煤泥浮选泡沫图像分割与特征提取_林小竹
矿山工程技术其他学科
的加权 ， 比较表 明，使用气泡投影 的横 截 面积 作为加权系数是描述气泡分布情 况 最 适 合 的 方法 ． 同 时 还 讨 论 了气 泡特
征 与浮选操 作条件之间的关系 ，为计算 机在线控制浮选过程建立基础． 图 ３表
３参 １ ０
的气 泡 情 况 ． 通 过 对 比表 面 积 进 行 不 同
深部采场突水构造矿 井瞬 变电磁法 探查 理 论 及 应 用 ＝ Ｔ ｅｒｔ ａ ｎｌｓ ｏ ｈ ｏｅｉ ｌ ａｙｉ ｆ ｃ ａ ｓ
ｍｉ ｅ ｒ ｎ ｉｎ ｅ ｅ ｔ ｍａ ｎ ｔ ｍｅ ｈ ｄ ｎ ｔ ｓ ｔ ｌ ｃｒ ａ ｅ ｏ ｇ ｅｉ ｃ ｔｏ ａ ｄ ｉ ｐ ｌ ａｉ ｎ ｉ ｅ ｅ ｔｎ ｔ ｒ ｕ ｓ ｎ ｔ ａ ｐ ｉ ｔ ｎ ｄ ｔ ｃｉ ｇ ｗａｅ ｒ ｔ ｓ ｃ ｏ ｂ
ｃ ａ 刊 ，中］ 彭荣华（ ｏｌ［ ／ 湖南科技大 学化 学化工学院，湘潭 ４ ０ ） １ ２ １，曾文南，李 １ 晓 湘 ∥ 煤 炭 学 报 ． ２ ０ ， ３ （）一 一 ０ ７ ２８．
８ ０～ ８ ４ ６ ６
为 了从基于分水岭变换分割后 的煤泥浮 选泡沫 图像上获得更加准确 的气泡大 小 的分布情况 ， 需要计算气泡 的比表面积． 由于气 泡的不规则性 ，使用等效椭 圆比 等 效圆来计算面积、体积更能反应真实
维普资讯
２０ 年 １ ０７ ３卷 第 ２ ４期
过 ３次坐标旋转变换 ，对三分量矢量波 场数据进行分离 ，用质 点振动图法计算 偏 振 角 ． 对 分 离 后 的 快 、 慢 波 进 行 ＶＳ —ＤＰ ＰＣ 成像 ，计算各 向异性系数与裂 隙密度 ，并通过 实例验证 了该方法的可 行 性 ． 图 ６参 １ ２ 关键词 ：方位各 向异 性；横波分裂 ；三 分量垂直地震剖面；裂 隙
利用阈值分割技术提取煤泥浮选泡沫图像的物理特征
浮选 是 主要 的煤 泥分 选 方法 ，精矿 泡 沫是 浮 选 的 主要产 品 ，泡 沫 表 面性 质 最 直观 、最 迅 速地 反 映 了浮 选 的分 选效 果 。但 是浮 选过 程 的操 作 主 要通 过 操 作 人员 观 察 泡沫 的特 征来 调 节 ，强 烈依 赖 人 的经
Ａｂ ｔａ ｔ ｈ ａ ｅ ｉｃ ｓ ｅ ｈ ｔｏ ｏ ｇ ｔｔｅ ｆａ ｉ ｇ ｅ ｔ ｒ ｓ ｏ ｌ ｏ ｔ ｔ ｎ ｔｉ ｆ ｓ ｔ ｏ ｖ ｒ ｔ ｅ ＲＧＢ ｉ ｇ ｎ ｔ ｓ ｒ ｃ ：Ｔ ｅ ｐ ｐ ｒ ｄｓ ｕ ｓ ｄ ｔ ｅ ｍｅｈ ｄ ｔ ｅ ｈ ｏ ｍ ｍａ ｅ ｆａ ｕ ｅ ｆ ｉ ｆ ａａｉ ．Ｉ ｓ ｉ ｔ ｏ ｃ ｎ ｅ ｔ ｈ ｓ ｍｅ ｌ ｏ ｒ ｍａ ｅ ｉ ｏ ａ ｇ ａ ｅ ｅ ｍａ ｅ ｈ ｎ ｔ ｓ ｉｔｇ ａ ｅ ｕ ｌ ａｉｎ ａ ｄ ｌｃ ｄ ｌ ｏ ｎ ｌ ａｉ ｎ ｗａ ｅ ｔ ｍｐ ｏ ｅ ｃ ｎ ｒ ｓ ｆｔ ｅ ｉ ｇ ｅ ｈ ｈ ｅ ｈ ｌ ｒ ｙ ｌｖ ｌｉ ｇ ，ｔ ｅ ｏ ｕ ｅ ｈ ｓｏ ｍ ｑ ａ ｉ ｔ ｎ ｏ ａ ｍｉ ｄ ｅ ｐ ｉ ｔ ｔ ｔ ｖ ｏ ｉ ｒ ｖ ｏ ｔ ｔ ｍａ ．