基于分数阶微分、水平集及分水岭的铅锌浮选图像分割

针对铅锌浮选气泡暗颜色、细节弱、分割难的特征,提出了一种新的图像分割算法。该算法分成三个部分： 气泡边界增强： 基于分形学改进分数阶微分算法,主要是根据图像的纹理特性自动确定分数阶微分的非整数阶数,以自适应分数阶微分算法增强气泡边缘; 气泡亮点区域提取： 在改进传统的水平集算法基础上,进行精确的气泡亮点区域的提取,克服了全局自动阈值算法在提取气泡亮点时存在的缺陷; 图像分割： 利用内外标记修正梯度图像, 最后运用分水岭算法对浮选图像进行分割。对于不同铅锌矿大小气泡图像的实验,并通过与多种传统的图像分割算法分析比较,实验结果表明新算法不仅提高了浮选气泡图像的分割精度,并且有效地减少了传统图像分割算法的过分割问题,本文算法对于浮选气泡具有良好的分割效果。     

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。     

基于多方法融合的非监督彩色图像分割

针对传统K-means聚类彩色图像分割方法需要人为设定初始分割类别数目、易受噪声干扰等缺陷,提出一种多方法融合非监督彩色图像分割算法。该算法对原始图像进行光谱信息增强处理以提高图像信息提取效率,对K-means聚类引入戴维森堡丁指数(Davies-Bouldin index, DBI)自动化确定最佳分割类别数目,通过图像聚类分析并进行像素标签标记,并结合高斯马尔科夫随机场(Gauss-Markov random field, GMRF)理论对标记图像进行分割,最后使用形态学算子进行后处理完成分割操作。试验结果表明。本研究方法具有一定的鲁棒性,且分割效果更接近真实性。通过对分割结果进行量化评价,进一步说明本研究方法在分割精度和准确性方面更具优势。     

基于无人机遥感影像的水体提取方法

针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题,提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪;采用Canny边缘检测算子对去噪后影像进行边缘提取,提取结果与去噪后影像进行波段重组,利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度,开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型,对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞,实现水体提取. 实验结果表明,采用AUCSN方法进行水体提取,不仅提高了提取效率,而且提取精度能够达到96%.     

基于射线的泡沫图象分割算法

针对于矿物浮选过程泡沫图像目标气泡粘连、大小形状灰度不均及目标相似度高的问题,分水岭及阈值法难以分割此类图像,笔者提出一种射线分割方法。首先进行目标定位,从种子区域的几何中心位置对称发射出多条射线,并获得各条射线中像素的灰度值变化曲线图,根据各条射线的灰度变化曲线图的波谷位置得到泡沫的边缘。此方法能够去除噪声泡沫,并参照一个泡沫的清晰边缘部位对其模糊边缘进行修正,使其形成真正符合泡沫形状的光滑边界。     

利用形态学多尺度算法分割粗集料粘连图像

为准确地对X-ray CT沥青混合料切片图像材质分类过程中存在的颗粒粘连图像进行分割,提出一种利用半径r分别为1、2、3、4的圆形结构元素分别对沥青混合料粗集料粘连图像进行极限腐蚀的改进形态学多尺度算法,通过判断各个分割图像分割线的数目,以分割线数目出现频率最大的分割数作为最终分割,并以最小的结构元素所对应的分割图像作为实际的分割图像,最后通过叠加独立颗粒图像和经粘连分割后的图像生成目标分割图像.最后着重开展了此算法的分割效果和分割精度研究.结果表明:与形态学多尺度算法相比,改进形态学多尺度算法既能有效地分割沥青混合料粗集料粘连图像,又能较好地抑制颗粒的欠分割与过分割现象,并获得较高的分割效果和分割精度,减少数值建模中的难度.     

基于目标形态特征的工件自动分割方法

为了使交互式工件分割算法满足实时性的要求,提出了一种将工件形态特征与图像分割算法相结合的工件自动分割方法.利用MeanShift算法分割图像提取目标区域;利用形态学开运算消除目标区域的噪声,进而分离相连的目标区域;对目标区域进行边缘检测,计算完整的工件轮廓信息,然后根据外轮廓的面积确定工件区域;利用工件区域的最小外接矩形在图像中标出前景和背景区域,再利用GrabCut算法分别对前景和背景建立高斯混合模型,然后通过mincut/maxflow算法分割前景与背景区域,最终实现工件目标的提取.实验结果表明,对于制造商提供的样本,该方法分割工件的召回率和准确率分别为94.97%和88.48%,具有较强的实用性和良好的实时性.     

