System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及矿物浮选,具体涉及一种泡沫浮选视频动态特征提取方法。
技术介绍
1、到目前为止,国内已有超过90%的有色金属通过浮选法进行提取分离。泡沫浮选法在一百多年的发展应用史中,面临的最大的问题就是泡沫浮选过程工艺流程长、过程复杂、受干扰因素多、矿物指标的检测量数据大、人工记录复杂,且判断浮选工况的优劣完全凭借有经验的工人对泡沫表面状态进行肉眼观察来完成。同时随着计算机自动控制技术和图像处理技术的不断发展,人们发现浮选过程中还有许多待改进的地方,比如矿物原料的利用率、浮选所使用的药剂等。使用传统的人工肉眼进行矿物质分离好坏的判断使得浮选过程并不一定能达到最优分离状态,也就意味着使用人工经验判断的方式已经很难满足当下工业生产的现状,这是必将得到改进的地方。许多学者尝试将计算机摄像机取代人工,但如何让计算机动态判断所拍摄之处的浮选工业是否符合分离条件是一项更艰难的任务。但是将技术不断提升从而更好的获得矿物质的分离对于提升中国在矿业生产中的地位具有极其重要的作用。浮选获得的泡沫,其实现自动监控的特征研究包括两个方面,一是静态特征,摄像机将拍摄到的动态泡沫进行分帧处理,在单帧图像的基础上进行研究获得泡沫的参数,包括泡沫的大小、形状、颜色特征和纹理特征等;二是动态特征,将摄像机拍摄到的动态泡沫基于图像序列获得泡沫的特征参数,包括泡沫的运动速度、泡沫的运动角度等。静态特征的研究基本已经到达顶端。
2、如中国专利申请号为202211344345.x,公布日为2023.01.06的专利文献公开了一种基于加权k最近邻算法的浮选工况
3、如上述文献的一些现有技术,由于浮选过程中泡沫的变化快且存在内部运动,仅通过静态特征进行自动控制无法达到智能监控的要求,对于动态特征的研究已得到更大的重视,但是对于泡沫的动态特征难以捕捉的问题还未有成熟的解决办法。
技术实现思路
1、本专利技术提供一种泡沫浮选视频动态特征提取方法,通过本专利技术的方法,可以解决泡沫的动态图像中泡沫的动态特征难以捕捉的问题。
2、为达到上述目的,本专利技术的技术方案是:一种泡沫浮选视频动态特征提取方法,具体步骤包括:
3、(1)将待测物产生泡沫。
4、(2)通过视频采集装置采集含泡沫的视频图像。
5、(3)通过双层金字塔分层l-k光流法对视频图像的运动特征进行提取。
6、(4)通过递归算法计算金字塔每一层的图像信息。
7、(5)将视频图像中出现的泡沫设定为视频图像中的一个像素点α。
8、(6)在视频图像中取三帧以上的泡沫图像。
9、(7)根据每一层金字塔模型的视频图像与相邻一层的金字塔模型的视频图像的图像缩放因子确定每一帧泡沫图像的像素点α在每一层金字塔模型中的坐标。
10、(8)通过l-k光流法分别计算每一帧泡沫图像的泡沫的像素点α的速度大小和运动角度。
11、(9)提取并保存每一帧泡沫图像的像素点α的速度大小di和运动角度θi并取每一帧泡沫图像的像素点α的速度大小di的平均值和每一帧泡沫图像的像素点α的运动角度θi的平均值。
12、以上方法,通过视频采集装置采集容器中气泡情况的视频图像,并将视频图像进行双层金字塔分层设置,使得原视频图像的较大的运动通过金字塔分层转化足够小的运动,从而可以满足l-k光流法的计算要求,从而通过l-k光流法对泡沫的位置进行计算并提取,从而可以快速且稳定的提取泡沫的运动速度以及运动角度的特征,解决泡沫的动态图像中泡沫的动态特征难以捕捉的问题。
13、进一步的,步骤(3)包括步骤(31)设定金字塔模型具有l(l=0,1,2,3...,l)层;步骤(4)具体包括所述递归算法具体计算公式为:a=e+f+g;
14、上式中:a=;
15、e=;
16、f=;
17、g=;
18、式中,cl为金字塔模型的第l层图像,当l为0时,c0为第0层的图像,即c0为金字塔模型中的原始图像,通过递归算法计算出每层金字塔模型中的图像信息;上述公式中,0<2x<,0<2y<,为l-1层图像的宽度,为第l - 1层图像的高度。
