浮选气泡NSCT域多尺度等效形态特征提取及识别

• 作者: 廖一鹏 黄凌霄
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 浮选气泡图像 多尺度等效形态特征 NSCT变换 模糊集二值化 模极大值分形维数 量子门节点神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 704-716
• 页数: 13页
• 分类号: TP391.41
• 字数: 7115字
• 语种: 中文
• DOI: 10.3788/OPE.20202803.0704

摘要

为了解决浮选气泡图像现场光照不均、相互黏结、无背景等造成的直接形态特征提取困难问题,提出一种浮选气泡NSCT域(Nonsubsampled Contourlet Transform,NSCT)的多尺度等效形态特征提取及识别方法.通过NSCT变换将浮选气泡图像分解为低频图像和多尺度多方向高频图像;采用模糊集方法二值化低频子带图像,得到气泡亮点图像,提取亮点个数、平均面积、标准差和椭圆率作为等效形态尺寸特征;结合方向模极大值及差分盒维法计算各高频子带方向的分形维数;最后,将多尺度多方向等效形态尺寸特征作为输入,采用量子门节点神经网络对三类浮选气泡图像进行状态识别和分类.实验结果表明,该方法提取的等效形态尺寸特征与分类的相关性高,能对三种类型浮选气泡图像进行有效的状态识别,平均识别准确率达95.1％.本算法的识别准确率较几种流行算法而言有较大提高,适用于动态变化的浮选工况.

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	福州大学物理与信息工程学院	33	77	5.0	7.0
2	黄凌霄	阳光学院人工智能学院	8	9	2.0	3.0