[发明专利]NSST域红外目标分割及SURF匹配的浮选泡沫流速检测方法

说明书

本发明提供了一种NSST域红外目标分割及改进SURF匹配的浮选泡沫表面流速检测方法，首先，对相邻两帧泡沫红外图像NSST分解，在多尺度域构建图割的边界、亮度、显著性约束项实现对合并、破碎气泡的分割；然后，对分割后的背景区域进行SURF特征点检测和定位，通过统计扇形区域内的尺度相关系数确定特征点主方向，采用特征点邻域的多方向高频系数构造特征描述符；最后，对相邻两帧泡沫红外图像进行特征点匹配，根据匹配结果计算泡沫流速的大小、方向、加速度、无序度。应用本技术方案可实现减少噪声影响，提升分割精度。在NSST域改进SURF的特征方向确定和特征点描述方法，不仅极大提升运算效率和匹配精度，还提高算法整体的鲁棒性。

技术领域

本发明涉及图像处理技术领域，特别是一种NSST域红外目标分割及SURF匹配的浮选泡沫流速检测方法。

背景技术

浮选是浮选机内矿物与空气中的微气泡发生碰撞粘附，利用矿物与杂质表面的亲疏水性质，可浮性高的矿物颗粒随着气泡上浮至液面泡沫层，从而将目标矿物从物质组成复杂的矿石中分选出来的选矿方法。浮选生产工艺受多种物理化学因数的影响，研究人员发现泡沫表面的流动特征与浮选生产工艺指标密切相关，气泡的流动性反映了所采用的选矿工艺是否优质，也有效地反映了矿物含量，泡沫流速的精确提取能客观描述浮选气泡的流动性，对浮选生产指标预测和工艺改善具有重要意义。

近几年，出现了几种泡沫流动特征提取方法。一种结合气泡亮点分割和相位相关法估计气泡的流动速度，但是该方法的分割精度受气泡形变和光照的影响大，而且相位相关法计算获取的是两帧图像的相对位移，不具备全局性；一种采用相邻领域匹配块搜索法实现泡沫流动速度检测，该方法运行效率高，但易受外界光照因素影响，匹配精度不高；一种采用像素点跟踪技术计算连续帧间的平均流动速度，该方法运行效率高，但是像素值在流动过程容易受噪声和光照影响而产生变化，导致像素点跟踪出错；一种将SIFT(ScaleInvariant Feature Transform)算法应用到泡沫流动速度的检测中，根据匹配结果计算流速大小和方向，匹配精度高，而且受噪声和光照的影响小，但SIFT计算复杂，实时性不强。

发明内容

有鉴于此，本发明的目的在于提供一种NSST域红外目标分割及SURF匹配的浮选泡沫流速检测方法，实现减少噪声影响，提升分割精度。在NSST域改进SURF的特征方向确定和特征点描述方法，不仅极大提升运算效率和匹配精度，还提高算法整体的鲁棒性。

为实现上述目的，本发明采用如下技术方案：NSST域红外目标分割及SURF匹配的浮选泡沫流速检测方法，包括以下步骤：

Step1：抽取时间间隔为Δt的连续两帧泡沫红外图像I_t和I_t+1，对I_t和I_t+1进行NSST多尺度分解，分别得到1个低通子带图像和k个尺度高频子带，各尺度高频子带再分解为l个方向子带；

Step2：对I_t和I_t+1的低频图像构建亮度约束项，同时对低频图像进行分数阶微分显著性检测，然后构建显著性约束项；

Step3：对I_t和I_t+1的k个尺度高频子带，根据系数的尺度相关性进行噪声去除，然后构建边界约束项；

Step4：构造一个包含亮度约束项、显著性约束项、边界约束项的图割能量函数，然后利用最大流/最小割算法求解能量函数的最小值，实现合并、破碎气泡的分割；

Step5：对I_t和I_t+1分割后的背景区域进行SURF尺度空间极值提取、特征点检测；

Step6：在多尺度高频子带以特征点所在位置为圆心，计算扇形内所有点的尺度相关系数Corr(i,j)的总和，然后旋转扇形使其遍历整个圆形区域，将Corr(i,j)总和最大值的扇形的方向作为特征点主方向；