基于多尺度鄰域相關(guān)矩陣的泡沫圖像紋理特征提取方法【專利摘要】本發(fā)明公開了一種基于多尺度鄰域相關(guān)矩陣的泡沫圖像紋理特征提取方法，首先對泡沫灰度圖像進行小波變換，然后分別對不同尺度的小波逼近子圖系數(shù)進行灰度映射，最后，根據(jù)鄰域灰度相關(guān)矩陣統(tǒng)計獲取一種新的反映泡沫圖像灰度變化頻數(shù)統(tǒng)計規(guī)律的多尺度紋理特征，該特征具有較高的反映銅浮選生產(chǎn)運行狀態(tài)的穩(wěn)健性和適于工況識別的可分性。根據(jù)所獲得的紋理特征，可將不同工況的泡沫圖像區(qū)分開來，達到有效識別工況的目的，進而為浮選生產(chǎn)優(yōu)化控制提供操作指導(dǎo)?！緦＠f明】基于多尺度鄰域相關(guān)矩陣的泡沬圖像紋理特征提取方法【
技術(shù)領(lǐng)域：
】[0001]本發(fā)明屬于圖像處理技術(shù)和模式識別領(lǐng)域，特別涉及一種基于多尺度鄰域相關(guān)矩陣的泡沫圖像紋理特征提取方法。【
背景技術(shù)：
】[0002]正確識別浮選工況是實現(xiàn)浮選生產(chǎn)優(yōu)化操作的基礎(chǔ)和關(guān)鍵。浮選泡沫的視覺特征包含了大量與生產(chǎn)操作變量和產(chǎn)品質(zhì)量有關(guān)的信息，是判斷浮選效果的重要依據(jù)。實際浮選過程中，操作人員主要通過觀察浮選槽表面泡沫的視覺特征來判斷當(dāng)前工況，這種方式主觀性和隨意性強，影響了工況的準(zhǔn)確判斷。[0003]隨著機器視覺及圖像處理等技術(shù)的飛速發(fā)展，結(jié)合浮選現(xiàn)場泡沫圖像視覺特征進行生產(chǎn)工況智能識別的工作取得了很大進展。研究表明，泡沫圖像的顏色、紋理、大小等特征是能較好地反映浮選工況，其中，紋理特征由于對光照變化不敏感而成為工況識別中主要的應(yīng)用特征。根據(jù)鄰域灰度相關(guān)矩陣(neighboringgrayleveldependencematrix,NGLDM)提取的二次統(tǒng)計量具有明確的物理意義且具旋轉(zhuǎn)不變性等空間特性，能較好地反映泡沫圖像紋理的結(jié)構(gòu)(粗細(xì))特性。然而，利用鄰域灰度相關(guān)矩陣提取的特征只能反映泡沫圖像紋理的單尺度空間特征，無法從多個尺度來捕捉更為豐富的紋理信息。[0004]因此，有必要設(shè)計一種泡沫圖像多尺度紋理特征的提取方法。【
發(fā)明內(nèi)容】[0005]本發(fā)明所要解決的技術(shù)問題是提供一種泡沫圖像多尺度紋理特征的提取方法，該泡沫圖像多尺度紋理特征的提取方法針對泡沫圖像識別具有良好的模式可分性，且易于實施。[0006]一種基于多尺度鄰域相關(guān)矩陣的泡沫圖像紋理特征提取方法，包括以下步驟:[0007]步驟一:根據(jù)銅浮選現(xiàn)場所獲得的泡沫視頻讀取RGB泡沫圖像，將RGB泡沫圖像進行灰度化，然后對泡沫灰度圖像IpXq(x，y)進行二維離散小波分解，得到各個尺度上的小波子圖，小波子圖包括逼近子圖和細(xì)節(jié)子圖；[0008]其中，PXq為泡沫灰度圖像的分辨率，(X，y)表示泡沫灰度圖像的中任一像素點的坐標(biāo)；[0009]步驟二:對步驟一得到的各個尺度上的小波子圖中的逼近子圖進行灰度映射，將逼近子圖的小波系數(shù)映射到O—255的灰度區(qū)間用于更新逼近子圖的小波系數(shù)，得到灰度映射后的逼近子圖其中，kXm為分解階數(shù)為j時，分解得到的逼近子圖的分辨率；[0010]步驟三:分別求取步驟二得到的各個尺度上逼近子圖的鄰域灰度相關(guān)矩陣；[0011]步驟四:以步驟三得到的各個尺度上的逼近子圖的鄰域灰度相關(guān)矩陣，計算每幅逼近子圖的細(xì)度和粗度2個特征量，將所有尺度上的逼近子圖的細(xì)度和粗度特征量組合作為泡沫圖像的紋理特征。[0012]所述步驟一中對泡沫灰度圖像進行J階二維離散小波分解，得到各個尺度上的小波子圖，J為整數(shù)，J≥2;[0013]二維離散小波分解是指將待分解的圖像P_(x，y)分解得到I個逼近子圖和水平、垂直及對角線3個不同方向的細(xì)節(jié)子圖，二維離散小波分解公式如下:[0014]【權(quán)利要求】1.