Ｔ ｅ ｔｒ ｓ ｏ ｄ ｒ ｚ ｏ ｌ ｉ ｆ ｒ ｏ ａ ｏ ｈ ｓ ｇ ｎ ａｉｎ ａ ｄ ｔ ｒ ｓ ｏ ｄｎ ａ ｅ ａ ｐ ｉｄ ｔ ｅ ｈ ｕ ｅ ｆｔ ｅｂ ｂ ｌ ｓａ ｄ ｔ ａｃ ｌ ｔ ｈ ｒ ａ ｈ ｒ ｎ ｒｍｅ ｅ ｆ ｅ ｂ ｉｈ ｅ ｍｅ ｔ ｔ ｎ ｈ ｅ ｈ ｌ ｉ ｇ ｃ ｎ ｂ ｐ ｌ ｇ ｔ ｅ ｎ ｍｂ ｒｏ ｕ ｂ ｅ ｎ ｏ ｃ ｕ ａｅ ｔ ｅ ａ ｅ ，ｓ ａｐ ａ ｄ ｐ ｉ ｔ ｒ ｏ ｒｇ ｔ ｏ ｅ ｏ ｔ ｈ ｌ ｅ ｓ ｈ ｔ ｐ ｉ ｔ ．Ｉ ａｓ ａ ａ ｃ ｌ ｔ ｔ ｅ ｐ ｒ ｃｅ ｉｔ ｂ ｔ ｎ ｏ ｈ ｕ ｂ ｅ ． Ａ ｅ ｔ ｄ ｎ ５ ｏ ｍ ｍａ ｅ ｆｔ ｅ ｓｉ ｏ ｔ ｔ ｎ ｈ ｔ ｏ ｏ ｎ ｓ ｔｌ ｏ ｃ ｌ ｃ ｕ ａｅ ｈ ａ ｉ ｌｓ ｄ ｓｒ ｕｉ ｆｔ ｅ ｂ ｂ ｌｓ ｌ ｌ ｔ ｉ ｏ ｔ ｆ ｒ ａ ｓｕ ｙ ｏ ｆ ａ ｉ ｇ ｓｏ ｈ ｌ １ ｍｅ ｆ ａ ａｉ ，ｔ ｅ ｍｅ ｈ ｄ ｌ ｏ ｉ ｓ ｉ ｂ ｅ ｆ ｒｔ ｅ ｉ ｇ ｔ ｒ ｈ ｉ ｔａ ｄ ｌｒ ｅ ｂ ｂ ｌｓ ａ ｄ ｃ ｎ ｇ ｉ ｅ ｔｅ ｏ ｒ ｔ ｎ ｏ ｈ ｌ ｏ ｔ ｔ ｎ ｓ ｕ ｔ ｌ ｍａ ｅ ｗｉ ｂ ｉ ｔ ｎ ｎ ａ ｇ ｕ ｂ ｅ ｎ ａ ｕ ｄ ｈ ｐ ａ ｉ ｆｔ ｅ ｓｉ ｆ ａ ａ ｉ ． ａ ｏ ｈ ｈ ｇ ｐ ｏ ｅ ｏ ｍｅ ｌ ｏ Ｋｅ ｒ ｓ ｌ ｏ ｔｔ ｎ；ｆ ａ ；ｉ ｇ ｎ ａ ｃ ｍｅ ｔ ｈ ｅ ｈ ｌ ｅ ｅ ｔｔ ｎ；ｔ ｒ ｓ ｏ ｄｎ ｙ ｗｏ ｄ ：ｓｉ ｆ ａａ ｉ ｍｅ ｌ ｏ ｏ ｍ ｍａ ｅ ｅ ｈ ｎ ｅ ｎ ；ｔ ｒｓ ｏ ｄ ｓ ｇ ｎ ａ ｉ ｍ ｏ ｈｅ ｈ ｌｉｇ
煤泥浮选泡沫图像大小对其识别的影响
煤泥浮选泡沫图像大小对其识别的影响摘要：通过对煤泥浮选泡沫图像的任意大小、200×200象素图像和256×256象素图像的纹理特征分析，得出表征图像的纹理特征，并用此纹理特征作为图像识别的学习样本，在自组织神经网络的竞争学习下进行分类，得出了不同大小图像的识别结果，200×200象素图像的识别正确率达74%，256×256象素图像的识别正确率达到77%。
关键词：浮选泡沫；图像大小；纹理特征；自组织神经网络一、前言我国是煤炭生产和利用大国，煤炭是我国的主要能源，也是重要的工业原料。
同国外煤炭资源相比，中国煤炭资源具有煤种多，高灰、高硫煤比重大，煤炭洗选难等特点。
随着工业生产的不断发展，对煤炭资源利用率的要求越来越高。
而目前国内的煤矿开采多是大型机械化，在煤的开采、装载、运输、洗选过程中煤粒会不断变小，存在大多数细粒煤，这也增加了煤泥浮选的工艺和难度。
煤泥浮选过程是在气、固、液的三相矿浆体中进行的，并且是一个复杂的物理化学过程，浮选机理主要是根据煤和矸石表面物理化学性质的差异进行的，其中煤的表面显疏水性，而矸石表面显亲水性[1]。
