10.3969/j.issn.1006-9348.2021.04.078
基于泡沫图像特征融合的煤泥浮选工况识别
煤泥浮选泡沫的图像特征与浮选工况密切相关.为提高图像特征分类的准确率,提出一种泡沫亮点分布特征、图像灰度特征与Tamura纹理特征相融合的方法用以表征浮选工况状态.首先利用Otsu阈值分割与形态学开操作提取泡沫的亮点,统计其大小、数量等分布特征;然后根据图像灰度值计算像素均值、方差和峰度方差;再提取泡沫图像Tamura纹理的粗糙度、对比度与方向度参数.将以上三类图像特征线性排列,标记特征数据建立支持向量机分类模型,并验证分类效果.结果 表明,所提出的多种图像特征融合的方法的分类准确率达到88.6%,优于单一特征的分类结果.
煤泥浮选、亮点分布、灰度特征、纹理特征、支持向量机分类
38
TP391(计算技术、计算机技术)
国家自然科学基金51874135
2021-05-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
385-389