基于Shearlet多尺度边界检测及融合的浮选气泡提取

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.

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

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2018-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：344-352