煤泥浮选是根据煤泥中精煤和矸石表面润湿性的差异，通过气泡的上浮作用，将精煤从煤泥中分离的过程。
为了能更好的实现煤泥浮选自动控制对煤泥浮选泡沫的分类判断就尤为重要，它也是实现煤泥的浮选自动控制不可缺少的部分，为此，本文在刘文礼研究的煤泥浮选泡沫图像的基础上对任意大小、固定大小的图像进行对比研究分析，进一步分析煤泥浮选泡沫图像的识别情况。
二、浮选泡沫图像的准备：本文以刘文礼等[2]在实验室浮选柱浮选过程中拍摄的50组（每组有两次平行实验），共100幅浮选泡沫图像作为研究对象。
煤泥浮选泡沫图像的合理选取对浮选泡沫图像的研究有重要意义。
本文中分别采用了三种不同大小的图像，即：任意大小的图像、200×200象素图像和256×256象素图像，其中任意大小的图像是刘文礼在进行煤泥浮选泡沫识别研究课题时所切割出来的，为了与固定大小图像进行对比，借鉴了他的图像，作为第一类图像（如图1所示）。
基于VC﹢﹢的矿物浮选泡沫图像处理系统软件的设计与实现的研究报告
基于VC﹢﹢的矿物浮选泡沫图像处理系统软件的设计与实现的研究报告本文针对矿物浮选泡沫图像处理的实际需求，研究设计了一款基于VC++的泡沫图像处理系统软件。
该系统软件主要包括图像采集、预处理、特征提取、分类识别和结果输出等五个重要模块。
首先，图像采集模块主要负责从雷达、红外、可见光等多种传感器获取矿物浮选泡沫图像。
其次，在预处理模块中，对采集到的图像进行了去噪、灰度化、二值化等一系列常见的图像预处理操作，为特征提取模块做好准备。
在特征提取模块中，采用了多维特征提取算法，通过泡沫大小、形状、颜色、纹理等多个方面的维度，将矿物浮选泡沫图像的特征进行提取，并生成相应的特征向量。
在分类识别模块中，采用了深度学习方法，搭建了卷积神经网络（CNN）进行分类和识别。
该模块通过对特征向量进行训练，得到相应的分类模型，并可实现对图像进行自动分类和识别。
最后，在结果输出模块中，软件将分类和识别结果输出到图形化界面上，为后续的矿物浮选作业提供了有力的支持。
综上所述，该基于VC++的矿物浮选泡沫图像处理系统软件的主要功能是实现矿物浮选泡沫图像的获取、预处理、特征提取、分类识别和结果输出，为矿物的分类和识别提供了有效的帮助，也为工业生产和科学研究提供了有力的支持。
为了更好地理解和评估VC++矿物浮选泡沫图像处理系统软件的性能，我们需要对相关数据进行分析。
1.图像采集数据在开发阶段，我们采集了大量的矿物浮选泡沫图像，这些图像来源于不同的传感器，以不同的角度拍摄，具有浮选泡沫的各种颜色和多样形态。
2.预处理效果数据我们对采集到的图像进行了去噪、灰度化、二值化等预处理操作，我们将不同预处理方法的结果进行了对比。
3.特征提取数据在特征提取模块中，我们采用了多维特征提取算法，并通过主成分分析（PCA）对特征进行了降维处理。
我们将降维前后的数据进行比较，以评估PCA的效果。
4.分类识别数据在分类识别模块中，我们通过K折交叉验证等方法对深度学习模型进行了评估。
基于浮选泡沫图像特征参数的应用研究
