[发明专利]一种基于Minkowski距离的矿物浮选泡沫图像纹理分析及工况识别方法

权利要求书

1.一种基于Minkowski距离的矿物浮选泡沫图像纹理分析及工况识别方法，其特征在于，包括以下步骤：

步骤1：获取矿物泡沫浮选不同工况下的泡沫图像样本；

步骤2：每类工况的图像样本随机选择数量的一半作为训练图像样本，另一半作为测试图像样本，并分别进行预处理包括依次进行的图像灰度化，图像增强和图像滤波；

步骤3：采用分水岭分割算法对预处理后的泡沫图像样本进行分割，统计分割得到各个泡沫尺寸，根据整幅图像中泡沫尺寸均值确定Minkowski距离公式的参数p的取值，其中x_i代表样本x的第i个特征，p为Minkowski距离参数；

步骤4：利用步骤3中所得到的参数p的取值，采用泡沫图像复杂网络建模方法建立泡沫图像的复杂网络模型，计算该复杂网络模型的能量和熵，作为泡沫图像纹理描述指标；

步骤5：利用步骤4得到的泡沫图像纹理描述指标作为图像样本的特征向量，利用训练图像样本的特征向量训练线性判别式分类器，从而对测试图像样本进行分类，识别实时浮选工况。

2.根据权利要求1所述的一种基于Minkowski距离的矿物浮选泡沫图像纹理分析及工况识别方法，其特征在于，步骤1中，不同工况下的泡沫图像样本的数量不少于50幅图像。

3.根据权利要求1所述的一种基于Minkowski距离的矿物浮选泡沫图像纹理分析及工况识别方法，其特征在于，步骤2中预处理包括：，

步骤a，图像灰度化：对于泡沫图像样本使用公式f(x,y)＝0.3R+0.59G+0.11B进行灰度化处理，其中R为原图像的红色分量，G为绿色分量，B为蓝色分量；f(x,y)为得到的泡沫灰度图像；从浮选现场获取的泡沫图像经过灰度化后的图像f(x,y)可用二维像素矩阵表示，设图像的像素大小为α*β，即(x,y)=f(0,0)f(0,1)......f(0,β)f(1.0)f(1,1)......f(1,β)............f(α,0)f(α,1)......f(α,β),]]>矩阵中的元素代表图像中该点的像素值；

步骤b，图像增强：对灰度化后的泡沫图像使用公式g(x,y)=c+d-cb-a(f(x,y)-a)]]>进行灰度增强处理，其中f(x,y)是原图像中坐标为(x,y)的像素点的像素值，g(x,y)是该像素点灰度增强后的像素值；a,b分别为原图像像素灰度的最小值和最大值，c,d分别为灰度增强后图像像素灰度的最小值和最大值；原图像的灰度级范围经过灰度增强处理由[a,b]拓展到[c,d]；

步骤c，图像滤波：对灰度增强后的图像使用均值滤波的方法进行图像滤波处理，使用一个3*3的模板19111111111]]>在图像中移动，累加模板覆盖的9个像素点的像素值，得到的累积和除以模板中像素点的个数，公式为其中z_i为原图像中被模板覆盖的像素点的像素值，h(x,y)为滤波后图像该像素点的像素值，将此值作为模板中间点对应的图像像素点的像素值。