基于改进FCM和形态学的浮选泡沫形态特征提取

针对浮选过程中因气泡粘连及形状不规则导致泡沫形态特征难以提取的问题,提出一种基于改进模糊C均值(fuzzy C-means,FCM)聚类和数学形态学的浮选泡沫形态特征提取方法。引入聚类有效性指数及特征散度对模糊C均值聚类算法加以改进,并利用改进的聚类算法对泡沫图像进行聚类,得到泡沫大致区域。依据灰度分布和形状特征,采用面积重构开闭算法对图像进行除噪处理。基于形态重构方法思想,提出采用高低精度距离变换方法,同时,结合改进面积重构变换提取标志图像,进而利用分水岭算法对泡沫图像进行分割。通过测量分割区域和标定像素提取泡沫形态特征,并与浮选工艺参数做相关性分析。研究结果表明,该方法能够准确地分割粘连泡沫,且提取的泡沫形态特征能有效反映浮选工况。     

浮选泡沫表面动态特征提取方法研究

为了解决浮选泡沫图像中光噪点多、相互黏结、无法准确地提取其动态特征的问题，提出了一种浮选泡沫表面动态特征提取的方法.首先，通过分数阶微分最小均值算法、谷底检测算法和形态学处理，得到泡沫边缘轮廓图像，再对这些图像进行三叉点检测，避免了光噪点的影响；其次，用快速视网膜关键点(fast retina keypoint, FREAK)匹配算法对特征点进行匹配，再利用随机抽样一致(random sample consensus, RANSAC)算法进一步剔除误匹配点；最后，提取出速度特征，并利用特征点对的坐标绘制出速度矢量图和曲线图.实验结果表明，该方法具有更高的抗噪性能，并能够有效改善图像的对比度、减轻泡沫图像光噪点影响、有效剔除误匹配，从而提取出准确的速度特征.本方法的提取准确率为93.3%,该提取准确率较现有一些算法有较大提高，适用于动态变化的浮选工况.     

基于改进I-Attention U-Net的锌浮选泡沫图像分割算法

针对泡沫图像的高度复杂性导致其难以被准确分割的难题,本文提出了一种新的I-Attention U-Net网络用于泡沫图像分割.该算法以U-Net网络作为主干网络,使用Inception模块替换第一卷积池化层来提取泡沫图像的多尺度、多层次浅层特征信息;引入金字塔池化模块,通过对不同尺度的特征图求和来提升分割效果;并对自注意力门控单元进行改进,使注意力单元更适合于浮选泡沫图像的分割,强化深层特征的重要性并对不同尺寸的泡沫边界进行强化学习.研究结果表明：本文所提出算法的Jaccard系数为91.73%,Dice系数为95.66%.与同类其他分割算法结果相比,Jaccard系数及Dice系数分别提高了1.59%、0.88%.该模型能够较好地对锌浮选泡沫图像进行分割,解决欠分割与过分割的问题,为后续的泡沫特征提取奠定基础.此外,该方法检测时间和模型参数少,具备可以部署在工业现场计算机的能力,有一定的实际应用价值.     

基于模糊形态学的图像边缘轮廓提取改进分割算法

图像边缘轮廓提取在国计民生、军事等领域有广泛应用,为了克服噪声等影响导致的图像过度分割现象,探讨了一种基于模糊形态学的图像分割改进算法.该方法借助模糊形态学的开、闭运算,首先对原始图像进行平滑处理,然后基于形态学梯度算子进行梯度计算,最后基于改进分水岭算法与IFT分割算法的融合,对梯度图像进行分割得到期望的边缘轮廓图像.仿真以图像识别为例,实验显示基于改进的图像分割算法可较好地消除过分割现象,正确识别图像,实现目标与背景的分离.研究结果表明,提出的图像分割算法是合理可行的.     

基于改进方向波变换的泡沫图像增强新方法

针对矿物浮选过程中浮选槽内气泡与矿浆背景灰度反差小、光照影响严重且存在大量噪声干扰等问题,提出一种基于改进方向波变换的泡沫图像增强新方法.采用改进方向波变换对浮选泡沫图像进行分解,保证信号产生平移不变性,避免图像边缘模糊;针对分解后低频子带系数值相差甚小,受工业光照影响严重的问题,引入多尺度Retinex算法实现增强效果,改善其亮度均匀性;并对高频部分构造一种双结构元素多尺度形态滤波方法,有效地消除噪声并保持边缘信息.采用工业现场大量泡沫图像进行试验.研究结果表明:所提出的方法可增强泡沫边缘细节,抑制噪声,明显改善泡沫图像的视觉效果,解决泡沫边缘不明显和噪声所带来的图像欠分割问题,有助于泡沫形态特征提取和工况分析.     