基于浮选泡沫图像特征参数的应用研究1. 绪论：介绍浮选泡沫图像特征参数的研究背景和意义，概述已有的相关研究成果，以及本研究的研究内容、目的和方法。
2. 浮选泡沫图像特征参数的提取方法：介绍浮选泡沫图像特征参数提取的方法，包括图像预处理、特征提取和特征选择等步骤，并详细描述各步骤的操作流程和算法原理。
3. 浮选泡沫图像特征参数的应用案例：选择具有代表性和实用性的浮选泡沫图像应用案例进行讲解，并通过实验数据分析，展示特征参数在浮选泡沫图像中的应用效果和性能优势。
4. 特征参数的优化算法：针对现有特征参数提取方法存在的问题和局限性，提出一种基于优化算法的特征参数优化方法，通过实验数据分析验证其优化效果。
5. 结论和展望：总结本研究的主要成果和贡献，强调特征参数在浮选泡沫图像中的应用前景和发展潜力，并提出未来研究的方向和计划。
第1章节：绪论随着矿产资源的日益匮乏，对浮选技术的要求越来越高。
浮选泡沫图像特征参数作为浮选技术中重要的数据来源之一，对于提高浮选效率和产品品质具有重要意义。
因此，越来越多的研究者开始关注浮选泡沫图像特征参数的研究和应用。
本研究旨在探讨浮选泡沫图像特征参数的提取方法和应用，并提出一种基于优化算法的特征参数优化方法，以便更好地应对日益复杂和多变的浮选场景。
1.1 研究背景浮选是矿物加工中一种重要的分离技术，广泛应用于金属矿山、化工、建材等行业。
浮选过程中，泡沫作为分离固体颗粒和液体之间的介质，起着关键作用。
浮选泡沫图像记录了浮选过程中泡沫的形态、大小、数量等关键信息，是评价浮选效果和优化浮选过程的重要数据来源之一。
在浮选泡沫图像的处理过程中，如何提取出有意义的特征参数，对于分析泡沫形态和数量、优化泡沫生成和去除等都非常重要。
因此，浮选泡沫图像特征参数的研究具有重要的现实意义和应用价值。
1.2 研究目的和意义本研究的主要目的是提出一种有效的浮选泡沫图像特征参数提取方法和应用模型，以提高浮选效率和品质，并为浮选泡沫图像特征参数的优化方法提供一些思路和借鉴。
基于浮选泡沫图像特征参数的应用研究
基于浮选泡沫图像特征参数的应用研究1. 绪论1.1 研究背景和意义1.2 研究目的和内容1.3 国内外研究现状分析1.4 研究方法和步骤2. 浮选泡沫图像特征参数的提取和分析2.1 浮选泡沫图像特征参数的提取方法2.2 特征参数的分析和统计2.3 特征参数与浮选效果的关系分析3. 浮选泡沫图像特征参数的优化和改进3.1 特征参数优化的思路和方法3.2 优化后的特征参数的分析和验证3.3 改进后的特征参数的效果分析和对比4. 基于浮选泡沫图像特征参数的智能控制4.1 智能控制的理论基础和方法4.2 特征参数作为控制参数的应用研究4.3 智能控制系统的构建和实现5. 结论与展望5.1 研究成果和创新性5.2 研究的不足和改进方向5.3 应用前景和展望一、绪论随着科技的不断发展，人们对矿物精细化处理的要求也越来越高，对矿物的提取效率和产品品质都有严格的要求。
浮选技术是矿物精细化处理中主要的物理分离方法之一，其基本原理是依靠气泡将矿物与废物分离。
