铝土矿精选泡沫图像纹理特征提取方法研究

摘要

在铝土矿浮选生产中，泡沫层表面视觉特征反映浮选性能。相对粗选、扫选作业，精选作业泡沫矿化程度高、坍塌严重、没有明显的气泡形态，纹理成为表征精选泡沫表面状态的关键特征。目前在精选生产中操作变量的调节主要依靠人工观察泡沫纹理特征，但由于人工观察的局限性，难以保证浮选生产工作在最佳状态。因此，利用数字图像处理技术分析精选泡沫图像的特点，研究了精选泡沫图像的纹理特征提取方法，实现精选泡沫图像纹理的量化对指导浮选生产具有重要意义和工程应用价值。
　　 首先，本文在分析精选泡沫图像特点的基础上，针对浮选泡沫边缘等几何结构是纹理分析中不可忽视的特点，研究了基于Contourlet变换的泡沫图像增强方法，通过修正图像的Contourlet变换系数，抑制噪声并增强边缘，从而凸显图像的细节信息，为泡沫图像纹理特征提取提供了信息更丰富的图像。
　　 然后，为了准确提取精选泡沫图像纹理特征，本文提出一种基于改进局部二进制(Improved Local Binary Pattern Variance，简称ILBPV)的方法。改进后的方法通过引入局部对比度来改进二值化函数以及采用方差作为直方图特征提取的自适应权值，克服了算法对光照变化敏感的缺点。将ILBPV特征应用于精选泡沫图像分类，实验结果表明，该纹理特征参数能较好地反映不同工况下的精选泡沫表面状态，具有很好的分类效果。
　　 最后，鉴于粗糙度是有效描述泡沫表面状态的关键特征，本文研究了基于改进局部二进制的泡沫图像纹理粗糙度的度量方法，并通过分析浮选生产精矿品位与精选泡沫图像纹理粗糙度的关系，获取最佳特征区间，为浮选生产提供指导。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景与意义

1．2 泡沫浮选工艺概述

1．2．1 浮选原理

1．2．2 浮选工艺过程

1．2．3 精选泡沫特性

1．3 浮选泡沫图像处理的发展与研究现状

1．3．1 浮选泡沫数字图像技术研究现状

1．3．2 泡沫图像纹理特征研究现状

1．4 论文主要研究内容

第二章 精选泡沫图像纹理分析

2．1 铝土矿精选泡沫分析

2．1．1 铝土矿精选泡沫表面状态分析

2．1．2 浮选操作变量与精选泡沫层表面状态的定性关系

2．2 精选泡沫图像特点以及图像分类流程

2．2．1 精选泡沫图像特点

2．2．2 精选泡沫图像纹理分析

2．2．3 基于数字图像处理的精选泡沫图像分类流程

2．3 纹理粗糙度分析

2．3．1 泡沫层表面剖析

2．3．2 泡沫图像纹理粗糙度

2．4 本章小结

第三章 精选泡沫图像增强处理

3．1 图像增强方法综述

3．2 基于奇异值分解法的图像增强方法

3．2．1 奇异值分解

3．2．2 基于奇异值分解的图像增强方法

3．3 基于Contourlet变换的图像增强方法

3．3．1 Contourlet变换

3．3．2 基于Contourlet变换域的图像增强方法

3．4 泡沫图像增强效果评价

3．4．1 图像增强效果评价方法

3．4．2 泡沫图像增强效果比较

3．5 本章小结

第四章 基于改进型LBP的精选泡沫图像分类研究

4．1 局部二进制模式

4．2 基于改进型LBP的泡沫图像纹理分析

4．2．1 ILBPV的计算方法

4．2．2 ILBPV算子直方图提取

4．3 特征分类

4．3．1 图像特征相似性度量

4．3．2 分类器的选择

4．4 实验结果及分析

4．4．1 精选泡沫图像分类

4．4．2 图像分类流程

4．4．3 仿真结果及分析

4．5 本章小结

第五章 基于改进型LBP精选图像纹理粗糙度特征及其应用

5．1 常用的纹理粗糙度特征提取方法

5．1．1 差分直方图法

5．1．2 Tamura纹理法

5．2 基于改进型LBP纹理粗糙度提取

5．3 故障图像粗糙度分析

5．4 精选泡沫图像纹理粗糙度

5．5 本章小结

第六章 总结与展望

6．1 研究工作总结

6．2 后续工作展望

参考文献

致谢

攻读硕士学位期间主要的研究成果