基于X射线分选矿石图像的轮廓提取算法综述

近年来,图像处理技术在矿石的智能分选领域广泛应用,但当前的智能分选图像处理算法在精度、算法效率和通用性等方面仍存在局限性。X射线分选矿石图像的轮廓提取是实现智能分选的重要前提之一,根据轮廓信息确定矿石中矿物分布、含量、尺寸及形态等特征,进而优化矿石的分选流程,提高矿产的回收率和经济效益。本文对X射线智能分选机的成像原理及图像噪声特性进行分析,概括了图像预处理方法并重点介绍了经典canny算法和深度学习的HED、DeepEdge、U-Net轮廓提取算法的原理和网络结构,对算法的优势与不足进行分析。最后提出X射线智能分选矿石图像处理算法现存的问题及今后的研究重点。为X射线智能分选图像处理系统矿物轮廓提取研究提供参考。     

基于梯度下降算法的煤矸石分割识别方法

通过图像处理技术在带式输送机运输过程中对煤矸石的分割识别,以完成后续自动分拣是一项非常重要的工作。针对煤和矸石的光泽、灰度等差异,先通过灰度直方图确定阈值,将图像前背景相分离;再将图像距离变换,抽象为三维地形图,通过梯度下降算法把与矸石相接触的煤颗粒图像分离开。实验结果表明,该算法能有效地区分出煤与矸石。     

基于综采工作面视频监控的图像增强方法

针对煤矿综采工作面设备与人员异常状态全方位视频监控和低照度环境下的图像不清晰问题,构建了一种全方位的综采工作面视频监控方案和运用限制对比度自适应直方图均衡方法对图像进行增强;在综采工作面每间隔5个支架安装3台矿用云台摄像仪,全方位监控设备和人员异常状态;运用限制对比度自适应直方图均衡方法,通过设定阈值来限制直方图的分布,以避免过度增强,并通过双线性插值来去除分块处理所导致的块边缘过渡不平衡效应;运用对比度拉伸、伽马变换、直方图均衡和限制对比度自适应直方图均衡的图像增强方法对煤矿井下图像进行增强对比验证。结果表明:限制对比度自适应直方图均衡方法增强效果最佳,实现了煤矿井下综采工作面图像清晰显示。     

基于小波分解子带直方图匹配的 矿井视频图像增强方法

井下光源不充足,机械运行振动以及大量煤尘等因素的存在导致视频监控系统实时获取的图像较模糊且参杂了大量的颗粒噪声。为改善矿井视频图像质量,将空间域直方图匹配方法引入小波变换域中,提出了一种基于小波分解子带自适应直方图匹配的图像增强方法。首先对矿井视频图像与经过直方图均衡化处理后的矿井视频图像分别进行小波变换,以直方图均衡化处理后的图像的低频小波分解子带灰度直方图为基准,将矿井视频图像的低频小波分解子带直方图与之进行匹配,获得增强后的低频小波分解子带;然后针对均值滤波方法存在的缺陷,提出了一种基于滤波窗口自适应划分的加权改进均值滤波算法,并将其应用于去除矿井视频图像高频小波分解子带中的颗粒噪声;最后对直方图匹配后的低频小波分解子带和滤波后的高频小波分解子带进行逆小波变换,得到了视觉效果较佳的矿井视频图像。利用C++语言分别对直方图均衡化、同态滤波、均值滤波以及所提方法进行了编程实现,采用实地获取的山西阳泉某煤矿井下视频监控图像进行试验,对试验结果引入边缘保持指数（Edge protection index,EPI）进行评价,结果表明,所提方法对矿井视频图像的处理效果相对于其余方法而言优势较明显。     

IPP图像增强技术在土微观结构研究中的应用

通过对现有用于土微观结构研究的图像处理软件进行对比分析,提出用IPP软件对压实土的CT扫描图像进行增强处理。分别介绍了直方图均衡化、锐化处理、高低帽变换三种图像增强技术,并对处理后的灰度图像及其直方图作了对比,在此基础上提出了锐化处理结合高、低帽变换这一图像增强技术。通过对比二值化分割图像,说明锐化处理结合高、低帽变换的图像增强技术是一种比较理想的图像处理方法。     