在实际应用中，浮选过程会受到许多因素的影响，例如氧气含量、浮选药剂浓度、气泡大小等等。
为了更好地掌握浮选过程的规律和提高浮选效率，需要对浮选过程中形成的气泡进行有效的分析和提取其图像特征参数。
本论文旨在研究浮选泡沫图像特征参数的应用，包括特征参数的提取、分析、优化和改进，以及特征参数在智能控制中的应用研究。
本章主要介绍论文的研究背景和意义、研究目的和内容、国内外研究现状分析和研究方法和步骤。
1.1 研究背景和意义浮选技术已经成为一种非常重要的矿物提取方法，是实现矿物利用高效、节能、环保的理想方法之一。
通过气泡吸附矿物颗粒，使其不断上浮，从而实现矿物的精细分选。
浮选泡沫是浮选过程中形成的气泡在液体中承载的矿物颗粒的聚集体，泡沫图像可以反映矿物颗粒在气泡表面的分布情况和浮选效果。
矿物提取的效率和产品品质直接影响到矿山生产的效益和经济效益。
因此，如何提高浮选效率、降低浮选成本、改善产品品质成为矿物提取领域的重要研究方向。
一种新的浮选泡沫图像纹理特征提取方法
是在灰度 图像背景下诞生的， 从而使得灰度共生矩阵无
法准确地描述出彩色图像的纹理特征。 为了更好地将彩
摘 要： 矿物浮选泡沫表面纹理与浮选工艺指标高低密切相关， 为了准确获取泡沫图 像纹理 ， 在灰度共生矩阵方法的 基础上提出一种新 的浮选泡沫图像纹理特征提取方法。首先将泡沫图像进行颜色空间转换 ，对转换后的泡沫图像计算 其颜色共生矩阵，然后从 归 一化后的 颜色共生矩阵中 提取特征统计量，最后根据特征统计量表征的泡沫纹理状况 ， 设 计有效描述浮选泡沫纹理的新特征参数——纹理复杂度。对所提 出的方法进行 了验证分析 ，定性地指出泡沫纹理复杂 度与矿物品位的 相关性 ， 给出了 浮选泡沫 的 最佳纹理复杂度 区间． 从而为浮选优化控制提供依据。实验结果表明， 新 方法有效 ，且优于以往 的灰度共生矩阵纹理特征提取方法。 关键词 ：浮选 ；泡沫图像 ；颜色共生矩阵 纹理 特征提取 ； 灰度共生矩 阵
所谓泡沫浮选 ， 就是一个经过磨矿环节后将有价矿 物从与其共生的脉石中分离提取出来的过程 ，其实质 ”
就是在气、液、固三相体系中，由于疏水有用的矿物与 亲水性颗粒在浮选药剂的作用下分别向不同方向流动， 从而将有用矿物颗粒从无用颗粒中分离出来。 疏水性气
收稿 日期 ：２ １－２１ ０１ — １ ４
作者 简介 ：桂卫华（９ ０ ） １５ 一 ，男，教授，主要研究方向 ：复杂生产过程建模与优化控制 ，泡沫浮选过程监控与图像处理 通信联 系人 ：陈宁 ，教授 ，主要研究方 向：复杂大 系统分散控制 ，数字 图像处理 及应 用，ｎ ｇｈｎ ＣＵ ｄ ． ｉ ｃｅ ＠ Ｓ． ｕ ａ ｎ ｅ ｃ
基于小波变换的浮选泡沫图像纹理特征提取
文献 码： 标识 Ａ
中圈分类号： Ｐ９ Ｔ３１
基 于 小 波 变换 的 浮 选 泡 沫 图像 纹 理 特征 提 取
唐朝 晖，孙园园，桂卫华 ，刘金 平
（ 中南大学信息科学与工程学院 ，长沙 ４０ ８） １０ ３ 摘 要：随矿物浮选工况 的变化 ，精选泡沫表面出现亮度分布不均、灰度分布差异性 大的特 点 ， 表现 出明显 的纹理特性 。为定量分析精选
