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。     

图像特征提取方法的综述图像特征提取方法的综述

图像特征提取从计算机视觉和图像处理中分离出来,运用计算机来分析和处理图像信息,然后确定图像中的不变特征,进而将提取的特征对实际问题进行处理.基于图像处理技术的基本原理和理论,阐述了图像特征提取的4种方法,并对其方法进行了比较分析研究.     

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.     

岩石表面图像的特征提取和处理方法

在对比多种岩石表面图像特征提取的基础上,提出了岩石表面图像中节理特征的提取方法,包括图像的增强、二值化、边缘提取、Hough变换等,提出了3个限制条件,以剔除提取的节理特征冗余线段,并给出了处理依据和流程.同时,编写相应的软件以对所提方法的可行性进行验证.结果表明,经所提线段分类与合并方法处理后,冗余线段的重复率大幅降低,其结果能够准确反映岩石表面裂隙特征的分布情况.     

基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用

针对Gabor小波进行特征提取时易造成维数灾难和识别效率不高的问题,提出一种基于Gabor小波滤波和局部保持投影(LPP)降维算法相结合的泡沫纹理特征提取方法.首先,利用Gabor滤波器获得原始泡沫图像5个尺度和8个方向的高维特征描述向量;然后,利用LPP算法得到降维特征向量;最后,利用此降维特征向量通过反向传播(BP)神经网络进行不同工况下泡沫类别的识别,进而指导实际矿物浮选生产.实验结果表明,相对于传统的GLCM方法和Gabor小波纹理特征提取方法,该方法可有效降低泡沫纹理特征向量维数并具有更高的识别效率.     

红外图像特征提取方法研究

红外图像特征提取是红外目标检测与识别的关键步骤,红外图像特征提取的效果如何直接决定着目标识别的结果。本文介绍了多种图像特征提取方法的基本思想、特点和研究发展现状,并对其在红外领域内的使用做了分析总结。     

融合全局和局部特征的图像特征提取方法

针对图像特征提取无法同时利用样本的全局和局部特征的问题,提出融合全局和局部特征的特征提取方法.该方法充分利用线性判别分析和保局投影算法分别在特征提取中保持样本全局特征和局部特征方面的优势,进一步提高图像特征提取效率.首先,引入全局散度矩阵和局部散度矩阵分别表征样本的全局特征和局部特征.然后,基于同类样本尽可能紧密,异类样本尽可能远离的思想,构造最优化问题.比较实验表明:与传统的主成分分析、线性判别分析、保局投影算法相比,文中方法的工作效率有一定提高.     

一种纸币图像特征提取方法

针对纸币在清分机中运动时,图像发生尺寸、旋转和平移的现象,提出一种对尺寸、旋转和平移运动不敏感的特征提取方法。该方法通过纸币边缘提取、尺寸计算及倾斜校正预处理,采用贝叶斯最大后验概率法拟合边缘,将所确定的图像区域等分为M×N个单元,提取其特征,消除数据的不一致性,纸币分类的准确率达99.9%以上。该方法计算复杂性低,能够满足纸币清分机对图像处理和分类的实时性要求。     

一种新的浮选泡沫图像识别方法

针对灰度共生矩阵法提取的浮选泡沫图像纹理特征相互混叠,不利于聚类和识别的问题,提出一种基于正交保局投影和支持向量机的浮选泡沫图像识别新方法.该方法利用正交保局投影法对原始纹理特征参数进行变换处理,有效改变了不同类别特征参数的聚集程度,并利用支持向量机进行分类.实验结果表明,所提方法的正确识别率能够达到93.5%,与基于最近邻分类器的主元分析法相比,其性能更好.     