油液污染颗粒边缘检测算法研究

边缘检测是油液污染颗粒图像处理的重要组成部分,其性能直接影响油液污染度光电检测系统的精度和性能。对Sobel、LoG、Canny和最佳阈值迭代算法进行了分析,对油液污染颗粒边缘检测进行了实验研究。结果表明,最佳阈值迭代算法在油液污染颗粒图像中的检测性能较好。     

基于照度调整的矿井非均匀照度视频图像增强算法

由于煤矿井下空间环境受粉尘等因素的影响,视频监控系统获取的作业环境图像存在照度低、照度不均匀等问题,而且现有的算法在处理煤矿非均匀照度图像时会出现颜色失真或者过增强现象,这不利于对图像的判读和应用。结合煤矿的实际数据,提出了一种新的图像增强算法,克服了现有算法存在的问题:分析井下视频图像特点,采用具有边缘保持特性的多尺度引导滤波获取照度分量;基于Retinex理论,将图像分解为照度分量与反射分量;针对照度不均匀的特性,提出一种新的"S型"曲线函数对其进行调整;分析图像的特性,引入受限对比度自适应直方图对其对比度进行增强;提出新的图像增强模型,利用细节增强系数和照度增强系数实现对图像的综合增强。与其他4种算法的对比试验表明,本文算法在主观评价和客观评价方面都优于上述算法。实验证明,本算法具有有效提升图像整体亮度和对比度,同时避免光源附近亮区域的过增强现象的特点,能够满足矿山实际应用需求。     

基于混合高斯图像窄带模型钨矿初选技术研究

针对钨矿石初选环节中人工手选作业效率低、成本消耗大等问题,提出机器视觉与图像处理技术相结合实时钨矿初选方法。通过引入GPU加速混合高斯模型进行矿石运动目标检测,提取图像前景中完整的矿石目标。结合图像信息,提出融合灰度特征与图像窄带的矿石目标识别算法,快速获取钨矿石中脉石的位置信息,为钨矿石的初步分选提供依据。试验结果表明,相比较传统人工手选作业方式,该方法极大提升矿石分选速度与精度,满足工业化实时检测识别要求。     

联合CLAHE和BM3D的浮选泡沫图像预处理方法

针对采集到的浮选泡沫图像存在光照缺失、噪声干扰以及边缘不明显等问题,提出一种基于对比度受限的局部直方图均衡(CLAHE)和三维块匹配滤波(BM3D)结合的浮选泡沫图像预处理方法。首先,将输入的泡沫图像切分为多个图块,对图块的直方图进行均衡计算并限制其对比度。然后,通过BM3D算法利用图像自身的信息对增强之后的图像进行降噪处理。结果表明：处理后的图像质量得到了明显的提升,4种典型工况的浮选泡沫图像的峰值信噪比(PSNR)相比几种经典算法分别提升了33.64%、15.40%、11.83%和11.7%,结构相似性(SSIM)分别提升了11.89%、7.28%、4.09%和5%。     

基于量子遗传聚类算法的井下输送带图像探伤方法

通过图像处理技术在井下输送带运输过程中对输送带损伤部位的识别,以保障煤矿工业上输送带的正常安全工作。针对输送带上损伤部位与正常部位的图像差异,先通过灰度直方图确定阈值,将图像前背景相分离;再将图像中值滤波与边缘检测,完成对实时输送带图像的预处理,最后通过基于量子遗传优化的聚类算法把输送带损伤部位图像与正常输送带图像分离开。实验结果表明,该算法能有效地达到输送带探伤效果。     

基于深度融合网络的煤矿图像尘雾清晰化算法

针对现有煤矿尘雾图像清晰化算法存在的过增强现象和适用性不足等问题,提出一种基于深度融合网络的清晰化复原算法。深度融合网络主要包括3个部分,即图像预处理模块、特征融合模块以及图像输出模块。图像预处理模块基于对比度增强函数、亮度增强函数和伽马校正函数对输入图像进行处理,获取表征不同增强方式及程度的图像序列。由于图像尘雾清晰化需要同时考虑图像的局部信息和全局信息,在空间金字塔池化和上下文信息聚合网络的基础上提出了能够实现双向的上下文信息提取的双金字塔模块,该模块包括2个空洞卷积的串联子块,其中1个子块是以对多个尺度的空洞卷积按尺度由小到大进行串联组成,另1个子块是以对多个尺度的空洞卷积按尺度由大小进行串联组成。图像输出模块主要对特征融合层获取的特征进行处理,从而输出三通道图像,即为最终的尘雾清晰化的图像。为了获取训练数据,本文在煤矿井下清晰图像的基础上基于尘雾图像形成机理构建了较大规模的训练数据集。在训练的过程中,采用了最小平方误差损失函数和基于VGG网络的内容损失函数对网络进行优化。为评价本文提出的基于深度融合网络的清晰化算法的有效性,选取其他6种有代表性的清晰化算法进行对比。实验结果显示,本文算法在主观评价和客观评价方面都优于上述算法,表明本文算法能够有效解决过增强现象,并提升煤矿图像的清晰度和可视化效果。     