基于C-V模型的医学图像血管钙化分割算法

为了准确分割出医学图像中血管的钙化点,设计并实现了一种基于C-V模型的水平集图像分割方法。首先进行去噪和对比度增强预处理,接下来分割出图像中感兴趣的血管和钙化点区域,然后利用C-V模型水平集分割方法分割血管壁上的钙化点目标,最后采用形态学方法消除分割结果中孤立的噪声和孔洞。针对大量的临床血管钙化图像进行了算法的测试,实验结果表明:能有效分割出血管中的钙化灶,准确检测出血管中钙化的位置、大小、形态等。将C-V模型分割方法与OTSU阈值分割、登山法分割方法进行比较,结果表明C-V模型分割方法对于钙化点的分割更准确,边缘更平滑,更清晰,方便对钙化点进行进一步的测量和诊断。     

Flotation bubble image segmentation based on seed region boundary growing

Segmenting blurred and conglutinated bubbles in a flotation image is done using a new segmentation method based on Seed Region and Boundary Growing (SRBG). Bright pixels located on bubble tops were extracted as the seed regions. Seed boundaries are divided into four curves: left-top, right-top, rightbottom, and left-bottom. Bubbles are segmented from the seed boundary by moving these curves to the bubble boundaries along the corresponding directions. The SRBG method can remove noisy areas and it avoids over- and under-segmentation problems. Each bubble is segmented separately rather than segmenting the entire flotation image. The segmentation results from the SRBG method are more accurate than those from the Watershed algorithm.     

一种灵活的图像频谱分割与去噪方法

针对图像变换域分割不灵活的问题,提出了一种图像傅里叶谱灵活分割与去噪的简单方法．根据输入图像的频谱能量分布和实际应用的需要,设计具有合适采样因子的线性相位非均匀滤波器组并将其应用于对图像行、列的处理中,实现对整个图像按照频谱能量的高低进行灵活分割的过程．若干扰噪声的功率谱集中分布在图像的低能量部分,且其谱值高于原始图像的低能量谱值,应用这一频谱分割思想,可以很容易地将噪声检测出来并加以去除．实验结果表明,该方法实现简单,尤其是在原始图像的频谱分布比较集中时非常有效．     

结合形态学运算的谱抠图声纳图像分割法

针对数字抠图与图像分割之间的联系,提出一种结合形态学运算的谱抠图声纳彩色图像分割法。首先通过形态学中的顶帽(top-hat)变换和底帽(bottom-hat)变换去除声纳图像中阴影的影响和背景的不均匀性,并进行图像增强;其次,将数字抠图中的alpha值考虑到图像分割中,通过全局平均迭代阈值法获取阈值,对抠图所获alpha图像进行阈值处理得出分割结果;最后,与多种现有的分割方法进行仿真对比实验,实验结果证明了本文分割方法的有效性。     

基于LBP驱动的区域围道纹理分割模型

纹理分割是图像处理的难点之一。针对此问题,提出了一种基于局部二进制模式(localbinary pattern,LBP)驱动的区域围道分割模型。该模型首先将均匀模式的思想用于LBP/C算子,使纹理模式的数量减少了77%,明显降低了提取纹理特征所需的时间;其次对无边缘活动围道模型进行了改进,使其能用纹理特征来演化曲线或曲面分割纹理图像;然后用多级分层的策略对提出的模型进行了延拓,可用于分割多类目标的图像,避免了多相位模型初始围道难以选择的问题,提高了模型收敛的速度;最后运用AOS(additive operator splitting)算法以改善模型求解的效率,进一步提高了图像分割的速度。对合成纹理图像和遥感图像的实验结果说明,提出的分割方法具有分割速度快、精度高的优点。     

