表征煤泥浮选泡沫图象特征的最佳色彩方案

针对煤泥浮选泡沫图象的表征方法问题 ,进行了实验室浮选柱试验 ,采集了 5 1组煤泥浮选泡沫图象 ,研究了煤泥泡沫图象的三种色彩表示系统 ( RGB,YCb Cr,灰度 ) ,分析了泡沫图象的亮度、色调及 RGB三分量的分布规律 .结果表明 ,精煤泡沫图象是灰色的 ,且色彩信息量非常少 ,在进行煤泥泡沫图象处理和识别时 ,可以采用图象的 RGB三个单独分量进行计算 ,也可以用平均灰度和公式法亮度进行计算 ,这样可以减少三分之二的数据传输量和计算量 ,加快图象处理速度 .     

煤泥浮选泡沫层中气泡特征的提取

利用图象处理的方法来突出浮包沫表面的气泡与图象背景的对比,并提取气泡的边界,为建立泡沫精神与图象中泡沫表面气泡个体统计特征间的关系模型提供依据。在对泡沫表面各种气泡形态的分析中,提出了气泡提取在煤泥浮选泡沫图象分析的可行性。通过对实验室浮选柱所采集的51组泡沫图象进行处理分析,认为图象灰度直方图的均衡化和中值滤波算法对提高图象的动态对比范围,突出气泡的亮度有明显的效果。最后还分析了适合于气泡提取的阈值分割算式法以及气泡的边缘检测算法,从而描述泡沫层图象中气泡的大小和形状等个体特征,达到识别煤泥浮选泡沫图象的目的。     

基于分水岭变换的浮选泡沫图像分割

针对煤泥浮选泡沫图像中煤泥气泡互相粘连、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。并对分割后的图像进行了物理特征提取,如气泡的数目、颜色、大小分布等,这些特征参数是评价浮选过程好坏的重要信息,利用它们可监测和优化浮选过程。该分割算法成功的用于煤泥浮选泡沫的分割,并且提取出了煤泥泡沫图像所有静态的物理特征参数。     

检测噪声图象边缘的CPR法

本文提出一种噪声图象中检测边缘的新方法，该方法从图象的灰度概率域入手，将概率谱分为两个等面积的集群。通过判定集群间距离检测图象的边缘，理论分析与实验结果表明这种方法具有较强的对噪声图象的边缘提取能力。     

图象边缘检测技术概述

阐述了微分、基于小波与分形理论和基于形态学等多种图象边缘检测方法，分析了以上各种方法在图象边缘检测应用中的发展状况及优势与缺陷，分析结果表明，对于图象边缘检测这样一个非良态问题，寻求算法较简单、能较好解决边缘检测精度与抗噪性能协调问题的算法，一直是图象处理与分析研究的主要问题之一，还有许多工作有待进一步探讨。     

泡沫图象特征与浮选精煤指标关系的研究

利用图象识别技术研究了泡沫图象的特征量（灰度、灰度面积比、能量、熵和惯量）与精煤泡沫的灰份、浓度之间的关系。使用30组实验数据进行了拟合,结果表明误差较小。     

基于边缘方向的自适应DPCM高质量图象压缩方法

首先介绍图象编码方法,然后提出一种基于边缘方向的质量图象压缩方法,该方法首先将图象划分为若干块,自适应地为每一块选择一个预测误差最小的方向预测器。然后,对得到的误差图象进行了量化,使用快速而有效的Ｒｉｃｅ编码器对化后的误差图象编码;最后分析了该方法的时间复杂性并给出了实验结果。     

模糊边缘检测算法的改进

本文通过对Pal.King模糊边缘检测算法进行改进，提出了一种新的模糊边缘检测算法。该算法首先定义了一种简单的隶属度函数作为变换；然后根据Ostu法选取的阈值确定增强算子的参数μc，通过我们新定义的增强算子，在模糊特征平面上进行增强运算；接着将增强后的图象模糊特征平面转换为空域图象，最后进行图象的平滑和边缘提取。同时，本文还提出了改进算法的快速算法，对具有多峰直方图分布图象的模糊边缘检测也进行了推广。     

