基于矿物浮选泡沫图像的分类方法技术

基于矿物浮选泡沫图像的分类方法，通过将实时获取的泡沫图像归类到不同的已知工况中。本发明专利技术将文本分类中的词汇表引入到浮洗泡沫图像中，通过对工业摄像机所获取的泡沫图像分块以及特征参数提取，采用K均值聚类方法对提取的泡沫图像颜色与纹理特征参数进行聚类，得到多个聚类中心，构造泡沫状态词汇表；再利用所得到的泡沫状态词汇表，对实时泡沫图像用词袋的方法进行描述，形成泡沫图像的一个向量表示；最后运用向量空间模型，通过度量向量之间的相似度对泡沫图像进行归类。由于不同类别对应着不同的工况，因此可以根据泡沫图像的分类结果进行浮选工况识别，从而给出操作指导，优化生产提高生产效率。

【技术实现步骤摘要】
基于矿物浮选泡沬图像的分类方法本专利技术属于矿物浮选领域。特别是矿物浮选泡沫图像的分类方法。矿物浮选生产过程一般由有经验的工人观察浮选泡沫的状态来进行控制，这种操作的不确定性很难使浮选过程运行在最优状态。利用数字图像处理技术，对浮选泡沫图像进行分类和解释，得到矿物浮选的工况信息，进而进行优化控制，是提高经济效益的一种有效方法。现阶段对浮选泡沫图像的分类和识别的研究主要是通过提取浮选泡沫图像的纹理特征、颜色特征、泡沫尺寸分布等底层特征参数对泡沫图像进行描述，然后利用神经网络或者支持向量机等方法进行分类识别，从而得到工况以指导生产。然而，将图像作为一个整体进行处理，仅仅用图像底层特征加以描述的泡沫图像不便于人们理解，即基于图像底层特征的分类结果存在语义鸿沟问题。另外，由于泡沫图像的局部信息没有得到利用，而工业现 场存在光照、粉尘等噪声干扰，两幅完全不同的图像，提取到的全局底层特征描述可能很接近，这就导致了基于泡沫图像底层特征的神经网络或SVM的分类识别的准确度低，从而使基于工况的生产操作频繁误动作，生产难以稳定最优运行。向量空间模型(VSM)由Salton等人于20世纪70年代提出，是一种本文档来自技高网...

【技术保护点】
一种基于矿物浮选泡沫图像的分类方法，其特征在于包括如下过程：(1)生成基于纹理特征和颜色特征的浮选泡沫图像泡沫状态词汇表利用灰度共生矩阵算法提取泡沫图像的纹理参数，包括角二阶矩、熵、对比度、逆差矩和相关性；提取泡沫图像的颜色特征，即相对红色分量:灰度共生矩阵是由图像灰度级之间的联合概率密度P（i,j,d,θ）所构成的矩阵，它定义方向为θ、间距为d的灰度共生矩阵P（i,j,d,θ）为共生矩阵的第i行i列元素的值，θ取00，450，900和1350？4个方向，设I(x,y)为一幅二维的数字图像，其大小为U×V像素，x,y分别为像素的像素坐标值，则对于不同的θ，P（i,j,d,θ）计算方法如下：P(...

【技术特征摘要】

【专利技术属性】
技术研发人员：王雅琳，张润钦，陈晓方，谢永芳，桂卫华，阳春华，
申请(专利权)人：中南大学，
类型：发明
国别省市：