基于自适应射线群的图像边缘检测算法

对于存在大量噪声、目标边界模糊且粘连的浮选泡沫类图像,分水岭及阈值法难以准确分割。为此,提出自适应射线群算法检测泡沫边缘,仅访问图像一次,即实现种子区域的提取。去噪后,从种子区域的几何中心位置对称发射出多条射线,根据射线的灰度分布曲线自适应提取泡沫的边缘,并修正边缘。实验结果表明该算法可解决分水岭算法的过分割及不准确分割等问题。     

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。     

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。