一種浮選泡沫圖像的復合紋理特征提取方法技術

本發明專利技術公開了一種浮選泡沫圖像的復合紋理特征提取方法。首先在泡沫圖像的灰度量化矩陣中獲取所有中心像素點的面鄰域集合；然后針對所有中心像素點，構建三維數據表并得到嵌套灰度頻數表；再次，獲得一種改進的鄰域灰度相關矩陣；最后求取一種新的復合紋理特征。該特征綜合了泡沫的大小、紋理和粗糙度，在反映浮選泡沫的紋理上，具有較高的穩定性、可分性。根據所提取的復合紋理特征，容易將不同入礦品位下的不同工況的浮選泡沫圖像區分開來，具有較高的工況識別正確率。本發明專利技術簡單有效，對指導礦物浮選現場泡沫工況識別具有重要意義。

【技術實現步驟摘要】

本專利技術屬于圖像處理、模式識別和礦物浮選
，特別涉及一種浮選泡沫圖 像的復合紋理特征提取方法。
技術介紹
泡沫表觀特征是礦物浮選工況的綜合反映，被認為與浮選效果的好壞密切相關。 如何準確提取浮選過程中與關鍵生產指標密切相關的泡沫表觀特征，是實現浮選工況識別 的關鍵。長期以來，現場有經驗的工人通過觀察泡沫表面的狀態調節工況，由于人為的隨意 性和主觀性導致浮選狀態不穩定，難以調節到最優的狀態，導致礦物資源利用率不高，造成 資源浪費。 近年來基于機器視覺的浮選過程控制及優化成為國內外研究熱點，其中基于機器 視覺的工況識別是研究的主要內容之一。泡沫表觀特征與浮選工況密切相關，是浮選性能 的指示器。常用于浮選智能工況識別的泡沫表觀特征主要有泡沫顏色、大小、紋理等，其中， 紋理特征作為泡沫表觀最重要的特征之一，綜合了泡沫的大小和形狀等特征，同時具有不 隨環境光照度影響等特點，被廣泛應用于浮選工況識別中。鄰域灰度相關矩陣是一種常用 的基于統計的紋理特征提取方法，它具有旋轉不變性、不隨光照變化影響和計算速度快等 特點。基于鄰域灰度相關矩陣的粗度和細度等二次統計特征能較好地反映泡沫表面的紋理 特點。由于傳統的鄰域灰度相關矩陣方法僅考慮了中心像素點與其鄰域像素點灰度值相同 或者相近的個數，卻沒有考慮它們之間相差的個數以及相差的大小，因此，丟失了大量能夠 反映圖像像素差異度的空間分布屬性，難以全面準確反映泡沫表面的紋理信息。此外，在不 同的入礦品位條件下，泡沫圖像也會有較大差異，而傳統鄰域灰度相關矩陣且不考慮入礦 品位影響的紋理特征提取方法，難以適應準確識別泡沫浮選工況的需求。 因此，有必要設計，以便更全面地捕 捉不同入礦品位條件下的泡沫表面紋理信息。
技術實現思路
本專利技術所要解決的技術問題是提供， 該方法能夠更加全面地反映不同入礦品位下的泡沫圖像紋理特征的差異，具有良好的特征 有效性和可分性，以適于后續的工況識別準確性的需要。 -種浮選泡沫圖像的復合紋理特征提取方法，包括以下步驟： 步驟一：根據泡沫浮選現場所獲得的泡沫視頻讀取RGB泡沫圖像，將RGB圖像進行 灰度化，得到灰度圖像矩陣；對灰度圖像進行量化，得到量化矩陣；獲取量化矩陣中所有中 心像素點的面鄰域集合； 步驟二：計算各面鄰域內像素點與中心像素點灰度值的絕對差；統計各絕對差的 個數；針對泡沫圖像中所有的中心像素點，構建三維數據表，所述三維數據表中元素分別為 中心像素點灰度值、各絕對差個數、絕對差； 步驟三：構建基于三維數據表的嵌套灰度頻數表； 步驟四：根據所構建的嵌套灰度頻數表，獲得一種改進的鄰域灰度相關矩陣； 步驟五：根據所得到的改進鄰域灰度相關矩陣，求取一種新的二次統計特征一一 復合紋理。 所述步驟一中的獲取量化后的泡沫圖像矩陣所有中心像素點的面鄰域集合具體 步驟如下： 步驟1根據泡沫浮選現場所獲得的泡沫視頻讀取RGB泡沫圖像，將RGB圖像進行 灰度化，得到灰度圖像矩陣A(x，y): AkXn (x,y)=0. 290XR(x,y) +0. 587XG(x,y) +0. 114XB(x,y) 式中kXm為泡沫灰度圖像的分辨率，（x，y)表示泡沫灰度圖像中任一像素點的坐 標，X= 0, 1，. . .，k-1，y= 0, 1，. . .，m-1 ;R(x,y)、G(x,y)、B(x,y)分別為泡沫圖像的R、G、 B矩陣。 步驟2對灰度圖像矩陣A(x，y)進行量化，得到量化矩陣M(x，y): 式中Mg為泡沫圖像的量化級數，[_j為向下取整。 