[发明专利]基于双树复小波域共生增广矩阵的浮选泡沫工况识别方法

权利要求书

1.一种基于双树复小波域共生增广矩阵的浮选泡沫工况识别方法，其特征在于：包括以下步骤：

步骤一：对图像进行双树复小波变换，提取图像的高低频子图；

步骤二：基于双树复小波变换计算各子图的灰度共生增广矩阵；

其中：确定浮选泡沫图像双树复小波域共生增广矩阵的步骤如下：

①对浮选泡沫的灰度图像进行双树复小波变换，得到其低频子图和不同方向的高频子图，设某子图I＝[f(m，n)]_M×N；

②将灰度区间0-255均匀分成八组，每组包含32个连续的灰度，计算图像在每个灰度区间中所对应的像素个数总和及其占全图像素总数的比例；

③确定灰度量化区间，预先设定最小比例阈值λ，将比例值大于λ的区间均等分成两部分，直至所有灰度区间的比例阈值均小于λ或该区间最大值与最小值的差值为1，从而使得灰度分布密集的部分拥有较多的灰度区间；

④确定灰度量化矩阵，假设子图I＝[f(m，n)]_M×N有L个量化区间，确定灰度量化矩阵F_q＝[f_q(m，n)]_M×N：

当g_k，min≤f(m，n)≤g_k，max时，

f_q(m，n)＝k-1，k＝1，2，...，L (9)

⑤确定共生增广矩阵，通过上一步骤，不同图像一般有不同的灰度量化级数L，共生增广矩阵G＝[P(i，j)]_L×L定义为在θ方向上，相隔距离d的一对像素分别具有灰度值i和灰度值j同时出现的概率：

P(i，j)＝P(f_q(m，n)＝i，f_q(m+dcosθ，n+dsinθ)＝j) (10)

其中，i＝0，1，...，L-1；j＝0，1，...，L-1；

步骤三：计算各增广矩阵的特征值；

步骤四：搭建浮选工矿识别模型；

步骤五：将增广矩阵的特征值作为浮选工矿识别模型的输入特征矢量，用于浮选工况的识别。

2.根据权利要求1所述的基于双树复小波域共生增广矩阵的浮选泡沫工况识别方法，其特征在于，

在步骤一中，DT-CWT独立的使用两个离散小波树分别构成一个变换后的实部与虚部，形成一个双树复小波，其表示为：

ψ(t)＝ψ_h(t)+jψ_g(t) (1)

式中，ψ(t)是复小波，ψ_h(t)是实奇函数，jψ_g(t)是虚偶函数；

通过双树复小波变换多尺度、多方向的对浮选泡沫图像的高频和低频细节进行提取，图像的DT-CWT变换本质是一个二维DT-CWT变换，利用滤波器分别对行和列进行分解，二维DT-CWT变换表示为：

ψ(x，y)＝ψ(x)ψ(y)

＝[ψ_h(x)+jψ_g(x)][ψ_h(y)+jψ_g(y)]

＝ψ_h(x)ψ_h(y)-ψ_g(x)ψ_g(y)+j(ψ_g(x)ψ_h(y)+ψ_h(x)ψ_g(y)) (2)

实部小波函数：

ψ_i(x，y)＝ψ_1，i(x，y)-ψ_2，i(x，y) (3)

ψ_i+3(x，y)＝ψ_1，i(x，y)+ψ_2，i(x，y) (4)

i＝1，2，3

其中，ψ_1，i(x，y)和ψ_2，i(x，y)分别为六个方向的小波系数，定义为：

虚部小波函数：

ψ_i(x，y)＝ψ_3，i(x，y)+ψ_4，i(x，y) (6)

ψ_i+3(x，y)＝ψ_3，i(x，y)+ψ_4，i(x，y) (7)

i＝1，2，3

其中，ψ_3，i(x，y)和ψ_4，i(x，y)分别为六个方向的小波系数，定义为：

通过公式(2)-(8)对图像进行二维DT-CWT变换，得到1个低频子带和多个分解层，每个分解层有6个高频子带，分别对应图像的6个方向：±15°，±45°，±75°，以针对不同图像的特性，选取特征显著的方向进行统计分析。