[发明专利]全尾砂动态絮凝沉降中絮体动态沉降分散程度定量表征方法

权利要求书

1.全尾砂动态絮凝沉降中絮体动态沉降分散程度定量表征方法，其特征在于，具体步骤如下：

(1)采集尾砂动态絮凝沉降过程的图像数据；

(2)对图像数据进行灰度处理使图像数据由三通道转变为单通道得到差异化灰度图像；

(3)采用Harris检测算法对差异化灰度图像进行最大特征点提取得到特征点数据；

(4)采用DBSCAN算法对特征点数据进行聚类分析，计算出絮凝沉降图像中的Cluster数目；

所述采用DBSCAN算法对特征点数据进行聚类分析，计算出絮凝沉降图像中的Cluster数目的具体方法为

1)特征点数据集中点p的Eps近邻指特征点p邻域半径Eps范围内点的集合，表示为Eps(p)：

Eps(p)＝{q∈D|dist(p,q)≤Eps}

式中：D为特征点数据集，dist(p,q)为点p与q之间的距离；

2)给定参数Eps和MinPts，对于所选取絮团对象的p点则有：

Eps(q)≥MinPts

式中p为核心点；在核心点的Eps邻域内的对象为边界点；

3)采用DBSCAN算法对特征点数据进行聚类分析，根据以上公式计算出絮凝沉降图像中的Cluster数目；

(5)根据絮凝沉降图像中的Cluster数目分析絮团体的分散情况，以Cluster作为絮团体动态沉降分散程度数学表征指标，实现对全尾砂沉降过程细观图像的定量分析，即Cluster数目越大，絮团体分散效果越差。

2.根据权利要求1所述全尾砂动态絮凝沉降中絮体动态沉降分散程度定量表征方法，其特征在于：步骤(2)灰度处理的具体方法为采用平均值法的灰度处理使RGB三通道图像转变为单通道图像，即RGB三通道图像由x×y个像素点构成，采用平均值法的灰度方法进行处理：

Gray(x,y)＝(R(x,y)+G(x,y)+B(x,y))/3

式中：Gray为所得到的灰度图像；R、G、B为图像上的红、黄、蓝三个通道的颜色；x、y代表图上像素点所在位置。

3.根据权利要求1所述全尾砂动态絮凝沉降中絮体动态沉降分散程度定量表征方法，其特征在于：步骤(3)最大特征点提取的方法，具体步骤如下：

1)Harris检测通过计算窗口沿任何方向移动后的灰度变化情况，分别利用x方向的模板和y方向上的模板在图像上移动，通过计算每个位置所对应的中心像素梯度值得到原始图像在x和y方向上的梯度图像；

2)计算每个像素点对应的x和y方向梯度的乘积，得到新的图像，I_x、I_y和I_xy分别代表x方向梯度、y方向梯度和xy方向梯度的三幅图像中的每个像素点对应的属性值，得到矩阵W’：

式中：I_x为灰度图像像素点在水平方向上的梯度，I_y为灰度图像像素点在垂直方向上的梯度，I_xI_y为灰度图像像素点对应的x和y方向梯度的乘积；

3)对图像进行高斯滤波和平滑处理，得到矩阵W：

式中：W_u,v为均值为零的离散二维高斯函数，δ为高斯标准差，I_x为灰度图像像素点在水平方向上的梯度，I_y为灰度图像像素点在垂直方向上的梯度，I_xI_y为灰度图像像素点对应的x和y方向梯度的乘积，I为原始图像的平均灰度，u为x方向的位移量，v为y方向的位移量；

4)计算灰度图像中每个像素点对应的响应函数CRF：

式中：k为经验参数，I_x为灰度图像像素点在水平方向上的梯度，I_y为灰度图像像素点在垂直方向上的梯度，I_xI_y为灰度图像像素点对应的x和y方向梯度的乘积，det(W)和trace²(W)为W行列式和W行列式迹的操作符；

5)利用数学解析式确定响应函数CRF所对应的极大值点即为图像中的特征点：

CRF＞threshold

式中：threshold为原始图像的全局平均阈值。