煤泥浮选泡沫数字图象处理研究(之二)——煤泥浮选泡沫视觉特征的面邻域提取算法.pdf

第 “卷 第期中国矿业大学学报 2 . ; 9/ 9 文章编号 “ A “ B C D E F A A D 煤泥浮选泡沫数字图象处理研究E之二F GG煤泥浮选泡沫视觉特征的面邻域提取算法 刘文礼H路迈西H王振羽中H 王勇H王凡 E中国矿业大学 化工与环境工程系H北京“ I F 摘要提出了有效描述浮选泡沫视觉特征的面邻域提取算法GG邻域灰度相关矩阵法J引入了 基于该矩阵的细度参数K粗度参数K二阶距参数K熵参数及不均匀性等特征参数来描述泡沫的结 构 2 W , - 2 X 0 Y 3 Z 6 E T H U F D D C * D D D * “ * “ L L L [ \ ] “ C C 图图象的灰度分布图 V 3 ; 6 现以图所示的简单数字图象来说明邻域灰 度相关矩阵的构成方法N O 8其中横轴 邻域灰度相关矩阵是一个IJ K维矩阵8 其中I为灰度级数8比灰度值级数相同的空间灰度 相关矩阵的维数 IJ I ;少了很多8因而计算简 单 5 ;邻域灰度相关矩阵不以每个象素点的绝对 灰度值作为刻画图象的数字特征8从而克服了象素 灰度直方图那样易受光照强度等系统误差和偶然 误差的影响的弊病使得在不同的光照强度下摄取 的同一物体的图象具有相同的邻域灰度相关矩阵 ;如果图象的纹理较粗8就可能出现某一象 素及其邻域象素的灰度值相等或相近的情况8这就 意味着与中心象素灰度值相等的相邻象数的个数 较多在邻域灰度相关矩阵中8矩阵元素的分布重 心将靠近矩阵的右边8这表明了两个含义G . 邻域内与中心象素点灰度值相等的象素个 数多L B 在整幅图象中8与中心象素灰度值相等邻 域出现的次数多 可见8在邻域灰度相关矩阵中8元素分布越靠 近右边8表明图象的纹理越粗 ;如果图象的纹理较细8就有可能出现某一 象素及其邻域内的象素的灰度值相差较大8这就意 味着邻域内8与中心象素灰度值相等的象素个数较 少在邻域灰度相关矩阵中8矩阵元素的分布重心 将靠近矩阵的左边可见G在邻域灰度相关矩阵中8 靠近左边的元素越大8图象纹理越细 M ;空间灰度矩阵是以每个象素与其线邻域象 素的关系作为构造数字特征的基础8而邻域灰度相 关矩阵则不同8它是以每个象素与其面邻域内象素 的关系为基础的8 N个邻域方向全考虑在内因此8 该算法具有旋转性8图象的数字特征与图象的旋转 角度无关 D 基于邻域灰度相关矩阵的特征参数 以上的分析表明G邻域灰度相关矩阵9 6 8 7 ; 中8元素分布的位置和大小反映了图象纹理的粗 细可以引入特征参数对其包含的纹理信息进行高 浓缩的描述E 5 F如式 H ; O M ;所示8其中I为一幅 图象的灰度级数8 6为象素的灰度值8 7为面邻域内 与中心象素点灰度值相等的象素个数 H ;细度P PQ R I 6 QH R K 7 QHE S 6 8 7 ; T 7 5F R I 6 QH R K 7 QHS 6 8 7 ; H ; 对一幅细纹理的图象8邻域灰度相关矩阵中数 值较大的元素S 6 8 7 ;集中在邻域灰度相关矩阵中 7值较小的列中8即邻域灰度相关矩阵的左边列中8 这使得较小的7的S 6 8 7 ; T 7 5值较大 因此8一幅图 象的P值越大8图象的纹理越细 5 ;粗度U UQ R I 6 QH R K 7 QHE 7 5 S 6 8 7 ; F R I 6 QH R K 7 QHS 6 8 7 ; 5 ; 对一幅纹理较粗的图象8较大的邻域灰度相关 矩阵元素S 