[发明专利]基于敏感互信息的浮选过程泡沫图像特征选择方法及装置

说明书

本发明提供了一种基于敏感互信息的浮选过程泡沫图像特征选择方法，包括：对得到的泡沫浮选图像特征数据进行预处理，剔除异常数据和归一化处理；采用皮尔逊相关系数计算图像特征与精矿品位的敏感系数，基于mRMR准则构建泡沫图像敏感特征选择的优化目标函数；采用所提的基于多种群协同搜索粒子群算法优化特征选择。本发明的方法可以根据已有的数据，构建敏感泡沫图像特征的选择目标函数，采用多种群协同搜索粒子群算法优化特征选择，实现对已提取出众多图像特征进行选择，减少了数据之间的重复性，避免数据冗余带来的复杂计算，有助于提高泡沫浮选过程精矿品位预测的精度和效率。

技术领域

本申请涉及泡沫图像特征选择技术领域，具体公开了一种基于敏感互信息的浮选过程泡沫图像特征选择方法及装置。

背景技术

泡沫图像可以作为反应浮选性能的重要指标，浮选的生产工况可以直接反映在泡沫表面上。

随着浮选过程生产工况的变化，泡沫表面的相关特征将随之改变。在泡沫浮选过程中可以提取大量的图像特征，如红色均值、绿色均值、蓝色均值、灰色均值等。这些各种各样的特征可以用于生产状态的识别，但并非所有初次获得的特征都含有重要信息，也并非所有特征都能用于准确识别其生产状态。

其中，冗余和不相关的特征大大增加了模型训练难度。所以需要对泡沫图像特征进行特征选择，获得选择后的特征子集，以使得所提取出的特征与精矿品位之间的互信息最大，且各特征之间的冗余性减少。

特征选择能够提高特征子集对工业生产状态识别的准确性，简化训练模型，因此准确的浮选过程泡沫图像特征选择方法对浮选过程的工况评估至关重要。

针对该问题，本发明拟提出一种新的基于敏感互信息的浮选过程泡沫图像特征选择方法及装置。

发明内容

为解决上述现有技术的缺点，本发明提出一种基于敏感互信息的浮选过程泡沫图像特征选择方法及装置。

本发明提出的技术方案是：

一种基于敏感互信息的浮选过程泡沫图像特征选择方法，包括以下步骤：

S1，根据采集的泡沫图像视频提取泡沫图像特征；

S2，对泡沫图像特征进行预处理；

S3，计算每种图像特征和对应精矿品位之间的皮尔逊系数；

S4，基于mRMR准则构建敏感泡沫图像特征选择的优化目标函数；

S5，采用多种群协同搜索粒子群算法进行特征优化选择。

在可能的一个设计中，步骤S1，具体为经过初步考量和筛选，利用图像处理方法共提取图像特征。

在可能的一个设计中，步骤S1中，提取的图像特征至少包括RGB均值、RGB红色通道值、RGB绿色通道值、RGB蓝色通道值、灰度均值、灰度方差、色调、饱和度、明度、泡沫移动速度均值、泡沫移动速度方差、泡沫形状、泡沫大小均值、泡沫大小方差、泡沫尺寸峰度、泡沫尺寸偏斜度、承载率、破裂率均值、破裂率方差、能量、熵、相关性、泡沫堆叠程度、逆差矩、惯性矩、对比度、均匀性、角二阶矩、灰度共生矩阵、粗糙度。

在可能的一个设计中，步骤S2包括：异常数据剔除，剔除明显不符合实际情况的数据项以及无量纲处理，具体步骤如下：

其中，X_i是无量纲处理后的第i个图像特征数据，是第i个原始图像特征数据，和分别是第i个图像特征数据的最大值和最小值。

在可能的一个设计中，步骤S3中，具体为采用皮尔逊系数计算泡沫图像特征对精矿品位的敏感性，第i个图像特征与精矿品位的皮尔逊系数r_i计算公式如下：

其中