1、礦物浮選是在特定工藝條件下，在礦漿中加入浮選藥劑，并充入空氣、然后攪拌產(chǎn)生大量氣泡，最后通過(guò)回收含礦泡沫來(lái)提高原礦品位，以此滿足還原冶煉要求的一種選礦方法。浮選泡沫具有數(shù)量多、粘連、混雜、形狀不規(guī)則等特點(diǎn)，泡沫尺寸與形狀特征難以定量描述。目前，我國(guó)有色金屬礦山的浮選過(guò)程主要通過(guò)人工觀察泡沫狀態(tài)來(lái)調(diào)整操作，影響浮選過(guò)程的優(yōu)化運(yùn)行和有用金屬回收率。因此，研究泡沫圖像形態(tài)特征提取方法，并用于指導(dǎo)浮選工業(yè)過(guò)程操作，對(duì)提高礦產(chǎn)資源的利用效率、實(shí)現(xiàn)

2、企業(yè)的可持續(xù)發(fā)展，具有非常重要的現(xiàn)實(shí)意義。
　　 論文在分析研究浮選機(jī)理的基礎(chǔ)上，依據(jù)氣泡與礦粒的粘附原理，研究了氣泡尺寸、形狀特征與浮選工況之間的關(guān)系，在此基礎(chǔ)上，提出了基于機(jī)器視覺(jué)的浮選泡沫圖像形態(tài)特征提取方法，并成功應(yīng)用于礦物浮選過(guò)程泡沫圖像監(jiān)控系統(tǒng)中。論文主要研究工作及創(chuàng)新性成果體現(xiàn)在以下幾個(gè)方面：
　　 (1)針對(duì)浮選泡沫圖像分割過(guò)程中人工選擇結(jié)構(gòu)元素存在的問(wèn)題，詳細(xì)分析了氣泡亮點(diǎn)的統(tǒng)計(jì)信息特點(diǎn)，提出了基于幾何

3、模式譜的結(jié)構(gòu)元素選擇方法。以改進(jìn)的模糊C均值算法對(duì)圖像進(jìn)行聚類，為結(jié)構(gòu)元素的選取提供先驗(yàn)知識(shí)，以形態(tài)學(xué)面積重構(gòu)開閉運(yùn)算方法完成圖像的除噪。通過(guò)定義二值圖像的幾何模式譜，證明了任意形狀屬性算子的非遞增特性，為將該特性擴(kuò)展至灰度圖像，運(yùn)用最大樹原理對(duì)圖像進(jìn)行枝剪，使得算法能夠高效地計(jì)算尺寸與形狀模式譜值。該方法充分利用氣泡表面的亮點(diǎn)信息，有效地為泡沫圖像分割過(guò)程提供結(jié)構(gòu)元素，確保了圖像分割準(zhǔn)確性，在很大程度上減少了對(duì)人工經(jīng)驗(yàn)的依賴。

4、　　 (2)針對(duì)形態(tài)學(xué)處理過(guò)程中的一類結(jié)構(gòu)元素尋優(yōu)問(wèn)題，提出了基于粒子群算法的結(jié)構(gòu)元素優(yōu)化方法，在定義幾何模式譜目標(biāo)函數(shù)的基礎(chǔ)上，通過(guò)連續(xù)改變結(jié)構(gòu)元素的尺寸與形狀，計(jì)算幾何模式譜的全局最小值得到最優(yōu)結(jié)構(gòu)元素。該方法有效避免了局部最優(yōu)問(wèn)題，同時(shí)保證了算法的實(shí)時(shí)性。
　　 (3)針對(duì)氣泡混雜粘連的特點(diǎn)，提出了基于分級(jí)分水嶺算法的泡沫圖像自適應(yīng)分割方法。在選取最優(yōu)結(jié)構(gòu)元素的基礎(chǔ)上，以經(jīng)典分水嶺算法完成對(duì)泡沫圖像的粗分割。提出了基于模

5、糊紋理譜的泡沫圖像識(shí)別方法，對(duì)模糊紋理譜方法加以改進(jìn)，提出了非線性模糊紋理譜特征提取方法，以支持向量機(jī)完成粗分割區(qū)域的識(shí)別，根據(jù)識(shí)別結(jié)果采取不同處理策略，其中對(duì)欠分割的小泡區(qū)域進(jìn)行細(xì)分割，運(yùn)用圖像區(qū)域合并方法，對(duì)過(guò)分割的區(qū)域進(jìn)行區(qū)域合并，通過(guò)定義圖像分割評(píng)估機(jī)制，完成分割結(jié)果的評(píng)估。這種圖像分割、特征提取與識(shí)別協(xié)同處理的方法極大地提高了算法的魯棒性，避免了氣泡混雜不均對(duì)分割結(jié)果的影響，有效地減少了欠分割和過(guò)分割區(qū)域。
　　 (4

6、)針對(duì)泡沫尺寸與形狀特征難以定量描述問(wèn)題，提出了泡沫圖像的尺寸與形狀特征提取方法。在圖像分割的基礎(chǔ)上，對(duì)氣泡分割區(qū)域像素進(jìn)行標(biāo)定，引入樣本統(tǒng)計(jì)分布的概念，提取了氣泡平均尺寸、方差、偏斜度及陡峭度等統(tǒng)計(jì)特征。從定性與定量的角度描述了泡沫形狀特征，針對(duì)定性分析的局限性，提出了基于形態(tài)學(xué)簽名變換的泡沫形狀特征提取方法，將氣泡復(fù)雜形狀的特征提取問(wèn)題轉(zhuǎn)化為從多個(gè)簽名形狀中抽取簡(jiǎn)單形狀特征的問(wèn)題，在很大程度上簡(jiǎn)化了復(fù)雜形狀的描述。該方法通過(guò)統(tǒng)計(jì)氣泡

7、群的特征信息，有效地量化了氣泡形態(tài)特征，具有良好的實(shí)用性。
　　 (5)以實(shí)際礦物浮選過(guò)程為研究對(duì)象，設(shè)計(jì)了泡沫圖像獲取硬件平臺(tái)，開發(fā)了礦物浮選泡沫圖像監(jiān)控系統(tǒng)，在此基礎(chǔ)上，分析泡沫形態(tài)特征與礦物回收率的相關(guān)性，建立了基于最小二乘支持向量機(jī)的礦物回收率預(yù)測(cè)模型，為提高算法實(shí)時(shí)性，對(duì)模型進(jìn)行稀疏化處理，實(shí)現(xiàn)了浮選生產(chǎn)過(guò)程實(shí)時(shí)監(jiān)控。系統(tǒng)的泡沫特征曲線能夠?yàn)樯a(chǎn)工人提供明確的工況信息，并給出具體的操作建議，避免了工人操作的盲目性，提高