19、以上设置,通过将金字塔模型即可方便对每层图像里面的信息进行处理,防止后续图像信息过大。
20、进一步的,步骤(8)包括步骤(81)和步骤(82),步骤(81)通过残差函数求出与像素点α对应的速度向量d;
21、(82)通过速度向量d计算得到像素点α的速度大小di和运动角度θi。
22、以上设置,通过残差函数求出速度向量,然后通过速度向量计算出速度和运动角速度,方便计算出具体的速度和角速度。
23、进一步的,步骤(4)具体包括像素点α在每一层金字塔模型中的坐标的计算公式为:αl=α/λl。
24、式中,λ为每一层金字塔模型的视频图像与相邻一层的金字塔模型的视频图像的图像缩放因子;l为金字塔模型的层数;α为视频图像中的像素点α=()。
25、进一步的,所述残差函数的计算公式为:
26、。
27、式中,为初始光流向量。
28、对图像残差函数进行求导,近似求解dl,具体计算公式为:
29、式中,r为空间梯度矩阵;w为错配矩阵。
30、以上设置,采用以上残差函数进行计算出dl,即可计算出对应层上的速度向量,计算方便且可靠。
31、进一步的,所述空间梯度矩阵的计算公式为:
32、。
33、所述错配矩阵的计算公式为:
34、。
35、进一步的,所述像素点α的速度向量di=(dxi,dyi)的速度大小di计算公式为:
36、。
37、像素点α的运动角度θi的计算公式为:
38、。
39、进一步的,步骤(2)具体包括:
40、(21)对采集到的视频图像进行剪辑和预处理。
41、(22)对视频图像储存至数据库中。
42、(23)数据库建立与视频图像相应的数据表和索引。
43、以上设置,对采集到的视频图像进行预处理,降低视频图像中的噪声影响,同时将视频图像通过索引的方式进行存储,方便后续查找。
44、进一步本文档来自技高网...
【技术保护点】
1.一种泡沫浮选视频动态特征提取方法,其特征在于:具体步骤包括:
2.根据权利要求1所述的一种泡沫浮选视频动态特征提取方法,其特征在于:步骤(3)包括步骤(31)设定金字塔模型具有L(L=0,1,2,3...,L)层;
3.根据权利要求1所述的一种泡沫浮选视频动态特征提取方法,其特征在于:步骤(8)包括步骤(81)和步骤(82),步骤(81)通过残差函数求出与像素点α对应的速度向量d;
4.根据权利要求1所述的一种泡沫浮选视频动态特征提取方法,其特征在于:步骤(7)具体包括像素点α在每一层金字塔模型中的坐标的计算公式为:αL=α/λL;
5.根据权利要求3所述的一种泡沫浮选视频动态特征提取方法,其特征在于:所述残差函数的计算公式为:
6.根据权利要求5所述的一种泡沫浮选视频动态特征提取方法,其特征在于:所述空间梯度矩阵的计算公式为:
7.根据权利要求1所述的一种泡沫浮选视频动态特征提取方法,其特征在于:所述像素点α的速度向量di=(dxi,dyi)的速度大小di计算公式为:
8.根据权利要求1所述
9.根据权利要求1所述的一种泡沫浮选视频动态特征提取方法,其特征在于:步骤(1)包括将矿浆放入至容器中,对容器内的矿浆进行搅拌,使得矿浆产生泡沫。
...【技术特征摘要】
1.一种泡沫浮选视频动态特征提取方法,其特征在于:具体步骤包括:
2.根据权利要求1所述的一种泡沫浮选视频动态特征提取方法,其特征在于:步骤(3)包括步骤(31)设定金字塔模型具有l(l=0,1,2,3...,l)层;
3.根据权利要求1所述的一种泡沫浮选视频动态特征提取方法,其特征在于:步骤(8)包括步骤(81)和步骤(82),步骤(81)通过残差函数求出与像素点α对应的速度向量d;
4.根据权利要求1所述的一种泡沫浮选视频动态特征提取方法,其特征在于:步骤(7)具体包括像素点α在每一层金字塔模型中的坐标的计算公式为:αl=α/λl;
5.根据权利要求3所...
【专利技术属性】
技术研发人员:彭兰溪,陈祖国,陈超洋,卢明,李沛,邹莹,吴子健,滕慧,王思懿,吴苏珉,
申请(专利权)人:湖南科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。