基于數(shù)字圖像處理技術(shù)的礦物加工圖像分析預(yù)報(bào)系統(tǒng)研究.pdf

1、礦物加工工藝過程圖像包含了大量有用信息，采用數(shù)字圖像處理技術(shù)對其進(jìn)行處理,提取其特征參數(shù),可有效地描述工藝狀態(tài)(如礦物粒度分布，浮選泡沫的行處理，提取其特征參數(shù)，可有效地描述工藝狀態(tài)(如礦物粒度分布，浮選泡沫的形態(tài)等)，進(jìn)而建立合理的數(shù)學(xué)模型，可實(shí)現(xiàn)對選礦指標(biāo)的快速預(yù)報(bào)。因此,建立基于數(shù)字圖像處理技術(shù)的礦物加工工藝圖像分析預(yù)報(bào)系統(tǒng)也就具有非常重要的意義。 系統(tǒng)地研究了礦物加工工藝圖像特征參數(shù)提取算法。將50多個圖像特征參數(shù)歸納為

2、顏色參數(shù)、紋理參數(shù)、形態(tài)學(xué)參數(shù)及動態(tài)特征參數(shù)4類。通過對浮選泡沫圖像的特點(diǎn)進(jìn)行研究，提出了泡沫分割“草帽”算法，該算法采用中值濾波和增強(qiáng)對比度兩項(xiàng)預(yù)處理后，克服了分水嶺分割本身存在的易于過度分割問題，準(zhǔn)確地分割出泡沫邊緣。與其它泡沫分割算法相比具有邊緣分割準(zhǔn)確，智能化高，通用性較強(qiáng)，運(yùn)算速度快，效率高等優(yōu)點(diǎn)。 研究了礦物加工工藝圖像建模預(yù)報(bào)所需的數(shù)據(jù)處理方法。包括數(shù)據(jù)清洗、數(shù)據(jù)變換、變量篩選、變量壓縮以及回歸建模方法。通過以上方