复合形态滤波和改进型分水岭算法的图像分割

提出了一种基于复合形态学滤波和改进型分水岭的图像分割算法.为克服传统分水岭算法进行图像分割时产生的过度分割和耗时的不足,定义了由开-闭以及闭-开加权组合形成复合形态学滤波器,应用该滤波器对图像进行滤波;其次,设计一种应用内、外部标记的形态学分水岭算法,确定区域中梯度低频成分的局部极小值作为内部标记,区域之间确定为外部标记,内、外标记随处理信息的变化而变化,从而实现了对图像信息的自适应分割.仿真结果表明,采用本文算法实现的图像分割,其抗噪的MSE、PSNR性能明显地优于开-闭、闭-开单一运算的抗噪性能;同时,减小了梯度图中由于噪声造成虚假局部极小值而产生的过分割现象,准确地提取图像信息的轮廓、边缘等信息.     

梯度熵改进边缘检测的自适应阈值曲面分割算法

光照不均匀往往造成背景亮度不均和灰度分布范围较大,会导致图像分割困难和不准确.考虑图像的边缘信息受光线变化相对不敏感,引入梯度熵信息对Canny算法进行改进提取准确合适的边缘.采用最小二乘法的多项式曲面拟合获得阈值曲面,进而提出了基于梯度熵改进边缘检测的自适应阈值曲面分割算法.对多种背景灰度分布不均匀的图像进行算法验证...     

基于U-Net和Res_UNet模型的 传送带矿石图像分割方法

针对传送带矿石图像中矿石粘连和边缘模糊造成的分割不准确问题,提出了一种基于U-Net和Res_UNet模型的传送带矿石图像分割方法.该方法首先将待分割图像经过灰度化、中值滤波和自适应直方图均衡化处理后,利用预训练的U-Net模型提取图像轮廓;然后,将图像轮廓二值化后,利用预训练的Res_UNet模型进行轮廓优化;最后,利用OpenCV得到分割结果.与基于形态学重建的分水岭算法和NUR法分别对10张测试图进行实验比较,结果表明,所提出的利用深度学习实现矿石轮廓检测和优化方法分割的结果更加准确,证明了其对传送带矿石图像分割的有效性.     

一种改进的彩色图像分割方法

介绍了一种融合多尺度形态学、蚁群聚类、模糊C-均值(FCM)聚类的新的彩色图像分割方法.该算法首先利用多尺度形态学提取图像边缘,再利用蚁群聚类算法的全局搜索性和鲁棒性的优点并结合边缘信息,确定聚类中心和聚类个数,将其作为FCM聚类的初始聚类中心和聚类个数,克服了FCM算法自身并不能确定聚类中心需要人为设定的缺陷.实验结果表明,该算法可以准确地分割出目标,是一种有效的图像分割方法.     

结合分数阶微分的浮选泡沫图像NSCT多尺度增强

针对浮选槽低照度环境下采集的泡沫图像对比度低、边缘弱、噪声干扰等问题,提出了一种结合自适应分数阶微分和非下采样Contourlet变换(NSCT)的泡沫图像多尺度增强算法.首先对泡沫图像进行NSCT多尺度分解,根据低频子带的梯度特征构造自适应分数阶微分阶次函数,结合改进的带亮度控制参数的Tiansi算子对低频子带图像进行增强处理;然后对各高频方向子带,根据能量分布特征自适应计算阈值,再结合尺度相关系数去除噪声,并通过非线性增益函数增强边缘系数;最后对处理后的图像进行NSCT重构.对不同大小类型的泡沫图像进行实验,结果表明:与现有算法相比,文中算法改善了图像的亮度,具有更高的对比度、清晰度和信息熵,保留更多的纹理细节,在有效抑制噪声的同时气泡边缘得到明显增强,为后续的泡沫图像分割和边缘检测奠定了基础.     

基于数学形态学的图像边缘检测改进研究

在对传统的图像边缘检测算法,尤其是基于数学形态学的边缘检测算法分析的基础上,根据其存在的缺陷,提出了改进方法.改进方法包括使用改进的全方位形态滤波器进行滤波,使用改进的形态学边缘检测算子,使用改进的阈值进行二值化处理等.仿真实验结果表明,改进的算法更加有效地去除了图像噪声,提取的图像边缘更加准确,检测精度更高,轮廓更加清晰,连续性更好.     

基于形态学优化处理的标记符分水岭矿石图像分割

针对不同形状、颜色的堆积矿石在图像采集时出现粘连重叠、边缘模糊等问题,提出一种形态学优化处理的标记符分水岭算法对矿石图像进行特征识别与边界分割。首先采用双边滤波进行去噪处理,然后通过Canny边缘检测算子梯度化,得到梯度幅值图像;其次采用形态学优化处理,重构堆积矿石的几何特征信息,分割矿石颗粒边缘;最后将图像进行可视化处理,获得彩色矿石颗粒分割图像。在形态学优化处理过程中,通过阈值分割数来寻找结构元素最佳参数,再通过分割率来确定最优结构元素。结果表明,该方法比传统标记符水岭算法分割更精准,且不同结构元素及其参数的变化对矿石分割效果影响较大,分割差异显著,当矩形结构元素长10、宽5时,其分割率最高,为95.68%,分割效果最佳。     

Canny算子与数学形态学算子相结合实现胸水细胞的边缘提取

针对胸水病理细胞显微图像的灰度分布不均匀性、灰度级范围窄等情况,提出了利用数学形态学方法与Canny算子相结合的算法对其进行边缘检测.首先利用Canny算子对细胞进行边缘的初次分割提取,然后利用数学形态学中的线形和菱形结构元素及填充函数对细胞边缘进行精确提取,获得了较好的实验结果,达到了对胸水细胞边缘自动检测的目的,有助于发现早期病变的细胞.     

