[发明专利]一种基于改进SURF匹配的锌浮选泡沫自然速度特征提取方法

权利要求书

1.一种基于改进SURF匹配的锌浮选泡沫自然速度特征提取方法，其特征在于包括以下步骤：

S1：通过工厂浮选图像采集系统获取不同精矿品位值情况下锌浮选图像数据，对采集的数据进行分析，除去其中空缺的数据集、由于相机震动或者其他人为原因造成的图像不清晰的数据集，得到处理后的锌浮选图像数据集以及生产数据；

S2：根据处理后的锌浮选图像数据集以及生产数据，组成三个不同的样本子空间，具体步骤如下：

(1)获取精选的锌浮选图像数据集，将其分为品位偏高、正常、偏低三个工况；

(2)将采集的图像进行分类，剔除类别边界造成干扰的泡沫图像；

(3)将最终泡沫图像数据集分为V1、V2、V3分别对应三种不同工况；

S3：针对每个不同的样本子空间，对其每帧泡沫图像提取SURF特征，具体步骤有：

(1)提取第k帧图像转换为灰度图像，求得该图像积分图I_k；

(2)对于积分图I_k中给定的点构建Hessian矩阵:

其中L_xx(x,σ)为该帧图像中点以均值为0，标准差为σ的高斯函数作为滤波器，通过卷积运算计算x方向二阶偏导数，同理L_xy(x,σ)、L_yy(x,σ)，求得矩阵行列式det(H(x,σ))；

(3)采取改变滤波器的模板大小来建立尺度空间金字塔，根据给定图像大小使用三层或者四层滤波器；

(4)根据每个点的Hessian矩阵计算后的det(H(x,σ))值与其3×3×3邻域内的点进行比较，利用3D-非极大值抑制方法初步确定特征点，再利用三维线性插值得到亚像素级的特征点，设置阈值使得被检测的特征点数量降低，选取最大值作为最终特征点；

(5)选取最终特征点为中心、6s为半径范围内构建圆，s为最终特征点在步骤(3)中被检测时的尺度，以尺寸为4σ的Haar小波在水平方向的响应值d_x和垂直方向的响应值d_y与标准差为σ＝2s的高斯函数加权，用圆心角为60°的扇形在圆内扫描一周得到最大响应值的方向作为最终特征点主方向；

(6)以最终特征点为中心、步骤(5)中主方向为方向、20s为窗口构建区域块，再分为4×4个子区域，对每个子区域计算Haar小波在水平方向的响应值d_x和垂直方向的响应值d_y和响应值绝对值之和∑|d_x|、∑|d_y|共同组成结构v＝(∑d_x,∑d_y,∑|d_x|,∑|d_y|)，形成4×4×4＝64维SURF特征点描述算子；

S4：针对提取SURF特征的泡沫图像，利用改进匹配条件进行运动匹配，得到锌浮选泡沫初速度，具体步骤如下：

(1)提取L工况下样本子空间的连续两帧图像，进行S3操作，得到SURF特征描述算子v₀、v₁；

(2)根据欧氏距离定义v₀和v₁之间距离，得到两算子之间最近距离d₀与次近距离d₁，选择两者的比值作为评判标准，设置阈值ratio_T,当ratio＜ratio_T时，特征点匹配成功，否则失败；

(3)根据两帧泡沫图像的特征点匹配结果，对其利用RANSAC算法进行误匹配点去除；

(4)根据去除误配点后的匹配结果，根据两帧图像匹配点的像素点差，获得泡沫位移，除去单位时间得到初始速度其中c为匹配成功的特征点个数；

(5)求得中速度大小分量平均值SPE_vel，方向分量平均值SPE_ang，选取权重系数ω₀，ω₁，更新步骤(2)中匹配标准，若ratio＜ratio_T且则匹配成功，否则匹配失败，其中为当前匹配点初始速度大小分量平均值，为当前匹配点初始速度方向分量平均值；

(6)根据步骤(1)-(5)计算之后连续两帧的泡沫初速度，直到该子空间泡沫图像速度特征提取完毕，得到L工况下浮选泡沫速度初速度

S5：根据匹配结果计算考虑实际生产情况下粗选槽中刮板的周期性运动，选择底流速度得到浮选泡沫自然速度特征，具体步骤如下：

(1)针对浮选泡沫初速度向量中的每个分量进行归一化处理，得到速度分量直方图；

(2)选取速度分量直方图中80％以上的速度分量区间求取平均数得到

(3)根据middle_speed_L通过二次线性插值，获得浮选泡沫速度曲线；

(4)求出步骤(3)中速度曲线所有极小值点，取其平均数得到最终速度其中x_i为第i个极小值点，n为极小值点的个数；

S6：提取三个样本子空间内所有泡沫图像的速度特征，组成该样本条件下的速度特征集。

2.根据权利要求1所述一种基于改进SURF匹配的锌浮选泡沫自然速度特征提取方法，其特征在于：所述S4对泡沫图像提取SURF特征后进行改进匹配算法的步骤(2)中参数ratio_T、步骤(5)中参数ω₀、ω₁取值范围分别为：ratio_T∈[0.55，0.85]，ω₀∈[1.2，2]，ω₁∈[0.5，1.5]。