[发明专利]一种矿物浮选泡沫图像颜色校正方法及泡沫颜色检测系统

权利要求书

1.一种矿物浮选泡沫图像颜色校正方法，其特征在于，包括以下步骤：

S1：基于工业现场搭建的矿物浮选泡沫图像视觉监控系统，收集各种光照下泡沫图像样本，将特定光照下的泡沫图像作为基准图像，建立泡沫图像基准色域样本集S；利用其它未知光照条件下的泡沫图像构成非标准色域样本集I；

S2：构建两个生成式对抗卷积网络A和B；网络A和B包含两个公用的生成器G₁和G₂，以及各自独立的判别器D_A和D_B；

S3：利用非标准色域泡沫图像样本集I与基准色域图像样本集S，对网络A和B进行迭代交叉训练；网络A和B训练好之后，G₁将任意光照条件下具有色偏的泡沫图像，校正到基准色域下的颜色表示；

S4：对在线采集的未知光照下的泡沫图像，用训练好的生成器G₁进行颜色校正；同时，利用该校正图像对生成式对抗网络A进行在线更新。

2.根据权利要求1所述的一种矿物浮选泡沫图像颜色校正方法，其特征在于，步骤S2中所述的生成式对抗卷积网络A的判别器D_A的最终训练目标为：输入一张泡沫图像对其颜色进行评判，如果判定泡沫图像颜色为特定光照条件基准色域下所呈现出的颜色，则输出1，否则输出为0；对抗卷积网络B对应的判别器D_B的最终训练目标为：输入一张泡沫图像对其颜色进行评判，如果判定泡沫图像颜色为特定光照条件基准色域下所呈现出的颜色，则输出0，否则输出1。

3.根据权利要求1所述的一种矿物浮选泡沫图像颜色校正方法，其特征在于，步骤S2中所述的生成器G₁和G₂采用U-net网络实现图到图的颜色域的转换，具体包括：

首先，采用卷积网络提取原始泡沫图像的轮廓特征图；然后，通过残差网络对轮廓特征图进行转换，在实现原始泡沫图像颜色向基准色域图像颜色转换的同时，保证原始泡沫图像的结构以及轮廓信息保持不变；最后，采用反卷积神经网络对转换后的轮廓特征图进行颜色细节信息填充；从而，在保证其轮廓不变的情况下，实现色偏图像颜色域的转换。