[发明专利]基于MPCA的铜浮选泡沫图像局部区域面积测量方法

说明书

技术领域

本发明涉及图像处理技术和多元统计分析等领域，特别涉及一种基于MPCA的铜浮选泡沫图像局部区域面积测量方法。 

背景技术

浮选是一种应用最为广泛的的选矿方法，其作用在于将有用矿物从矿石中分离出来。一直以来,选厂的生产操作都是依靠有经验的工人对浮选泡沫进行肉眼观察完成的,对泡沫的判断缺乏客观标准,使得人工观测为主的矿物浮选过程难以处于稳定最优运行状态。采用机器视觉代替人类视觉,利用图像处理技术从泡沫图像中提取出最为显著、有效的视觉特征，对浮选泡沫进行客观描述,能为矿物浮选过程实现实时控制与优化提供操作指导。 

浮选泡沫图像的光谱特征是指浮选泡沫图像表面因为带矿类型和带矿量的不同，体现在可见光照条件下人类视觉上的颜色差异。通常，提取的浮选泡沫图像颜色特征有：灰度均值、RGB均值、标准差、偏斜度、峰度、颜色分量等，也包括如HSV颜色空间的H、S、V值等。但是，这些特征关注的是整幅图像的平均信息，忽略了一幅图像中局部颜色差异，所提取的各种颜色特征之间的相关性很强。学者J.Kaartinen等认为在浮选泡沫图像中，含大量矿物的泡沫往往没有全反射点（即图像中R、G、B值为(255,255,255)），采用传统的区域生长分割及像素阈值统计方法，对泡沫图像中的局部亮点面积进行测量作为泡沫承载率特征，用于锌浮选过程监控。 

但是，不同矿物浮选所呈现的泡沫状态可能完全不一样，研究发现，铜浮选泡沫图像中不规则黑色水化区域的面积大小直接反应了浮选性能的好坏，这一特征还没有被应用于浮选过程监控。针对这一局部区域大小、形状无规则，提出一种新的局部区域面积测量方法，只要组成该区域的像素光谱特性相同，这些像素对应的得分矢量关系将完全相同，即在得分矢量强度散点图中黑色水 化区域像素的得分值将重叠或者至少在同一区域。因此，通过多维主元分析（MPCA）计算得分矢量便可以获得局部区域特征像素的光谱特性，计算出局部区域的面积大小，并将该图像特征应用于浮选过程监控。 

发明内容

为克服现有技术中存在的上述技术问题，本发明提供一种基于MPCA的铜浮选泡沫图像局部区域面积测量方法。 

本发明解决上述技术问题的技术方案是：一种基于MPCA的铜浮选泡沫图像局部区域面积测量方法，其步骤为： 

1）获取矿物浮选泡沫原始RGB图像；将原始RGB图像表示为由单变量组成的三维数据集合x_(I×J×M)，其中I、J为像素几何坐标，M为光谱坐标，x_(I×J×M)为单变量图像f_M(x,y)在M方向的堆叠；再将所述三维数据集合展开成二维数据矩阵X_(N×M)，其中N=I×J，展开后的二维多元图像矩阵是：X_(I×J)×M=[X₁X₂...X_M]_N×M；对X_N×M进行PCA，将其分解成A（A≤M）个主成分的线性组合：其中t_a(a=1,2,...A,A≤M)是标准正交的N维主成分得分矢量，p_a(a=1,2,...A,A≤M)是标准正交的M维主成分负荷矢量，T表示矩阵转置；E是N×M维的残差矩阵；当A=M时，残差矩阵E为0矩阵。 

2）计算主成分负载矢量p_a；并将p_a根据特征值大小排列，得到排序以后的负载矢量由负载矢量可计算出主元得分矢量计算累积贡献率CCR，根据累计贡献率CCR≥85%选取主元。 

3）依据选取的主元，绘制主元的得分矢量强度散点图，并标记出局部区域对应的得分值聚集区或离群区。 

4）依据公式式中为Kronecker积，构建第一得分图像T_a；并利用得分值和组成该区域的像素变量之间的关系将步骤3）中标记的区域映射到第一得分图像T_a上。