ｂ ｇ ｔ ｅ ｓ ａ ｄ ｇ ｅ ｔｄ ｆｅ ｅ ｃ ｆ ｇ ａ ｅ ｅ ｉｔｉ ｕ ｉ ｎ ｎ ｏ ｄ ｒ【 ｎ ｌ ｚ ｈ ｅ ａｉ ｎ ｅ ｗｅ ｎ ｔｘ ｕｒ ｅ ｔ ｒ ｓ ｏ ｕ ｂ ｅ ｓ ｒａ ｅ ａ ｄ ｆｏ ａ ｉ ｎ ｉ ｒ ｈ ｎ ｓ ｎ ｒ ａ ｉ ｒ ｎ ｅ ｏ ｒ ｙ ｌｖ ｌｄ ｓｒｂ ｔｏ ．Ｉ ｒ ｅ ０ ａ ａ ｙ ｅ ｔ ｅ ｒ ｌ ｔｏ ｂ ｔ ｅ ｅ ｔ ｅ ｆ ａ ｅ ｆｂ ｂ ｌ ｕ ｃ ｎ ｔ ｔ ｕ ｆ ｏ
第３ ７卷 第 １ 期 ８
、０ ．７ ， １３
・
计
算
机
工
程
２ １ 年 ９月 ０１
Ｓｅ ｔｍ ｂ ｒ ０１ ｐｅ ｅ ２ ｌ
Ｎｏ． ８ １
Ｃｏ ｐ ｔ ｒＥｎｇ ｎ ｅ ｉ ｇ ｍ ｕｅ ｉ ｅ ｒｎ
图形 图像处 理 ・
文章编号： ００＿４８０１８ ２６ ３ ｌｏ－ ２（ ｌ１ ０—ｏ －３ ２ ）—０
Ｄ ： ０３ ６／ｉｓ． ０ —４ ８２ １．８０ ９ ０Ｉ １ ．９９ｊｓｎ１ ０３ ２ ．０ １１ ．６ ． ０
１ 概述
浮选 是矿物加工 中应用最广泛的一种选矿方法 ，用于从 矿石 中提取有 用矿物 。在化学药剂等作用下 ，有用矿物疏 水 粘附在气 泡上 ，进 入泡沫层 ，刮 出为精矿 ，因此浮选过程受 药剂 、通气量和刮板速度等 因素 的影响 。目前 ，选厂主要依 靠有经 验 的工 人观察 泡沫表 面状态 ，调整 矿浆液 位和 加药 量。然而实 际操作 的主观性和随意性较大 ，对泡沫结构的判 断没 有统一 的标准 。数字 图像处理技术的应用为工业浮选过
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图 2 过分割与 欠分割的分割结果 F ig . 2 Re su lts o f overseg m enta tion and undersegmen ta tion
近年来 , 数学形态学已经发展为一种新型的数字图像处理方法 , 在图像分割中得到了广泛的应用. 它 的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目 的 . 它包括膨胀运算与腐蚀运算 、 开运算与闭运算 4 种基本算法 , 对它们的推导和组合 , 可以产生各种不 同的形态学算法 , 其中结构元素的选择很重要 . 膨胀运算 , 一个物体在空间范围内均匀地增长 , 有使目标 成为连通域的作用 ;腐蚀运算 , 物体则均匀的收缩以及消除外部孤立噪声的效果 ;开运算具有使物体边界 光滑 , 去除小的物体 , 打断狭长的连线 ;闭运算有 除去物体上的小孔 , 融合物体间间隙的作用. 此方 法通常用于二值图像 , 但也可以扩展到灰度级图像 的处理 , 来处理过分割和欠分割的影响. 应用数学 形态学方法的 4 种基本运算对煤泥气泡灰度图像进 行预处理 , 可以很好 地处 理过分 割和欠 分割现 象. 图 3 为应用了分水岭并联合数学形态学预处理所得 的最佳结果 .