基于颜色和边缘特征的球员目标分割方法

为实现球员目标的准确分割,针对图像的颜色特征和球员的边缘特征提供的信息进行融合处理.首先对图像进行高斯滤波预处理,借助Matlab软件对图片进行了像素分析和筛选,并通过Prewitt算子进行边缘检测,以及Bresenham算法进行了直线扫描确定了边界线的起始,经过形态学运算将图片中直线段去除.并完成最终处理,将球员目标分割出来.其优点在于不受球场光照和阴影的影响,能够自动将观众等背景过滤,即使在复杂背景下也能较为准确的将目标分割出来.     

基于图像处理的车牌识别研究

该文对基于图像处理的车牌识别算法进行了研究。首先,采用灰度化和阈值法进行图像预处理,消除一部分背景信息;其次,采用Canny边缘检测算法提取车牌边缘,采用开运算和闭运算等形态学操作来改善边缘提取的效果,使车牌区域尽量互相连通,进一步消除干扰,准确定位车牌;第三,采用垂直投影法对车牌进行字符分割;最后,采用模板匹配的算法对车牌字符进行识别。Matlab仿真分析表明,该文设计的车牌识别算法可有效地实现车牌识别。     

基于数字图像处理的浮选泡沫速度特征提取及分析

以浮选泡沫图像序列为对象,研究浮选泡沫图像序列速度特征提取方法,分析泡沫速度特征与浮选性能间的关系.提出一种抗尺度快速变化和具有旋转不变性的模板匹配算法,利用宏块跟踪技术对浮选泡沫图像序列的泡沫速度特征进行估计,得出像素级的泡沫运动速度参量.然后,采用二维拉格朗日曲面插值方法提取亚像素位移,得出精确的亚像素级位移参量.结果表明:在浮选过程中,减少浮选泡沫运动速度的紊乱程度能减小已粘附在泡沫上的矿物粒子的脱附率,进而提高浮选精矿品位,降低尾矿中有用矿物含量.     

一种改进的彩色图像分割方法

介绍了一种融合多尺度形态学、蚁群聚类、模糊C-均值(FCM)聚类的新的彩色图像分割方法。该算法首先利用多尺度形态学提取图像边缘,再利用蚁群聚类算法的全局搜索性和鲁棒性的优点并结合边缘信息,确定聚类中心和聚类个数,将其作为FCM聚类的初始聚类中心和聚类个数,克服了FCM算法自身并不能确定聚类中心需要人为设定的缺陷。实验结果表明,该算法可以准确地分割出目标,是一种有效的图像分割方法。     

相位信息和数学形态学的彩色图像边缘检测

针对传统边缘检测算法最初只基于灰度图像,对彩色图像提取的边缘定位不准确、边缘有断点等问题,将在HSV彩色空间中对彩色图像进行了多通道边缘检测.考虑到传统边缘检测算子对图像的噪声和明暗程度比较敏感,采用相位一致和数学形态学相结合的方法对单通道图像进行边缘检测.仿真实验显示,该方法可以有效地提取彩色图像的边缘.     

阿尔茨海默症海马区显微图像的分割算法

老年斑和神经元缠结的分割提取对于阿尔茨海默症病理研究有重要的意义.该文对阿尔茨海默症动物模型的脑彩色显微图像的目标分割和形态学参数统计的算法进行了研究.利用改进的模糊C均值算法对彩色图像的颜色信息进行聚类,分别提取了老年斑和神经元纤维缠结目标.再利用数学形态学方法对图像进行后续处理.实验表明,该文提出的综合算法能较好地提取阿尔茨海默症动物模型特征性病变的边界以及计算相应目标的形态参数.     

基于分数阶微分及谷底边界扫描的浮选气泡提取

针对浮选采集图像光照不均、分割难的问题,基于分数阶微分、谷底边界扫描及区域合并的思想提出了一种新的浮选气泡分割算法。该方法首先利用分数阶微分理论构建相应的掩模算子,再通过确定最优阶数,进而对浮选气泡图像的分数阶掩模增强,接着将谷底边界扫描与区域合并相结合对气泡进行分割。整个算法包括:图像预处理、分数阶微分增强、谷底边界扫描、端点检测及联结、区域合并等步骤,算法可以一次性检测出所有谷点,进而高效精准地提取气泡。与基于相似性与不连续性算法做了对比试验,试验结果表明:(1)新算法能较好的减少过分割现象,具有更好的分割精度;(2)其运行速度提高了50~100倍,满足实际生产中对实时性的要求。