基于阈值水平集的浮选泡沫图像分割方法
浮选是矿物金属提炼应用中最广泛的一种选矿方法,并且在浮选过程中浮选泡沫的视觉特征如形状、大小是判断矿物质量的关键.多年以来,浮选过程的工艺指标控制主要是依靠有经验的操作者目测观察气泡的状态,来调整参数完成选矿.然而在矿产资源复杂多变的情况下,这种操作方式存在很大的主观性和随意性,严重影响浮选过程的优化运行.因此将计算机数字图像处理技术应用到浮选控制过程中就成为一件刻不容缓的事.以"计算机视觉"代替人的视觉,不仅能够加强数字图像处理技术在选矿中的应用,同时也利用眼前最有效的数字图像处理技术成果去提升选矿新技术的开发能力,这将对实现选矿厂的智能化控制起到不可估量的作用.目前针对浮选泡沫图像分割的方法有边缘探索法和基于分水岭的分割方法等,其中边缘探索法对光照强度的要求非常高,算法的准确性会受到很大的影响.分水岭方法虽说避开了这一不足,但是受噪声及区域灰度不均匀的影响,会产生很多局部最小值,在后续分割中将出现大量细小区域,因而导致过分割和欠分割的现象,同样的使分割的精度下降.为了解决传统分割浮选泡沫图像的方法带来的不足,本文提出了目前在图像处理领域中较热门的方法-水平集方法来分割泡沫图像.该方法首先将样本图片进行直方图均衡化处理,目的是改善图像的对比度,使得泡沫的轮廓能清晰的显现出来,然后根据均衡化后图像直方图中的灰度值大小选取一组上下限阈值,将其代入到速度函数中形成阈值速度项,并融合到本文所采用的边缘和区域相结合的模型中进而形成新的水平集模型.实验结果表明,改进方法有效的改善了欠分割或过分割的问题,且具有较好的分割结果以及较高的分割效率,对工业选矿具有一定的意义.
- 作者：
- 张丽娜
- 学位授予单位：
- 辽宁科技大学
- 专业名称：
- 软件工程
- 授予学位：
- 硕士
- 学位年度：
- 2015年
- 导师姓名：
- 赵骥
- 中图分类号：
- TP391.41
- 关键词：
- 浮选泡沫图像分割；直方图均衡化；速度函数；阈值水平集
- Flotation Froth Image Segmentation； Histogram Equalization； Speed Function； Threshold Level Set