一种基于RGBD图像的矿物浮选破碎泡沫识别方法技术

本发明专利技术公开了一种基于RGBD图像的矿物浮选破碎泡沫识别方法，主要包括步骤S1，挑选出RGBD图像中潜在的破碎泡沫，其标准是泡沫破碎后深度变小；S2，将可能破碎的泡沫选出来后，对感兴趣泡沫区域定位和细化；S3，在确定感兴趣泡沫区域位置后，得到细化的感兴趣泡沫区域对；提取深度变化特征，立体纹理变化特征，加权亮度变化特征从细化感兴趣泡沫区域对，并被用于破碎泡沫识别；S4，采用基于逻辑回归算法进行破碎泡沫识别。本发明专利技术的有益效果在于：基于RGBD图像，直接提取对泡沫破碎较为敏感的深度特征，结合泡沫表面纹理和深度数据，提取立体纹理特征，同时通过亮度分量和权重矩阵提取加权亮度特征，基于这些特征能进一步精准可靠地识别泡沫是否破碎，更有利于准确判别当前工况的稳定性。的稳定性。的稳定性。

【技术实现步骤摘要】
一种基于RGBD图像的矿物浮选破碎泡沫识别方法


[0001]本专利技术涉及一种选矿方法，具体涉及矿物浮选过程的自动化破碎泡沫识别。

技术介绍

[0002]矿产资源是人类社会赖以生存和发展的重要物质基础，是国家安全与经济发展的重要保障。选矿是矿产资源加工中必不可少的一个环节，泡沫浮选是应用最为广泛的一种选矿方法。
[0003]目前国内选厂主要通过有经验的浮选操作人员肉眼观察浮选槽内泡沫表面特征变化来判定当前工况。泡沫破碎率是泡沫稳定性的一个重要特征，破碎泡沫识别是其中的关键。但人工观察方式的主观性比较强，导致生产过程不稳定，影响生产质量。现有技术中依靠操作人员经验判断泡沫稳定性的方式自动化水平低，受限于浮选操作人员的个人主观经验。因此矿物浮选过程的自动化破碎泡沫识别具有十分重要的意义。
[0004]传统的破碎泡沫识别方法总是基于RGB图像，泡沫表层相似的灰度和纹理对传统的识别方法构成了较大的挑战。为了弥补现有技术的不足，申请号201410699401.0的专利技术专利申请提出一种基于深度信息的泡沫浮选液位监测和工况识别方法，引入比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RGBD图像的矿物浮选破碎泡沫识别方法，其特征在于，主要包括如下步骤：S1，挑选出RGBD图像中潜在的破碎泡沫，其标准是泡沫破碎后深度变小；S2，将可能破碎的泡沫选出来后，对感兴趣泡沫区域定位和细化；当泡沫在连续帧中移动有限距离时，采用滤波的定位方法应用于局部泡沫区域，掩模图像被覆于较小的局部区域对上以获得细化的感兴趣泡沫区域，以避免局部运动造成的假破碎；S3，在确定感兴趣泡沫区域位置后，得到细化的感兴趣泡沫区域对；提取深度变化特征，立体纹理变化特征，加权亮度变化特征从细化感兴趣泡沫区域对，并被用于破碎泡沫识别；由于照明的直射光，泡沫顶部会产生白点，而泡沫的破碎会导致暗区的形成，因此，亮度是识别破碎泡沫的有效特征，由于从白点到暗区的变化主要发生在泡沫的顶部，基于RGBD图像，通过亮度分量和基于深度的权重矩阵提取加权亮度特征；S4，采用基于逻辑回归算法进行破碎泡沫识别。2.根据权利要求1所述的基于RGBD图像的矿物浮选破碎泡沫识别方法，其特征在于：步骤S2中，将可能破碎的泡沫选出来后，对感兴趣泡沫区域定位和细化的过程如下：首先，从配准图像和得到粗过滤区域P
k
中的每个连通区域的局部区域对和以及源泡沫区域S
m
；和都包含P
k
中第m个潜在破碎泡沫其次，通过相关滤波操作对S
m
在中定位；然后，从该位置得到对应的目标泡沫区域T
m
；最后，为进一步描述潜在的破碎泡沫区域，引入了掩模图像来细化S
m
和T
m
的区域。3.根据权利要求1或2所述的基于RGBD图像的矿物浮选破碎泡沫识别方法，其特征在于：步骤S3中，深度变化特征提取：在深度变化特征提取中引入均值、变异系数和Hellinger Distance；根据泡沫破碎前后深度值的变化，深度变化特征被定义为：E
var
＝exp(mean(Δ(1
‑
μ),ΔV,H))
‑
1 (4)其中，μ为深度的平均值；Δ(1
‑
μ)表示细化泡沫区域和的(1
‑
μ)的差值；ΔV为变异系数的差值，V＝σ/μ为变异系数，σ为深度图像的标准差，深度图像归一化为[0,1]，表示Hellinger Distance的H为其中，和是细化泡沫区域和深度的概率分布。4.根据权利要求3所述的基于RGBD图像的矿物浮选破碎泡沫识别方法，其特征在于：立体纹理变化特征提取如下：首先，将RGBD图像转换为gray
‑
depth图像，通过双流LBP得到立体uniform pattern，计算灰度和深度图像对应的立体uniform pattern如下：
其中，uni表示不同的uniform pattern，Size为图像的像素个数，Q
gray
和Q
d
分别表示在灰度图像和深度图像中对应的像素，e(
·
)为其次，在灰度流和深度流中对立体uniform pattern进行平铺处理，可以得到像素级的特征；然后，聚合感兴趣泡沫区域中的像素级特征以得到区域级特征：其中，Area是感兴趣泡沫区域的像素个数；然后，分别根据灰度流和深度流绘制uniform pattern分布，得到立体uniform pattern直方图，将立体uniform pattern直方图归一化以串联灰度流和深度流；最后，被串联的灰度流和深度流即为立体纹理特征B
st
，立体纹理变化特征B
var
是由感兴趣泡沫区域提取的立体纹理特征减去从感兴趣泡沫区域中提取的立体纹理特征得到的。5.根据权利要求4所述的基于RGBD图像的矿物浮选破碎泡沫识别方法，其特征在于：基于RGBD图像的加权亮度变化特征提取，过程如下：首先，将RGB图像上从RGB色彩空间转换到Lab色彩空间，将漂浮选泡沫图像从RGB色彩空间转换到Lab色彩空间，以解耦亮度和颜色；亮度分量按下式获得：其中C
x
、C
y
和C
z
是XYZ色彩空间中色彩通道的值，RGB色彩空间中的C
r
、C
g
和C
b
也是如此；然后，将颜色分量从XYZ色彩空间转换为Lab色彩空间：其中和是XYZ颜色空间中白色参考点的三色值，分别为96.4221、100.0000和82.5221，以及f(
·
)是

【专利技术属性】
技术研发人员：赵林，王福海，刘浪，李新平，张国云，邹尚，刘立辉，胡文静，吴健辉，郭龙源，
申请(专利权)人：湖南理工学院，
类型：发明
国别省市：