Ab stract:An e fficient segm entation a lg orithm based on w a tershed transfo r m ation w as put forwa rd fo r th e coal flo tation fro th in which the bubb les are connec te d and have th e m urky verge betw een th em. T he dilation and erosion operations based on m ath em atical m orpho lo gy so lved th e p rob lem s of over segm entatio n and unde r segm entation o f the connected com ponen ts . This a lg o rith m successfu lly segm ents th e froth bubb les and gets the ir charac teristicsthe cross sectio na l area, g irth, and shape of the bubbles which are i m po rtant info r m ation for th e on line contro l of the flo tation process . K ey w ord s: f lo tation fro th;i m age segm en tation;m athem a tical m o rphology; w a te rshed transfo r m ation 浮选是细粒和极细粒物料分选中应用最广 、 效果最好的一种选矿方法 , 同时它也是一个极其复杂的物 理化学过程 . 近几十年来国内外学者对其进行了大量研究 , 但由于浮选过程存在大量的影响因素 , 所以一 直没有一个通用的数学模型对其进行定量的描述 , 浮选过程的控制依然凭有经验来进行监测. 如南非斯坦 林布什大学化学工程系的 M oo l m an 等人根据对泡沫的颜色分析 , 获得不同品位时泡沫表面的不同纹理 结构 , 并使用神经网络技术把泡沫的纹理特征与矿物的回收率联系在一起 , 详细介绍了泡沫颜色反映泡沫 里矿物的种类和浓缩的信息 , 泡沫结果反映这个过程控制的情况 . 英国诺丁汉大学的 H arg rave 等人通过对煤泥浮选泡沫进行图像处理 , 实验结果表明 , 煤泥泡沫表面 [ 4 ～ 7] 的灰度与浮选的性能相关 . 英国 UM IST大学化学工程系的气泡与泡沫研究组 W oodburn 等进行了长期 浮选泡沫过程的研究 . 瑞典皇家工学院的王卫星 等专门从事气泡分割算法的研究 , 设计了一种基于 valley - edge 探测的分割算法 , 该算法首先对泡沫图像进行分类 , 然后在分类的基础上确定分割算法 , 通过 追踪气泡边界来分割气泡 .
[ 5 ～ 7]
1 基于分水岭变换的分割算法
分水岭算法是由 V incent等 在 1991 年提出的一种基于数学形态学的方法 . 该算法是模拟自底向上逐 渐淹没地形过程的形象的理解 . 首先设想此地形中的最低点 ( 种子点 ) 即盆地 , 当水从盆地底不断的浸 入其中 , 则该地形由谷底向上将逐渐的被淹没 , 当两个集水盆地的水将要汇合时 , 可在汇合处建立堤坝 , 直到整个地形都被淹没 , 从而就得到了各个堤坝 ( 分水岭 ) 和一个个被堤坝分开的盆地 ( 目标物体 ) . 分 水岭算法的优点在于它可以得到单一像素宽度的连续的边界 , 能检测出图像中粘连物体的微弱的边缘. 本文编写的模拟浸水的分水岭变换算法
林小竹 , 谷莹莹 , 赵国庆
1 2 1 (1. 北京石油化工学院 信息工程学院 , 北京 102617 ; 2. 中国矿业大学 (北京 ) 化学与环境工程学院 , 北京 100083)
摘 要: 针对在煤泥浮选泡沫图像中的煤泥气泡互相粘连 、 边界模糊的情况 , 根据分水岭变换模 拟浸水原理 , 提出一种新的 、 有效的分割算法 , 同时应用数学形态学中的腐蚀和膨胀算法 , 解决 了经典分水岭算法不能处理的过分割和欠分割问题 , 使得粘连的煤泥气泡得到了有效的分割. 然 后计算出各个煤泥气泡的横截面积 、 周长 、 形状等物理特征参数 , 这些参数是实现自动控制浮选 过程的重要依据 . 关键词 : 浮选泡沫 ;图像分割 ;数学形态学 ;分水岭变换 中图分类号 :TD 943. 9 文献标识码 :A
