[发明专利]一种基于泡沫图像特征和通风量的硫浮选液位测量方法

摘要

本发明公开了一种基于图像特征和通风量的硫浮选液位测量方法，以硫浮选现场安装的工业摄像机获取的泡沫图像为基础，采用基于宏块跟踪的方法提取泡沫图像的速度特征，并利用速度信息统计差分图像像素得到稳定度特征，结合现场采集的通风量数据做为模型输入，并采用拉依达准则剔除异常数据后，建立相关向量机（RVM）液位测量模型。本发明具有简便、快速的特点，适用于硫浮选生产过程液位实时测量，有效的解决了硫浮选现场液位测量不准问题，对实现硫浮选生产操作的优化，进而提高硫精矿品位具有重要意义。

主权项

1.一种基于泡沫图像特征和通风量的硫浮选液位测量方法，其特征在于包括以下步骤： 第一步，以硫浮选现场安装的工业摄像机获取的泡沫图像为基础，采用基于宏块跟踪的方法提取泡沫图像的速度特征，并利用速度信息统计差分图像像素得到稳定度特征，结合现场采集的通风量数据以及液位数据构建样本集，并采用拉依达准则剔除异常数据，具体为：步骤1：采集摄像机获取的泡沫图像，提取泡沫速度和稳定度特征；采用基于宏块跟踪的速度特征提取方法，从图像序列相邻帧的前一帧的某一位置选一子块即宏块做为模板，在当前帧搜索最佳匹配位置，宏块跟踪的准则采用归一化互相关函数：其中和分别表示模块图像和待搜索的图像子块区域，、分别表示模块图像和待搜索子图的灰度均值，、表示模板的尺寸，、表示位移量；使互相关函数最大的位置为最佳匹配位置，利用这个位置和上一帧取得模板的位置之差，并根据帧率确定连续两帧的时间间隔，得到该时刻像素级的速度参量；利用泡沫速度信息，将连续两帧图像的后一帧图像变换到前一帧图像的同样位置，然后计算第一帧图像与变换图像的差分，差分图像的像素数目超过给定的阈值则计算出稳定度；泡沫稳定度用数学式可以表示为：其中：，分别表示连续两帧图像在(i,j)点的像素灰度值，表示泡沫图像稳定度阈值，表示泡沫图像处理区域总像素点数；步骤2：根据计算的泡沫速度和稳定度特征，现场通风量数据以及对应的液位值构建四维样本集：，为泡沫速度特征，为泡沫稳定度特征，为现场通风量数据，为对应的液位值，为样本个数；步骤3：对数据样本集采用拉依达准则剔除异常数据；设==，其中=1,…,，=1,2,3，分别算出各维数据的平均值，按贝塞尔公式测得各维数值的标准误差，如果某个测量值满足，则认为对应的是异常值，删除在中对应的数据；第二步，由于同一液位可以对应多组泡沫图像和风量参数，液位模型包含必要概率信息，相关向量机，即RVM，利用贝叶斯框架构建学习机，输出的结果具有概率密度分布；因此采用RVM方法，以图像特征以及通风量作为模型输入，建立液位测量模型；步骤1：根据第一步得到的样本集建立RVM回归模型；对于训练的输入、输出集为，为剔除异常数据后的样本个数，设目标函数是来自带有噪声的模型：式中噪声服从均值为零、方差为的高斯分布，其中，为核函数，为权值向量，训练样本集的似然函数为：其中，步骤2：参数推理；定义步骤1中的权重的先验分布为依赖于超参数的高斯分布，即式中是决定权值先验分布的超参数，它最终决定模型的稀疏特性，根据贝叶斯准则，可以得到权重向量的后验似然分布为：其中为后验协方差为，为后验均值；训练样本集的似然函数式可以通过权重变量进行积分，可以得到依赖于和的边缘似然分布为：式中；步骤3：超参数优化；由于不能以解析形式获得使步骤2中的边缘似然分布最大的和，故使用反复迭代估计法，对上式关于求导，令其为零，可得其中，是第i个后验均值，是当前的和根据步骤2中计算所得的后验权重协方差矩阵中的第i个对角线元素；对噪声，利用上述方法求导，得到更新算式：获得参数和后，重新估计权重的后验均值和方差，在迭代估计过程中，大部分的值为越来越接近于无穷大，即对应的为0，将其相应的基函数删除，从而达到稀疏性，其他的会稳定趋近有限值，与之对应的即称为相关向量；步骤4：采用前3个步骤得到的RVM液位测量模型，以现场实时泡沫图像特征和通风量值为模型输入，测量实时液位值。