[發明專利]一種面向嵌入式系統的浮選泡沫流速提取方法

在審

• 申請號: 202210244206.3
• 申請日: 2022-03-11
• 公開（公告）號: CN114677407A
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 陽春華;楊洋;王曉麗;盧明;桂衛華
• 申請（專利權）人: 中南大學
• 主分類號: G06T7/223
• 分類號: G06T7/223;G06T7/73;G06V10/75;G06V10/62;G06K9/62;G06T5/00;G06T5/40;G06T5/50;G06T3/40
• 代理公司: 廣州市紅荔專利代理有限公司 44214
• 代理人: 李婷

1.一種面向嵌入式系統的浮選泡沫流速提取方法，其特點在于，包括：

獲取一段時間的浮選泡沫圖像，進行圖像預處理，得到泡沫區域突出的圖像集；

圖像集降采樣，根據上次流速提取結果調整宏塊大小，采用基于離散傅里葉逆變換的宏塊匹配算法，初步得到泡沫流速；

卡爾曼濾波后通過滑動窗口技術得到提流速取結果。

2.根據權利要求1所述的面向嵌入式系統的浮選泡沫流速提取方法，其特點在于，所述一段時間的浮選泡沫圖像，具體指的是20-40張連續幀的浮選泡沫圖像。

3.根據權利要求1所述的面向嵌入式系統的浮選泡沫流速提取方法，其特點在于，所述圖像預處理，具體包括以下步驟：

(1)根據泡沫浮選現場采集到的連續幀RGB泡沫圖像數據，構成原始泡沫圖像集G1；

(2)將原始泡沫圖像集G1中的RGB圖像進行灰度化，構成泡沫灰度圖像集G2；

A_N×M＝0.290×R+0.587×G+0.114×B

式中，A為泡沫灰度圖像，N×M為泡沫灰度圖像的分辨率，R、G、B分別為RGB泡沫圖像的紅色分量矩陣、綠色分量矩陣和藍色分量矩陣；

(3)對泡沫灰度圖像集G2進行圖像均衡化處理，使得圖像對比度增強，從而得到泡沫區域突出的圖像集G3；

式中，D_Max為最大灰度值255，N×M為泡沫灰度圖像的分辨率，H_i為第i級灰度的像素個數，f(x，y)為原灰度圖像像素值，g(x，y)為增強后的灰度圖像像素值。

4.根據權利要求1所述的面向嵌入式系統的浮選泡沫流速提取方法，其特征在于，所述圖像集降采樣，根據上次流速提取結果調整宏塊大小，采用基于離散傅里葉逆變換的宏塊匹配算法，初步得到泡沫流速，具體包括以下步驟：

(1)圖像降采樣；

(2)根據上次流速提取結果調整宏塊大小，在前一幀圖像中心選取宏塊區域T_n×m，作為后一幀圖像G_N×M的搜索目標；

式中，V_pre表示上次流速提取結果，V_ST為標準參考速度，N_ds、M_ds為下采樣后圖像分辨率，m、n為宏塊區域T_n×m大小；

(3)在后一幀圖像G_N×M中，通過窗口上下左右滑動，用最小方差法搜索宏塊區域T_n×m最佳匹配位置，從而計算泡沫流速；

式中，T為T_n×m表示的圖像數據數組，G為后一幀圖像G_N×M表示的圖像數據數組，x、y為窗口滑動位置；第三項為常數，只需要計算前兩項；而算法時間主要消耗在第二項，采用傅里葉變換優化第二項計算，具體如下：

①對圖像數據數組T、G進行擴充，形成大小為M_e×N_e的t_e(x，y)，g_e(x，y)的離散數組；

②定義相關運算

③采用離散傅里葉變換優化相關運算；

式中，為傅里葉逆變換運算，T_e^*(u，v)為t_e(x，y)為離散傅里葉變換的共軛，G_e(u，v)為g_e(x，y)的離散傅里葉變換。

5.根據權利要求1所述的面向嵌入式系統的浮選泡沫流速提取方法，其特征在于，所述卡爾曼濾波后通過滑動窗口技術得到提流速取結果，具體包括以下步驟：

(1)卡爾曼濾波方法對浮選泡沫流速進行最優估計；

向前推算狀態變量：

向前推算誤差協方差：

計算卡爾曼增益：

更新測量誤差：

P_k＝(I-K_kH)P_k^-

根據觀測變量Z_k更新狀態估計：

式中，科分別表示k時刻和k-1時刻的后驗狀態估計值；表示k時刻的先驗狀態估計值；A表示狀態轉移矩陣；P_k^-表示k時刻的先驗誤差協方差；P_k-1和P_k分別表示k-1時刻和k時刻的后驗誤差協方差；Q表示系統噪聲協方差；H表示轉換矩陣；K_k表示k時刻濾波增益矩陣；B表示狀態變量與觀測值的轉換矩陣；R表示測量噪聲協方差；Z_k表示k時刻實際觀測值；

(2)通過過滑動窗口技術得到流速提取結果；

①構建一個流速提取值隊列q，將卡爾曼濾波后的流速提取值加入該隊列；

②維護隊列長度；

③計算流速提取結果V；

式中，表示q的均值。