矿井视频监控图像改进非局部均值滤波算法

矿井成像条件较为复杂,导致视频监控系统所获取的图像往往具有对比度低、且参杂大量随机噪声的特点,给实时监控矿井生产状况带来了不便。为此,采用灰色关联度法改进非局部均值滤波算法,提出了一种矿井视频监控图像改进非局部均值滤波算法。该算法首先对原始矿井视频监控图像采用均值滤波算法进行预处理,得到预滤波图像,分别对原始矿井视频监控图像和预滤波图像划分为5×5大小的图像块,将该2幅图像中对应位置图像块的像素点灰度值集合分别记为待比较序列和参考序列,计算其灰色关联度值,将较小的灰色关联度值对应的原始矿井视频监控图像中的图像块标记为疑似噪声图像块;其次对每个疑似噪声图像块分别统计其像素灰度极大、极小值,并将该类像素点标记为噪声点;然后以每个噪声点为中心取大小为3×3的图像块,进行非局部均值滤波;最后对滤波后的矿井视频监控图像采用直方图均衡化方法进行对比度拉伸,改善图像的视觉效果。试验结果表明：本研究算法无需对图像中每个像素点灰度值进行逐一滤波,提高了图像处理效率,有助于实现矿井视频监控图像的高效处理。     

基于T值映射的双能X射线透射中矿石识别算法与分选技术研究

将与矿石原子序数相关的R值图像映射方法运用在矿物识别中能够较准确的识别矿石,但是由于R值的推导直接忽略了矿石厚度的影响,从而导致其受厚度的影响较大,所以该图像映射方法存在一定的缺陷。与矿石厚度及密度相关的T值算法保留了厚度和密度两个重要参数,因此使用T值得到的图像信息量将会更多。本文使用T值图像映射方法对采集到的双能X射线透射矿石的图像进行验证。首先,对铝和铜进行T值与R值识别算法进行曲线拟合的优劣对比,经过实验可知,R值的相关系数仅为0.9145和0.9855,而T值曲线拟合相关系数分别达到了0.9983和0.9949,因此T值算法相对减小了厚度对物质识别的影响且T值算法更优。本文在此研究的基础上提出一种基于T值的图像映射方法。该方法首先利用灰度值来代替信号强度值计算出T值,得到由T值作为等大小的灰度图像,然后再使用中值滤波以及RGB配色得到最终的图像。经过实验可知,T值映射相较于R值映射不仅在运行速度上得到了提高,而且在图像清晰度以及矿石识别的准确率都得到了较好的提升。     

基于模糊综合评判的在线图像分割

为使矿岩块度在线检测能精确和快速地进行,提出了一种自适应阈值分割算法:首先选取全局自动阈值分割算法粗分割图像,然后针对粗分割效果较差的目标区域,重复利用阈值分割算法直到无区域可分离。在重复分割前,利用模糊综合评判方法对每一个目标物体的参数(尺寸,形状及梯度等)进行综合评价,若该目标为非正常块度,对其进行重复分割。通过对一次矿山爆破的300多幅矿岩块度图像进行测试表明:在线图像分割算法与新近的聚类分析及图论最小割算法相比,不仅简单而且具有较好的分割效果,在保证在线处理速度的要求下,分割准确率达95%以上,可有效地扩展应用在其它颗粒在线检测系统中。     

Application of image processing and radial basis neural network techniques for ore sorting and ore classification

