[发明专利]基于小波多尺度二值化的铜浮选现场泡沫工况识别方法

说明书

技术领域

本发明涉及一种基于小波多尺度二值化的铜浮选现场泡沫工况识别方法，属于图像处理技术和模式识别等领域。

背景技术

浮选工况即浮选生产过程中的工作状况，及时准确地识别工况对指导浮选生产至关重要。传统的依靠作业工人肉眼观察泡沫表观变化的方式，已无法满足当今浮选生产快速准确识别工况的需要。随着机器视觉及图像处理等技术的飞速发展，结合浮选现场泡沫特征进行智能识别工况的工作取得了很大进展。通过快速准确的识别浮选现场的工况类别，浮选生产控制系统可及时调整生产参数，使浮选生产过程始终保持在最优状态。

研究表明，由肉眼直接观测到的泡沫大小、颜色等泡沫表面视觉特征(以下简称泡沫表观特征)是浮选工况的综合反映。如何准确提取浮选过程中与关键生产指标密切相关的泡沫表观特征，是实现浮选工况识别的关键。应用于铜浮选工况识别的传统特征主要通过分割方法获得，包括泡沫颜色、尺寸、承载率、速度及稳定度等，但这些直接通过分割原始图像获得的特征不具备多尺度特性。二值图像是表征一幅图像的最简单形式。将泡沫灰度图像二值化，可以得到泡沫个数、面积等形态统计特征。与图像分割方法一样，利用二值化方法所获得的泡沫特征也不具备多尺度特性。小波分析具有多尺度特性，能模拟人的视觉系统对信号进行多通道时频域分析，从而能够得到信息更加丰富的统计特征。利用小波分析提取的传统统计特征虽然具有多尺度特性，但很难描绘符合作业工人视觉习惯的泡沫表观形态，因而直接影响工况的准确判断。

因此，有必要设计一种基于小波多尺度二值化的铜浮选现场泡沫工况识别方法。

发明内容

本发明所要解决的技术问题是提供一种基于小波多尺度二值化的铜浮选现场泡沫工况识别方法，该基于小波多尺度二值化的铜浮选现场泡沫工况识别方法易于实施，实施成本低，识别效果好。

发明的技术解决方案如下：

一种泡沫图像等效尺寸特征的提取方法，其特征在于，包括以下步骤：

步骤一：根据铜浮选现场所获得的泡沫视频获取三维泡沫图像，将三维泡沫图像进行灰度化，然后对所得的二维灰度图像进行小波分解，从而得到不同尺度上的小波子图，忽略各阶细节子图的特征，仅对各阶逼近子图进行单支重构，得到重构逼近子图；

步骤二：根据测不准原理和离散小波频域关系，推算出不同阶次子图的泡沫直径变化范围；

步骤三：利用最大类间方差法将各重构逼近子图二值化，得到二值图像，统计出各二值图像的泡沫总体面积，进而求得泡沫等效尺寸特征；最后结合步骤二推算出的泡沫直径变化范围，计算出等效泡沫个数，进而得到泡沫等效尺寸分布图；【一幅泡沫图像经小波变换后能得到多个逼近子图，后面再对这些逼近子图(多个图像)进行进一步处理，便得到对应的等效尺寸分布图。】

步骤四：将泡沫等效尺寸分布图与基准分布图比较，确定当前泡沫图像对应的铜浮选现场工况。

所述步骤一包括以下子步骤：

步骤1：原始泡沫图像灰度化；

原始三维RGB泡沫图像K_(X×Y×3)灰度化后变为二维灰度图像I_(X×Y)；

步骤2：选择sym4小波对二维灰度图像进行五阶分解，在每个分解阶次，二维小波变换将产生一个逼近子图和水平、垂直、对角线三个不同方向的细节子图；

在每个分解阶次的小波变换公式为：

在每个分解阶次中的逼近系数矩阵和3个细节系数矩阵可由二维小波分解的Mallat算法获得：