6 8 7 ;集中在邻域灰度相关矩阵中7值 较大的列中8即邻域灰度相关矩阵的右边列中8这 使得较大的7的7 5 S 6 8 7 ;值也大因此8一幅图象 的U值越大8图象的纹理越粗 ;二阶距V W X V W X Q R I 6 QH R K 7 QHE S 6 8 7 ; F 5 R I 6 QH R K 7 QHS 6 8 7 ; ; 5 中国矿业大学学报第 H卷 万方数据 二阶距参数是邻域灰度相关矩阵中元素分布 均匀性的刻画邻域灰度相关矩阵中元素分布的越 均匀“即图象的灰度变化频率越高“二阶距越小 数值不均匀性 2 A B C D E B FD G F G BH C F 在浮选的初期“矿化气泡携带煤量较多“矿化 气泡的粒径较小“泡沫的纹理变化频率高“纹理较 细I随着浮选的进行“尤其是到了浮选的后期“泡沫 变大“纹理变粗因此“随着浮选时间的延长“浮选 泡沫的细度参数应逐渐减小“粗度参数应逐渐增 加“图2 “ 6显示的实验分析结果与理论上的分析 吻合 二阶距参数是图象灰度值变化均匀性的刻画 理论上分析“二阶矩参数值较大“图象的灰度值越 均匀然而“从图2 J的实验结果来看“二阶距随着 浮选时间0泡沫特征发生变化的变化基本上呈现 出随机性I不均匀性和熵参数的物理意义难以解 释“不太明确图2 K “ 的实验分析结果表明“它们 与泡沫的纹理特征相关性不强因此“在利用浮选 泡沫特征参数构成的样本空间对泡沫进行聚类分 析时“细度参数和粗度粗数可以作为描述煤泥浮选 泡沫视觉特征的有效参数I而熵参数L二阶距参数 和不均匀性参数的选取应慎重 271 第7期刘文礼等M煤泥浮选泡沫数字图象处理研究0之二 万方数据 结论 “ 面邻域提取算法邻域灰度相关矩阵法 具有计算简单与图象角度无关的特点 6 6 3 AI ; 8 2 I M h8 M 2 M ; FI E ; K N 6 3 8 I G ; M I ;; J I 8 G I 6 3 K G 8 8 G I ; 6 M I 6 GE 8 8 N; I ; M K I ;K I 6 N8 ; K K 7 I 8 I 6 3G 7 ; 8 3G 8 7 8 3 FI 8 3 8 7 A i ;Y 2 8 7 6 I 8 I 6 C ; 7 AI ; ; 7 8 I 6 C 6 I A K G 8 8 G I ; 6 M I 6 GE 8 8 N; I ; I I ; J I 2 ; K K I ; M 2 7 I M hMI 8 I I ;E 8 8 N; I ; M K K 6 3 ; 3 ; M M8 3 FG 8 M ; 3 ; M MN8 Ah; 7 7 ; K 7 ; G II ;I ; J I 2 8 7 G 8 8 G I ; 6 M I 6 G K K 7 I 8 I 6 3K I 6 N8 ; M h 6 7 ;I ;E 8 8 N; I ; M K; 3 I E A M ; G 3 FN N; 3 I 8 3 F3 3 0 2 3 6 K N6 I A 8 C ; 3 7 A87 6 I I 7 ; ; 7 8 I 6 C 6 I AI I ;I ; J I 2 8 7 G 8 8 G I ; 6 M I 6 G J I 2 ; pM Y 2 8 ;3 ; 6 p3 ; 6 6 3 8 A7 ; C ; 7 F ; E ; 3 F ; 3 G ;N8 I 6 J pG 8 8 G I ; 6 M I 6 G E 8 8 N; I ; q/’ 中国矿业大学学报第/ “卷 万方数据