泡沫图像统计建模及其在矿物浮选过程监控中的应用

泡沫图像统计建模及其在矿物浮选过程监控中的应用

ID:37384142

大小:17.68 MB

页数:189页

时间:2019-05-23

泡沫图像统计建模及其在矿物浮选过程监控中的应用_第1页
泡沫图像统计建模及其在矿物浮选过程监控中的应用_第2页
泡沫图像统计建模及其在矿物浮选过程监控中的应用_第3页
泡沫图像统计建模及其在矿物浮选过程监控中的应用_第4页
泡沫图像统计建模及其在矿物浮选过程监控中的应用_第5页
资源描述:

《泡沫图像统计建模及其在矿物浮选过程监控中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、中图分类号婴3窆!:垒UDC620博士学位论文学校代码密级10533泡沫图像统计建模及其在矿物浮选过程监控中的应用StatisticalModelingofFrothImagesandItsApplicationsintheMonitoringoftheMineralFlotationProcess作者姓名:学科专业:研究方向:学院(系、所):指导教师:刘金平控制科学与工程工业过程视觉监控信息科学与工程学院桂卫华教授答辩委员会主席中南大学二零一三年三月一令一二,牛二月原创性声明㈣242㈣429㈣3Y本人声明,所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究

2、成果。尽我所知,除了论文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。作者签名:玺]全车日期:迦f;年上月卫日学位论文版权使用授权书本人了解中南大学有关保留、使用学位论文的规定,即:学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以采用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数

3、据库》,并通过网络向社会公众提供信息服务。泡沫图像统计建模及其在矿物浮选过程监控中的应用摘要:泡沫浮选是以表面化学为基础,根据矿物粒子表面疏水性的不同来选别有用矿物,是最重要的矿物分选方法。尽管泡沫浮选已有百年应用历史,但由于实际工业浮选流程长、过程影响因素多、内部机理不明确,矿物浮选过程自动监控仍然难以有效实施,造成矿物资源回收率低且指标波动频繁。鉴于工业过程视觉监控具有检测速度快、结果客观和不干扰浮选生产的优点,近年来,基于机器视觉的矿物浮选过程优化控制是进一步提高选矿自动化水平和矿产资源回收率的发展趋势。在基于机器视觉的矿物浮选过程监控中,研究合适的泡沫图像处理

4、和分析方法以获取与生产工况密切相关的泡沫表面视觉特征参量是进行后续浮选过程建模与自动控制的基础。然而,由于浮选泡沫表面表现出来的随机堆积性、无背景性、形状不规则性等特点,常用的图像处理、分析方法难以有效实现泡沫表面视觉特征的准确测量与分析。为了能对这些形状各异、大小不一的、随机堆积的矿化气泡进行特征量化描述,本文将概率论、统计学习、模式识别等方法应用到图像信号处理和分析中,根据特定变换域的泡沫图像随机场所表现出来的统计分布特性建立合理的图像统计分布模型,为后续图像的分析和理解提供有效的先验知识;然后,基于所建立的统计模型,有效解决泡沫图像表面颜色、气泡大小和表面随机纹

5、理等视觉特征难以准确表征问题,并成功应用于矿物浮选过程的泡沫状态分类与生产工况智能识别中,实现浮选生产工况的机器鉴别与自动评价。论文主要研究工作及创新点如下:(1)针对浮选泡沫图像噪声大,泡沫表面视觉特征不能准确提取的难题,提出一种时空信息联合的图像序列多尺度几何变换去噪方法。该方法首先通过收集大量未受噪声干扰的泡沫图像样本进行图像统计分布建模,建立了泡沫图像多尺度几何变换域系数的统计分布模型;然后,以所建立的图像统计模型为先验知识,采用贝叶斯最小二乘估计方法获得基于帧内信息的泡沫图像去噪结果;最后,根据图像序列时空相关的信息,通过加权处理帧间图像去噪信号,实现了时空

6、信息融合的图像序列最优无噪图像信号估计,解决了常规图像去噪方法中经常遇到的图像细节系数与图像噪声难以区分的难题。该方法在提高图像去噪效果的同时,极大限度地保持了图像边缘和表面纹理细节,为泡沫图像特征分析与理解提供了高质量的处理信号。(2)针对泡沫图像因色偏严重而难以实现泡沫表面真实颜色的准确测量问题,提出一种基于图像空间结构统计分布的最优泡沫图像颜色自动校正方法。基于已有的图像光照估计方法,首先深入分析了图像边缘响应统计分布特征与图像最优光照估计方法间的关系,建立了基于图像边缘响应统计分布的图像入射光照最优估计模型;然后,根据入射光照的估计结果将发生色偏的泡沫图像自动

7、校正到标准参考光照下的颜色表示。在进行泡沫图像光照估计时,以Ciurea和Funt建立的包含11346帧图像的Gray.ball标准光照数据库为训练样本,通过统计学习获得基于图像边缘响应分布的图像最优光照估计方法选择的混合高斯(MoG)模型,实现了图像最优光照估计方法的自动选取。实验表明,该方法能自动根据泡沫图像边缘响应的统计分布特点实现图像最优光照估计,进而有效地对泡沫图像颜色进行颜色校正,为泡沫表面颜色特征的准确提取与浮选生产工况的客观鉴别奠定了基础。(3)针对矿物浮选过程加药操作缺乏有效评价方法的问题,根据气泡大小分布随药剂操作的改变而动态变化

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。