收稿日期 : 2006 - 06 - 28 责任编辑 :柳玉柏 作者简介 :林小竹 (1964 - ), 男 , 湖南安化人 , 博士 , 副教授 . Te l :010 - 81292145, E -m ail: lin zhu1964@ 263. net
[ 8] [ 3] [ 1, 2]
第 3期
第 32 卷第 3 期 2007 年 3月
煤 炭 学 报 JOURNAL OF CH I NA COAL SOC IETY
V o.lห้องสมุดไป่ตู้32 N o . 3 M ar . 2007
文章编号 : 0253 - 9993(2007)03 - 0304 - 05
煤泥浮选泡沫图像分割与特征提取
Feature extraction based on m i age seg m entation of coal flotation froth
LI N X iaozhu , GU Y ingy ing , ZHAO Guo qing
Eng ineering, C hina Un iversity of M in ing and Techno logy , Beijing, 100083, Ch ina)
[ 10] [ 9]
分为 3 步 :
(1) 按灰度值的递增顺序给像素排序并存储 , 以便于直接快速访问相关像素 . (2) 目标标记过程 . 对目标物体的顺序标记 , 首先确定一个偏低但依然能正确分割出各个目标物体 的阈值 , 给阈值相同且又连通的像素视为同一个目标物体 ( 种子点 ), 赋予它们惟一的一个标记号 . 本次 程序使用顺序标记算法 , 该标记算法扫描方式是从上到下 、 从左到右逐行扫描 . (3 ) 模拟浸水过程 . 由 (2) 所标记的目标物体 ( 种子点 ) 开始 , 从阈值 ( 设为 h ) 以上的灰度级开 始逐一地处理. 由于 (1) 中已经对各灰度级的像素进行了排序存储 , 则此时可以直接存取 . 该过程是循 环的过程 , 实现步骤如下 :① 找出对应的 h + 1 的各个像素 , 并它们的四连通邻域像素 , 如果其邻域像素 中只有 1 个像素具有盆地标号 L, 则把该像素赋予盆地标号 L; 如果其邻域像素中有 2 个以上像素已经具 有盆地标号 , 则先把该像素赋予分水岭标记 W , 如果该像素的四连通邻域像素没有盆地标号 , 则先不处 理 . ② 接着开始下一遍扫描 , 若此次扫描并未对任何像素进行处理 , 则接着开始对 h +2 ( 即下一级灰度 级 ) 的像素开始浸水过程如 ①. ③ 判断浸水过程是否到了图片中的最大灰度级 , 如没有则接着处理下一 个灰度级的像素 , 直到处理完后 , 如果处理完后还有未处理的像素 , 则转到该灰度级的像素继续如同步骤 ①, ②, ③的处理 , 直到没有任何要处理的像素 , 则盆地浸水过程结束.
1 2 1
(1 . In for ma tion Eng in eering S choo l, B eijing I n stitu te of Petrochem ica l Techno logy , Beijing 102617, Ch ina; 2.Schoo l of Chem ica l and Environm en ta l
2 基于数学形态学的对过分割和欠分割的处理
2. 1 种子点的确定 如图 1 灰化后的煤泥浮选泡沫图像 , 由于所处理的煤泥浮选泡沫图像的特点是 :没有统一的背景 , 图 像的噪音大 , 粘连气泡之间的边界模糊有反光和阴影的影响 . 而且由 于分水岭算法对噪音十分敏感 , 分割结果往往存在过度分割和欠分割 现象 , 所以图像要在应用分水岭变换前 , 先对图像进行预处理 , 而且 应用分水岭算法前的关键性的一步是在目标标记的过程中能正确的标 记出目标物体 ( 种子点 ) . 在煤泥泡沫的图像中 , 每个气泡上存在一个发亮区域 , 可称之为 种子点 , 通过 合理的阈值选 取 , 可以自 动的提取 出这些种 子点 ( 亮 点 ), 这样就可以把图像首先分为两部分 ( 目标和背景 ) . 对阈值的选 取非常的重要 , 阈值过大时会增加虚假的信息 , 阈值过小时会造成丢