基于Shearlet多尺度边界检测及融合的浮选气泡提取

• 作者: 廖一鹏 王卫星
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 机器视觉 浮选气泡提取 多尺度边界检测 非下采样Shearlet变换 分数阶微分谷底检测 方向模极大值
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 机器视觉
• 页码范围: 344-352
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3788/AOS201838.0315004

摘要

针对浮选表面气泡图像边界弱、光照不均匀和气泡分布不均匀导致气泡提取困难的问题,提出了一种结合非下采样Shearlet变换(NSST)和多尺度边界检测及融合的浮选气泡提取方法.对气泡图像进行NSST分解,得到低频子带和多尺度多方向高频子带图像,通过构造自适应分数阶微分谷底检测模板提取低频子带的山谷边界,结合尺度相关系数及方向模极大值检测获取高频子带的边缘信息,再通过山脊特性判定从边缘信息中提取气泡的边界细节,最后进行多尺度边界融合、边界形态学处理以实现气泡提取.实验结果表明:该方法受噪声和光照的影响小,能有效提取出不同分布类型的气泡,其平均检测效率和准确率较现有方法有较大的提高,能够满足浮选工况动态变化的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖一鹏		33	77	5.0	7.0
2	王卫星		32	176	7.0	11.0