Ore sorting is a useful tool to remove gangue material from the ore of bigger size ranges. The radical development in the area of artificial intelligence allows speedy processing the full color digital images for the preferred investigations. In this paper a novel approach to classify the ores for ferromanganese metallurgical plant feed has been proposed based on the visual texture of the ore particles (Mn, Fe, and Al₂O₃ rich) and radial basis neural network. The visual texture of ore particles vary with the mineral contents. This information can be quantified by using image processing technique in RGB color space and, first and second-order statistical analysis. Commonly used Hartlic’s textural features was calculated and presented as neural network inputs along with red, green and blue color values for 5 × 5 pixel size windowpanes extracted from three separate images. Results obtained show encouraging accuracy to apply the approach to develop an expert system for on line ore quality monitoring to control the ore blending in the feed ore circuits as well as separating gangue minerals present in the feed ores. Matlab^® 7.0 was used for visual textural analysis and neural network classification.     

具有以太网接口的嵌入式图像处理系统

针对图像处理过程中的实时性以及系统与外界的以太网通信的要求,提出了具有以太网接口的嵌入式图像处理系统,并介绍了该系统的硬件、软件设计方案和主要技术特点.     

矿井视频图像小波域改进非局部均值滤波

由于井下粉尘较多,光照不均匀,易导致矿井视频图像中含有大量噪声,实时获取的矿井视频图像整体较模糊,影响了对其进行分析判读。对此,基于小波变换,提出了一种小波域矿井视频图像滤波算法。该算法首先对矿井视频图像进行2层小波变换,对获得的低频和高频小波分解系数分别进行逆小波变换,得到空间域原始图像的低频图像和高频图像;其次根据低频图像对比度较低、基本不受到噪声干扰的特点,对其采用同态滤波算法进行增强处理;然后,在对非局部均值滤波（Non-local means filtering,NLM）算法特点分析的基础上,分别从相似性权重计算、图像块搜索范围自适应确定等方面对其进行了改进,提出了一种改进型非局部均值滤波算法（Improved non-local means filtering,INLM）,采用该算法对高频图像进行去噪处理;最后将增强后的低频图像和去噪后的高频图像进行叠加,得到质量较高的矿井视频图像。采用一幅贵州省兴仁县王家寨煤矿井下视频图像进行试验,并将文中所提算法与非局部均值滤波算法及其2类改进型算法进行性能对比,采用结构相似度指数（Structure similarity,SSIM）、均方根误差（Root mean square error,RMSE）等指标对各算法性能进行评价,结果表明：新算法对于矿井视频图像的处理效果优于其余算法,对于高效处理矿井视频图像有一定的参考价值。     

基于机器视觉的矿石块度智能识别及应用

给矿粒度特性以及矿石可磨性对半自磨过程的影响远大于常规碎磨流程,通过对给矿皮带上矿石图像进行矿石粒度特性分析,可从给矿源头上实现矿石块度实时检测。基于多尺度的矿石图像分析系统,实时采集半自磨给矿矿石图像,通过图像处理技术,实现矿石块度有效分割以及粒级统计,为半自磨给矿矿石块度控制提供数据支撑。     

矿区塌陷区遥感影像改进自适应维纳滤波算法

遥感影像为矿区开采沉陷研究提供了大量可靠的数据,对于提高矿区开采沉陷监测与预计的精度具有重要作用,但由于遥感影像的获取受到矿区成像环境、成像器件固有的缺陷等因素的影响,易混入不同程度的随机噪声,降低了遥感影像的成像质量,导致难以高精度提取矿区塌陷区域的相关数据。为此,提出了一种针对矿区塌陷区遥感影像的滤波算法。该算法首先对自适应维纳滤波算法添加了噪声图像块检测环节,对其进行了适当改进,将改进后的自适应维纳滤波算法用于对遥感影像进行去噪;然后针对去噪后遥感影像对比度不高的问题,采用动态均值算法进行增强处理,即通过设定某一阈值,将遥感影像像素点灰度值划分为亮度异常和亮度正常2个部分,采用亮度正常的像素点灰度值修正亮度异常的像素点灰度值,实现对遥感影像对比度的动态调整。采用一幅某矿区塌陷区的遥感影像分别对新算法、自适应维纳滤波、中值滤波、非局部均值滤波等算法进行试验,结果表明：新算法对于矿区塌陷区遥感影像的滤波效果相对于其余算法而言有一定的优势,对于提高矿区开采沉陷监测与预计的精度有一定的帮助。