一種基于多尺度鄰域相關(guān)矩陣的泡沫圖像紋理特征提取方法，其特征在于，包括以下步驟:步驟一:根據(jù)銅浮選現(xiàn)場所獲得的泡沫視頻讀取RGB泡沫圖像，將RGB泡沫圖像進行灰度化，然后對泡沫灰度圖像IpXq(x，y)進行二維離散小波分解，得到各個尺度上的小波子圖，小波子圖包括逼近子圖和細(xì)節(jié)子圖；其中，PXq為泡沫灰度圖像的分辨率，(x，y)表示泡沫灰度圖像的中任一像素點的坐標(biāo)；步驟二:對步驟一得到的各個尺度上的小波子圖中的逼近子圖進行灰度映射，將逼近子圖的小波系數(shù)映射到O—255的灰度區(qū)間用于更新逼近子圖的小波系數(shù)，得到灰度映射后的逼近子圖其中，kXm為分解階數(shù)為j時，分解得到的逼近子圖的分辨率；步驟三:分別求取步驟二得到的各個尺度上逼近子圖的鄰域灰度相關(guān)矩陣；步驟四:以步驟三得到的各個尺度上的逼近子圖的鄰域灰度相關(guān)矩陣，計算每幅逼近子圖的細(xì)度和粗度2個特征量，將所有尺度上的逼近子圖的細(xì)度和粗度特征量組合作為泡沫圖像的紋理特征。2.根據(jù)權(quán)利要求1所述的基于多尺度鄰域相關(guān)矩陣的泡沫圖像紋理特征提取方法，其特征在于，所述步驟一中對泡沫灰度圖像進行J階二維離散小波分解，得到各個尺度上的小波子圖，J為整數(shù)，J≥2;二維離散小波分解是指將待分解的圖像PU，y)分解得到I個逼近子圖和水平、垂直及對角線3個不同方向的細(xì)節(jié)子圖，二維離散小波分解公式如下:3.根據(jù)權(quán)利要求2所述的基于多尺度鄰域相關(guān)矩陣的泡沫圖像紋理特征提取方法，其特征在于，所述步驟二中對步驟一得到的各個尺度上的小波子圖中的逼近子圖進行灰度映射具體是指對各階逼近子圖的系數(shù)矩陣c/按照以下公式進行灰度映射，獲得灰度映射后的逼近子圖4.根據(jù)權(quán)利要求3所述的基于多尺度鄰域相關(guān)矩陣的泡沫圖像紋理特征提取方法，其特征在于，所述步驟三中求取逼近子圖的系數(shù)矩陣的鄰域灰度相關(guān)矩陣的具體步驟如下:步驟1:獲取逼近子圖MiL(U)中任意像素點(x，y)的面鄰域；對分辨率為kXm的數(shù)字圖像Μ/Χ,?(χ,7)，(x,y)表示數(shù)字圖像中像素點坐標(biāo)，x=0,I,…，k-1,y=0,I,...,m-1,f(x,y)表示坐標(biāo)為(x,y)處像素點的灰度值，數(shù)字圖像M/Xm(x，_y)中以像素點(Xc;，y。)為中心、D=I為半徑的面鄰域定義為:V,',(.V.,V,.)={(II,V)I(II,V)E/UZxw,O<Piixi,.Vr),{LI,V))<D1-其中，{(U，V)(.)}表示滿足給定條件(.)下的元素(U，V)組成的集合，P表示兩像素點(xe，y。)與(U，V)之間的距離:P((xc,yc)，(u,V))=max(|xc_u|，|yc-v|)步驟2:構(gòu)建數(shù)字圖像中像素點的灰度頻數(shù)表&P,i(x,y)^taMcHgi,sr))其中，table((gc;，S。))表示一個數(shù)據(jù)表，U',y')為表中某單元格的位置坐標(biāo)，x’=xc-D,x’=0,1，...，k-l-2D,y’=yc-D,y’=0,1，...，m-l-2D;(gc,sc)為單元格(x,,y1)的內(nèi)容，gc=f(xc,y。)，S。表示以像素點(X。，y。)為中心，D為半徑的面鄰域內(nèi)灰度值為g。的像素點個數(shù)，即:5.根據(jù)權(quán)利要求1-4任一項所述的基于多尺度鄰域相關(guān)矩陣的泡沫圖像紋理特征提取方法，其特征在于，所述步驟四中第j階逼近子圖的細(xì)度h計算公式如下:【文檔編號】G06K9/46GK103632156SQ201310717304【公開日】2014年3月12日申請日期:2013年12月23日優(yōu)先權(quán)日:2013年12月23日【發(fā)明者】彭濤,趙林,曹威,婁洋歌,趙璐,宋彥坡,韓華,黃易申請人:中南大學(xué)