利用样条函数的图象边缘精确定位算法研究

本文介绍了一种基于Ｂ样条函数的局部曲面拟合技术检测图象边缘的算法。图象中的边缘点定义为梯度方向上的二阶导数的过零点，能够得到精确的边缘信息，对目标定位和识别具有重要意义。实验表明：该算法具有良好的抑制噪声特性，能够较好地去除伪边缘，运行速度快。     

基于多变量图像分析的铜矿泡沫浮选分类与识别

针对矿物浮选过程中以人工观测为主的浮选状态监测易受人主观因素影响, 长流程的浮选现场难以实时获得生产状态信息, 引起在线监测信息的不准确性及滞后, 严重影响浮选生产工况及时调整, 造成生产过程资源和能源浪费的问题, 基于多变量图像分析方法研究矿物加工领域的泡沫浮选过程泡沫图像的分析与特征表征, 并融合多变量图像分析、多分辨率分析、多分辨率-多变量图像分析、改进分水岭的图像分割算法和基于模板匹配的宏块跟踪方法, 提取铜矿泡沫图像的颜色、纹理、尺寸、速度和稳定度特征.在此基础上, 对铜矿泡沫浮选生产状态进行了分类与识别, 并建立泡沫图像变量特征与工艺指标之间的关系模型, 可用来预测铜矿泡沫品位.应用结果表明:该方法可实现铜矿浮选过程的实时监控及生产状态的识别.     

Analysis of Texture of Froth Image in Coal Flotation

Froth image features of coal flotation have been extracted and studied by neighboring grey level dependence matrix, spatial grey level dependence matrix and grey level histogram. In this paper, a basic algorithm of unsupervised learning pattern classification is presented, and coal flotation froth images are elassified by means of self-organizing map (SOM). By extracting features from 51 flotation froth images with laboratory column, four types of froth images are classified. The correct rate of SOM cluster is satisfactory,And a good relationship of froth type with average ash content is also observed.     

一种基于模糊梯度算法的图像边缘检测方法

图像的边缘是图像最基本的特征.进行了图像分割、模板匹配和图像识别等方面的研究,无不例外都会使用到图像的边缘.对图像边缘检测方法中的模糊梯度算法进行了探讨,并提出了一种改进方法,得到了较好的检测效果.     

珊瑚硫化矿银浮选特性及其回收问题的研究

平桂珊瑚硫化矿含银127.08g (?),具有较高的回收价值.但矿石性质复杂,含砷高.本文通过大量试验,着重对珊瑚这一高砷富含银的多金属硫化矿中银的浮选特性及其回收问题作了研究.     

基于图像边缘检测的图像识别算法

在图像识别问题中,基于Haar特征的图像识别算法已经十分普遍,并且得到了广泛的应用。但是,目前此类算法还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像识别的精度,提出了一种新的边缘检测图像识别算法。这种算法首先使用Canny算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。     

基于动态边缘检测的图像锐化算法

在数码相机中,经插值运算后的数码图像,常伴有噪声和伪色的影响,使图像变得模湖,边缘部分不够清晰.因此,需要通过锐化处理,增强图像边缘轮廓,增加清晰度,减少伪色.该文提出了一种基于动态边缘检测的图像锐化算法,恢复的图像在细节纹理、边缘、色彩方面的效果都较理想,对边缘的噪声抑制较明显,与常用锐化算法比较,在同等仿真环境下,所提出的方法有运算复杂度较低的优点.     

基于数学形态学的图像边缘检测

图像边缘检测通常是以类似于素描图的图像表达出物体的要素和特征,其任务是使图像边缘准确定位和抑制噪声。分析了两种基于数学形态学的边缘检测技术,即基于多尺度形态梯度的边缘检测和基于形态学多级平均的图像边缘检测,并对其进行了理论分析和比较,得出了相应结论。