[發明專利]一種基于Minkowski距離的礦物浮選泡沫圖像紋理分析及工況識別方法

在審

• 申請號: 201410527643.1
• 申請日: 2014-10-09
• 公開（公告）號: CN104268600A
• 公開（公告）日: 2015-01-07
• 發明（設計）人: 徐德剛;陳曉;蘇志芳;徐戲陽;謝永芳;陽春華;桂衛華
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/46;G06T7/00
• 代理公司: 長沙市融智專利事務所 43114
• 代理人: 歐陽迪奇

技術領域

本發明涉及計算機視覺領域，特別涉及一種基于Minkowski距離的礦物浮選泡沫圖像紋理分析及工況識別方法。

背景技術

隨著計算機技術的快速發展，計算機視覺已經廣泛應用到礦物泡沫浮選的過程監控與優化控制中。紋理作為浮選泡沫表面關鍵視覺不僅可直接反映浮選生產過程工況，還可以作為生產工藝指標的直接指示器，是基于計算機視覺對浮選工況進行預測控制的重要依據。因此，準確的刻畫泡沫圖像的紋理特征，指導浮選過程的優化控制，對降低企業生產成本提高經濟效益有著非常重要的作用。

紋理由許多相互接近的，相互編制的元素構成的，具有一定的周期性，是描述物體特征的一個重要指標，廣泛應用于模式識別中辨識物體表面的區域性特征。浮選泡沫表面紋理也常作為圖像特征的描述指標及分類依據，它描述了泡沫表面粗糙度，隨著浮選狀態的不同呈現出不同的紋理狀態，通過特定的方法對其進行紋理特征的提取，得到的紋理特征描述指標能夠反映浮選工業生產狀態或者浮選性能，對浮選泡沫圖像紋理特征進行研究可以指導浮選的優化操作。由于泡沫紋理的表現出來的微觀異構性、復雜性以及其概念的不明確性，近年來雖然研究者提出了許多紋理特征提取的方法，如灰度共生矩陣法，小波變換法，模糊紋理譜法等，但這些方法在準確性、實時性、魯棒性方面都存在一些難以克服的缺點，因此找到一種有效的紋理特征提取方法成為計算機視覺領域迫切需要解決的問題。

復雜網絡是對復雜系統的抽象和描述方式，復雜網絡理論是分析復雜系統最有效的方法。通過對復雜網絡的研究，人們可以對模糊世界進行量化和預測。同時在對復雜網絡研究的過程中，產生大量的實際可用的模型，而且這些模型已經在實際的生產和組織結構中進行了大量的應用，取得了大量的實際成果。數字圖像也是一個復雜系統，將復雜網絡理論應用到圖像處理過程中，利用復雜網絡在分析復雜系統中的優勢，研究基于復雜網絡的紋理特征分析方法，對于浮選過程的優化控制有著重要的意義。

發明內容

本發明提出了一種基于Minkowski距離的礦物浮選泡沫圖像紋理分析及工況識別方法，本發明能夠準確地刻畫各種浮選工況狀態下泡沫圖像的紋理特征并基于紋理特征識別實時浮選工況，計算簡單，準確率高，實時性好。

本發明提出了一種基于Minkowski距離的礦物浮選泡沫圖像紋理分析及工況識別方法，所述方法包括以下步驟：

步驟1：獲取礦物泡沫浮選不同工況下的泡沫圖像樣本，在浮選過程初期，浮選泡沫尺寸較小，礦化程度高，含泥多；浮選過程中期的泡沫尺寸均勻適中且富集大量有價礦物，是浮選過程最理想的工況；在浮選過程后期，泡沫尺寸變大，表面負荷有價礦物大量減少。同時為了提高識別精度，不同工況下的泡沫圖像樣本的數量不少于50幅圖像。

步驟2：對訓練圖像樣本和測試圖像樣本進行預處理，包括圖像灰度化，圖像增強和圖像濾波；

步驟3：采用分水嶺分割算法對預處理后的泡沫圖像樣本進行分割，統計分割得到各個泡沫的尺寸，根據整幅圖像中泡沫尺寸均值確定Minkowski距離公式的參數p的取值，其中x_i代表樣本x的第i個特征，p為Minkowski距離參數；

步驟4：基于Minkowski距離和復雜網絡建模方法建立礦物泡沫圖像的復雜網絡模型，計算該復雜網絡的能量和熵，作為泡沫圖像紋理描述指標；

步驟5：利用步驟4得到的泡沫圖像紋理描述指標作為圖像樣本的特征向量，使用訓練圖像樣本的特征向量訓練線性判別式分類器，使用訓練得到的線性判別式分類器對測試圖像樣本進行分類，識別實時浮選工況。

步驟2中預處理步驟為：