直喷汽油机喷雾图像特征提取方法

为解决可视化燃油喷射图像采集系统的喷雾图像对比度低、 边界雾化不清晰的问题, 提出了一种基于均 衡化直方图自适应求取阈值的二值化和图像特征检测算法。 该算法根据对比度增强后的喷雾图像的直方图性 质, 自适应求取二值化阈值, 通过自动检测喷嘴位置、 喷雾图像最外侧切线以及喷雾最远点位置, 确定喷雾贯 穿距离和喷雾椎角, 然后通过计算得到喷雾图像这两个特征参数, 并对喷油全过程采集的 25 幅图像进行处理。 实验结果表明, 该方法能较清晰准确地提取喷雾图像轮廓, 喷雾贯穿距离和喷雾锥角两个特征参数的变化趋势 和理论值具有良好的一致性。     

碎片图像字符特征提取方法研究

字符特征提取是含文字碎片图像拼接的关键环节,直接影响拼接效果。提出了一种包含文字信息的碎片图像特征提取方法,首先,对原始碎片图像进行预处理,分别得到字符和碎片背景的二值图像;然后,利用边缘检测算子提取字符和碎片背景的单像素边缘;最后,利用结构算子检测碎片图像中字符与碎片背景边缘的交叉点,并根据交叉点的信息提取字体边缘方向特征。仿真实验结果表明本文提出的碎片图像字符特征提取方法思路合理,能够快速、准确地提取出碎片图像中的字符特征,为后续的匹配拼接奠定基础。     

基于分块FLD的图像特征提取方法

提出了基于分块Fisher线性鉴别（Fisher＇s Linear Discriminant,FED）的特征提取方法,先对图像矩阵进行分块,将分块得到的子图像矩阵直接用来构造类内和类间离散度矩阵,然后利用Fisher鉴别函数取极大值时得到的最优投影方向进行图像的特征提取。分块FLD方法是二维FLD方法的推广,该方法可以提取每一单元块的局部特征,在ORL人脸库上的实验结果表明该方法在人脸识别性能方面优于二维FLD方法。     

铅浮选泡沫视频图像的物理校正及算法补偿

针对铅浮选视频采集图像光照不均、纹理丢失导致难以精确分割的问题,提出了一种用于优化视频图像的物理校正和算法补偿的方法。利用非成像光学理论构建均匀方形光斑自由曲面透镜,在此基础上,提出一种改进的方向波变换图像增强算法,再通过经典的谷底边缘检测算法对其进行分割。结果表明,该方法能有效提高浮选图像的信噪比和对比度,其分割精准度提高了25%。     

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.     

基于形状特征的图像特征提取方法及其在医学图像分析中的应用

分析了常用的图像形状特征及其特点,全面综述了基于形状特征的图像特征提取方法,评述了基于形状特征的图像特征提取方法在医学图像分析中的应用.     

图像检索中颜色特征提取方法的研究

基于内容的图像检索技术日益成为了研究热点。而颜色特征是基于内容的图像检索技术常用的特征,本文主要介绍了图像检索系统中常用的颜色空间,典型的颜色特征和提取方法,并对其特点和性能进行来了分析。     

医学图像数据挖掘与特征提取方法研究

在医学图像特性分析基础上,对医学图像的特征提取及数据挖掘热点进行了研究.根据CT、MRI图像的边缘提取、组织分割、立体重建和检索等方面的应用需求,重点分析了基于定性与定量的特征表示,及有效的灰度直方图和灰度共生矩阵的特征选取方法;通过对医学图像数据挖掘的相似性搜索、特征关联规则挖掘、多维分析及分类聚类方法的研究,提取了一种医学图像数据挖掘实施步骤,希望在医学与数据挖掘方法结合方面,对医学诊断、数据分析有一定的贡献或帮助.     

几种图像分割算法在CT图像分割上的实现和比较

对目前几种在图像分割领域得到较多应用的交互式分割、区域生长分割以及阈值分割算法进行了探讨,并且结合实际ＣＴ片图例分别进行分割实验研究,得到较为满意和可用性强的结果,实验表明：瓶值分割对于ＣＴ切片的效果最好;区域生长分割适宜于对面积不大的区域进行分割分割效果了;基于动态规划的交互式分割算法比较复杂,计算时间较长,但对于边缘较平滑的区域,同样具有较好的实际效果,几种算法的评估为其在ＣＴ图像分割上的实际应用提供了科学依据。