步驟3在量化矩陣Μ(X，y)中，以所有的中心像素點（X。，y。）為中心、D為半徑，獲 取面鄰域集合： VD (xc,yc) = {(u,v) | (u,v)eMkXm, 0 <p((xc,yc), (u,v)) ^D} 其中xcGD,D+l,…，k_l_D，yceD,D+l,…，m-l-D; {(u,v) | ( · )}表不滿足給定 條件（·）下的點（u,v)組成的集合，p((x^y。)，（u,v))表示面鄰域內像素點（u,v)與中 心像素點間的距離： p((xc,yc), (u,v)) =max(|xc-u|, |yc-v|) 式中max(|xc-u|, |yc_v|)表示像素距離|xc_u|、|yc_v|中的最大值。 所述步驟二中構建泡沫圖像中心像素點的三維數據表具體步驟如下： 步驟1計算面鄰域集合VD(n)中各面鄰域內像素點（u，v)灰度值與中心像素 點（X。，y。）灰度值的絕對差i: i= |f(u,v)-f(xc,yc)I= |f(u,v) -gc 式中f(u,v)和f(x。,yj=g。分別表示像素點（u,v)和中心像素點（xcyj的灰 度值，gc= 〇, 1，."，Mg_l，i= 0, 1，."，Mg_l。 步驟2 :統計絕對差為i的個數: 式中#表示統計集合{(u，v)I( · )}中滿足給定條件（·）下的點（u，v)的個數。 步驟3 :構建泡沫圖像各中心像素點的三維數據表；定義某中心像素點（X。，y。）的三維數據表fD(x。，y。，i)如下： 式中(及,,w:)為一個表中元素分別為g。、i，大小為1χ1XM#三維數 據表。 針對泡沫圖像中所有中心像素點，構建相應的三維數據表。 所述步驟三中構建基于三維數據表的嵌套灰度頻數表方法如下： 定義嵌套灰度頻數表FD(W太。，i)如下： Fd(xc',yc' ,i) =table(fD (xc,yc,i)) 式中xc，=xc_D,xc，e〇, 1，…，k_l_2D，yc，=yc_D,yc，e〇, 1，…，m-l_2D。嵌套 灰度頻數表FD(x'。，1)中某單元格位置（x/，y。'）的元素即為Μ/e(反 將步驟二針對所有中心像素點（X。，y。）所構建的每個三維數據表fD(x。，y。，i)，嵌 入嵌套灰度頻數表中相應單元格位置，構建出一個大小為（k-2D)X(m-2D)XMg的嵌套灰度 頻數表。 所述步驟四中獲得一種改進的鄰域灰度相關矩陣： 定義改進鄰域相關矩陣QD(g，i)如下： 式中g= 0, 1，"'Mg-l，i= 0, 1，"'Mfl，qD(g，i)為矩陣QD(g，i)在位置（g，i) 處的元素。 在步驟三所獲得的嵌套灰度頻數表FD(x'e，y'e，i)中，統計面鄰域內像素點灰 度值與中心像素點灰度值g。間絕對差為i時所有的總和qD(g。，i): 式中Σ表示集合{Sgi | ( ·)}中滿足給定條件（·）的所有SgI之和，&&表示邏輯 與運算。 將qD (g。，i)作為矩陣QD (g，i)在位置（g=g。，i)處的元素，獲得一個MgXMg的改 進鄰域灰度相關矩陣QD(g，i)。 所述步驟五中計算一種新的復合紋理特征： 根據改進的鄰域灰度相關矩陣，定義一種新的二次統計特征，即復合紋理特征CT 為：當前第1頁1 2 3 本文檔來自技高網...

【技術保護點】
一種浮選泡沫圖像的復合紋理特征提取方法，其特征在于，包括以下步驟：步驟一：根據礦物泡沫浮選現場所獲得的泡沫視頻讀取RGB泡沫圖像，將RGB泡沫圖像進行灰度化，得到灰度圖像矩陣；對灰度圖像進行量化，得到量化矩陣；獲取量化矩陣中所有中心像素點的面鄰域集合；步驟二：計算各面鄰域內像素點與中心像素點灰度值的絕對差；統計各絕對差的個數；針對圖像中所有的中心像素點，構建三維數據表，所述三維數據表中元素分別為中心像素點灰度值、各絕對差個數、絕對差；步驟三：構建基于三維數據表的嵌套灰度頻數表；步驟四：根據所構建的嵌套灰度頻數表，獲得一種改進的鄰域灰度相關矩陣；步驟五：根據所得到的改進鄰域灰度相關矩陣，求取一種新的復合紋理特征。

【技術特征摘要】

【專利技術屬性】
技術研發人員：彭濤，彭霞，桂衛華，彭小奇，宋彥坡，趙林，趙永恒，
申請(專利權)人：中南大學，
類型：發明
國別省市：湖南;43