)

2、企業(yè)的可持續(xù)發(fā)展，具有非常重要的現(xiàn)實意義。
　　 論文在分析研究浮選機理的基礎上，依據(jù)氣泡與礦粒的粘附原理，研究了氣泡尺寸、形狀特征與浮選工況之間的關系，在此基礎上，提出了基于機器視覺的浮選泡沫圖像形態(tài)特征提取方法，并成功應用于礦物浮選過程泡沫圖像監(jiān)控系統(tǒng)中。論文主要研究工作及創(chuàng)新性成果體現(xiàn)在以下幾個方面：
　　 (1)針對浮選泡沫圖像分割過程中人工選擇結構元素存在的問題，詳細分析了氣泡亮點的統(tǒng)計信息特點，提出了基于幾何

3、模式譜的結構元素選擇方法。以改進的模糊C均值算法對圖像進行聚類，為結構元素的選取提供先驗知識，以形態(tài)學面積重構開閉運算方法完成圖像的除噪。通過定義二值圖像的幾何模式譜，證明了任意形狀屬性算子的非遞增特性，為將該特性擴展至灰度圖像，運用最大樹原理對圖像進行枝剪，使得算法能夠高效地計算尺寸與形狀模式譜值。該方法充分利用氣泡表面的亮點信息，有效地為泡沫圖像分割過程提供結構元素，確保了圖像分割準確性，在很大程度上減少了對人工經(jīng)驗的依賴。

4、　　 (2)針對形態(tài)學處理過程中的一類結構元素尋優(yōu)問題，提出了基于粒子群算法的結構元素優(yōu)化方法，在定義幾何模式譜目標函數(shù)的基礎上，通過連續(xù)改變結構元素的尺寸與形狀，計算幾何模式譜的全局最小值得到最優(yōu)結構元素。該方法有效避免了局部最優(yōu)問題，同時保證了算法的實時性。
　　 (3)針對氣泡混雜粘連的特點，提出了基于分級分水嶺算法的泡沫圖像自適應分割方法。在選取最優(yōu)結構元素的基礎上，以經(jīng)典分水嶺算法完成對泡沫圖像的粗分割。提出了基于模

5、糊紋理譜的泡沫圖像識別方法，對模糊紋理譜方法加以改進，提出了非線性模糊紋理譜特征提取方法，以支持向量機完成粗分割區(qū)域的識別，根據(jù)識別結果采取不同處理策略，其中對欠分割的小泡區(qū)域進行細分割，運用圖像區(qū)域合并方法，對過分割的區(qū)域進行區(qū)域合并，通過定義圖像分割評估機制，完成分割結果的評估。這種圖像分割、特征提取與識別協(xié)同處理的方法極大地提高了算法的魯棒性，避免了氣泡混雜不均對分割結果的影響，有效地減少了欠分割和過分割區(qū)域。
　　 (4

6、)針對泡沫尺寸與形狀特征難以定量描述問題，提出了泡沫圖像的尺寸與形狀特征提取方法。在圖像分割的基礎上，對氣泡分割區(qū)域像素進行標定，引入樣本統(tǒng)計分布的概念，提取了氣泡平均尺寸、方差、偏斜度及陡峭度等統(tǒng)計特征。從定性與定量的角度描述了泡沫形狀特征，針對定性分析的局限性，提出了基于形態(tài)學簽名變換的泡沫形狀特征提取方法，將氣泡復雜形狀的特征提取問題轉化為從多個簽名形狀中抽取簡單形狀特征的問題，在很大程度上簡化了復雜形狀的描述。該方法通過統(tǒng)計氣泡

7、群的特征信息，有效地量化了氣泡形態(tài)特征，具有良好的實用性。
　　 (5)以實際礦物浮選過程為研究對象，設計了泡沫圖像獲取硬件平臺，開發(fā)了礦物浮選泡沫圖像監(jiān)控系統(tǒng)，在此基礎上，分析泡沫形態(tài)特征與礦物回收率的相關性，建立了基于最小二乘支持向量機的礦物回收率預測模型，為提高算法實時性，對模型進行稀疏化處理，實現(xiàn)了浮選生產(chǎn)過程實時監(jiān)控。系統(tǒng)的泡沫特征曲線能夠為生產(chǎn)工人提供明確的工況信息，并給出具體的操作建議，避免了工人操作的盲目性，提高