基于自适应结构元素的改进分水岭图像分割方法

图像分割是按照一定的规则,将图像中具有特殊意义的区域划分为若干个互不相交的子区域,是从图像处理到图像分析的关键环节,传统分水岭图像分割方法是一种应用较为广泛的技术,具有快速、简单的优点,但该方法易受噪声干扰,分割结果易丢失边缘重要信息,出现过分割现象。为改善传统分水岭图像分割方法存在的过分割问题,提出了一种基于自适应结构元素的改进分水岭图像分割方法。首先,利用图像像素点邻域的局部密度、对称度及边缘特征构造形状可变的自适应结构元素,确保其与图像目标几何结构具有较强的一致性;其次,利用该结构元素获取图像形态学梯度,提高目标边缘的定位精度;将L₀范数梯度最小化和形态学开闭混合重建相结合修正梯度图像,减少梯度图像中的局部无效最小值点,抑制过分割现象的产生;最后对修正后的梯度图像进行分水岭分割,实现图像目标区域的精确分割。实验结果表明,该方法能够有效抑制过分割现象,提高目标边缘定位的准确性,具有较高的分割精度。     

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。     

Destabilising persistent coal froth using silicone oil

Persistent froth is becoming more and more common in coal and mineral flotation plants and presents safety and operational challenges. No effective method has been developed to destabilise persistent froth. As a new initiative, this study examined the structural difference between persistent foam and coal froth, based on which a solution was developed to maximumly destabilise coal froth. Destabilisation test, oscillatory rheology measurement and scanning electron microscopy (SEM) analysis indicated that the coal froth was more stable than the foam due to the formation of thin capillaries and tightly arranged coal particles on bubble surfaces. Although 107 µm silicone oil droplet could completely destabilise the foam at 2 mmol/L concentration, it only destabilised less than 50% coal froth even at 6 mmol/L concentration. To maximumly destabilise the coal froth formed by −38 and −20 µm particles, 24 and 18 µm silicone oil droplets were required to pass through the thin capillaries and enter the bubble films, respectively. However, smaller silicone oil droplets could not bridge the bubble films to destabilise coal froth and therefore a critical droplet size occurred depending on the size of particles stabilising the froth.     

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.     

分水岭分割中的粘性形态学梯度修正

分水岭变换是一种有效的图像分割方法，但存在过分割现象，尽管应用预平滑处理可以减轻或消除过分割，但却容易使分割后的区域轮廓发生位置偏移，为此，文中首先对图像进行形态学梯度变换，然后运用粘性形态学运算对梯度图像进行地貌修正，在消除产生过分割的非规则局部极小值的同时，保持区域轮廓的位置不变，最后在梯度修正图像的基础上，运用标准分水岭变换实现图像分割。仿真实验表明，该方法不仅能有效地消除过分割，而且具有较强的区域轮廓定位能力。     

基于颗粒参数测量方法的图像分割评价研究

提出了用图像颗粒参数测量方法来计算颗粒形状和粒度分布等,以此评价图像分割的精确度,并和已有的七种分割评价方法进行比较,通过仿真实验进行定性和定量的分析,证明此方法能更好地评价图像分割算法的优劣.     

基于模糊逻辑的图像阈值分割算法

为确定图像分割的最佳阈值,提出了一种新的有效的图像阈值分割方法.该方法首先给出一个新模糊熵的定义,这个模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时也考虑到图像在空域中划分区域时随隶属函数变化而变化的情况,这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息.然后,采用改进粒子群优化算法寻求隶属函数的最优参数,得到分割的最佳阈值,并用该阈值对图像进行分割.将新算法应用于图像分割中,效果优于现有大多数阈值分割算法.     

基于区域边界生长的图像分割方法

针对浮选泡沫图像气泡粘连、边界模糊等难以分割的特点,结合区域生长和边检测技术,提出一种基于种子区域边界生长的图像分割方法。首先按照图像特征提取种子区域及其边缘,并制定区域边界生长条件,同时按照图像特征制定了泡沫目标的边界规则库,作为区域边界继续生长的判断条件,即是否到达泡沫边界。此方法不以整幅图像为分割单元,而是以每个气泡对象作为处理单元对浮选图像继续分割,图像中气泡分割的结果更加准确。