基于多尺度邻域相关矩阵的泡沫图像纹理特征提取方法【专利摘要】本发明公开了一种基于多尺度邻域相关矩阵的泡沫图像纹理特征提取方法，首先对泡沫灰度图像进行小波变换，然后分别对不同尺度的小波逼近子图系数进行灰度映射，最后，根据邻域灰度相关矩阵统计获取一种新的反映泡沫图像灰度变化频数统计规律的多尺度纹理特征，该特征具有较高的反映铜浮选生产运行状态的稳健性和适于工况识别的可分性。根据所获得的纹理特征，可将不同工况的泡沫图像区分开来，达到有效识别工况的目的，进而为浮选生产优化控制提供操作指导。【专利说明】基于多尺度邻域相关矩阵的泡沬图像纹理特征提取方法【
技术领域：
】[0001]本发明属于图像处理技术和模式识别领域，特别涉及一种基于多尺度邻域相关矩阵的泡沫图像纹理特征提取方法。【
背景技术：
】[0002]正确识别浮选工况是实现浮选生产优化操作的基础和关键。浮选泡沫的视觉特征包含了大量与生产操作变量和产品质量有关的信息，是判断浮选效果的重要依据。实际浮选过程中，操作人员主要通过观察浮选槽表面泡沫的视觉特征来判断当前工况，这种方式主观性和随意性强，影响了工况的准确判断。[0003]随着机器视觉及图像处理等技术的飞速发展，结合浮选现场泡沫图像视觉特征进行生产工况智能识别的工作取得了很大进展。研究表明，泡沫图像的颜色、纹理、大小等特征是能较好地反映浮选工况，其中，纹理特征由于对光照变化不敏感而成为工况识别中主要的应用特征。根据邻域灰度相关矩阵(neighboringgrayleveldependencematrix,NGLDM)提取的二次统计量具有明确的物理意义且具旋转不变性等空间特性，能较好地反映泡沫图像纹理的结构(粗细)特性。然而，利用邻域灰度相关矩阵提取的特征只能反映泡沫图像纹理的单尺度空间特征，无法从多个尺度来捕捉更为丰富的纹理信息。[0004]因此，有必要设计一种泡沫图像多尺度纹理特征的提取方法。【
发明内容】[0005]本发明所要解决的技术问题是提供一种泡沫图像多尺度纹理特征的提取方法，该泡沫图像多尺度纹理特征的提取方法针对泡沫图像识别具有良好的模式可分性，且易于实施。[0006]一种基于多尺度邻域相关矩阵的泡沫图像纹理特征提取方法，包括以下步骤:[0007]步骤一:根据铜浮选现场所获得的泡沫视频读取RGB泡沫图像，将RGB泡沫图像进行灰度化，然后对泡沫灰度图像IpXq(x，y)进行二维离散小波分解，得到各个尺度上的小波子图，小波子图包括逼近子图和细节子图；[0008]其中，PXq为泡沫灰度图像的分辨率，(X，y)表示泡沫灰度图像的中任一像素点的坐标；[0009]步骤二:对步骤一得到的各个尺度上的小波子图中的逼近子图进行灰度映射，将逼近子图的小波系数映射到O—255的灰度区间用于更新逼近子图的小波系数，得到灰度映射后的逼近子图其中，kXm为分解阶数为j时，分解得到的逼近子图的分辨率；[0010]步骤三:分别求取步骤二得到的各个尺度上逼近子图的邻域灰度相关矩阵；[0011]步骤四:以步骤三得到的各个尺度上的逼近子图的邻域灰度相关矩阵，计算每幅逼近子图的细度和粗度2个特征量，将所有尺度上的逼近子图的细度和粗度特征量组合作为泡沫图像的纹理特征。[0012]所述步骤一中对泡沫灰度图像进行J阶二维离散小波分解，得到各个尺度上的小波子图，J为整数，J≥2;[0013]二维离散小波分解是指将待分解的图像P_(x，y)分解得到I个逼近子图和水平、垂直及对角线3个不同方向的细节子图，二维离散小波分解公式如下:[0014]【权利要求】1.一种基于多尺度邻域相关矩阵的泡沫图像纹理特征提取方法，其特征在于，包括以下步骤:步骤一:根据铜浮选现场所获得的泡沫视频读取RGB泡沫图像，将RGB泡沫图像进行灰度化，然后对泡沫灰度图像IpXq(x，y)进行二维离散小波分解，得到各个尺度上的小波子图，小波子图包括逼近子图和细节子图；其中，PXq为泡沫灰度图像的分辨率，(x，y)表示泡沫灰度图像的中任一像素点的坐标；步骤二:对步骤一得到的各个尺度上的小波子图中的逼近子图进行灰度映射，将逼近子图的小波系数映射到O—255的灰度区间用于更新逼近子图的小波系数，得到灰度映射后的逼近子图其中，kXm为分解阶数为j时，分解得到的逼近子图的分辨率；步骤三:分别求取步骤二得到的各个尺度上逼近子图的邻域灰度相关矩阵；步骤四:以步骤三得到的各个尺度上的逼近子图的邻域灰度相关矩阵，计算每幅逼近子图的细度和粗度2个特征量，将所有尺度上的逼近子图的细度和粗度特征量组合作为泡沫图像的纹理特征。2.根据权利要求1所述的基于多尺度邻域相关矩阵的泡沫图像纹理特征提取方法，其特征在于，所述步骤一中对泡沫灰度图像进行J阶二维离散小波分解，得到各个尺度上的小波子图，J为整数，J≥2;二维离散小波分解是指将待分解的图像PU，y)分解得到I个逼近子图和水平、垂直及对角线3个不同方向的细节子图，二维离散小波分解公式如下:3.根据权利要求2所述的基于多尺度邻域相关矩阵的泡沫图像纹理特征提取方法，其特征在于，所述步骤二中对步骤一得到的各个尺度上的小波子图中的逼近子图进行灰度映射具体是指对各阶逼近子图的系数矩阵c/按照以下公式进行灰度映射，获得灰度映射后的逼近子图4.根据权利要求3所述的基于多尺度邻域相关矩阵的泡沫图像纹理特征提取方法，其特征在于，所述步骤三中求取逼近子图的系数矩阵的邻域灰度相关矩阵的具体步骤如下:步骤1:获取逼近子图MiL(U)中任意像素点(x，y)的面邻域；对分辨率为kXm的数字图像Μ/Χ,?(χ,7)，(x,y)表示数字图像中像素点坐标，x=0,I,…，k-1,y=0,I,...,m-1,f(x,y)表示坐标为(x,y)处像素点的灰度值，数字图像M/Xm(x，_y)中以像素点(Xc;，y。)为中心、D=I为半径的面邻域定义为:V,',(.V.,V,.)={(II,V)I(II,V)E/UZxw,O<Piixi,.Vr),{LI,V))<D1-其中，{(U，V)(.)}表示满足给定条件(.)下的元素(U，V)组成的集合，P表示两像素点(xe，y。)与(U，V)之间的距离:P((xc,yc)，(u,V))=max(|xc_u|，|yc-v|)步骤2:构建数字图像中像素点的灰度频数表&P,i(x,y)^taMcHgi,sr))其中，table((gc;，S。))表示一个数据表，U',y')为表中某单元格的位置坐标，x’=xc-D,x’=0,1，...，k-l-2D,y’=yc-D,y’=0,1，...，m-l-2D;(gc,sc)为单元格(x,,y1)的内容，gc=f(xc,y。)，S。表示以像素点(X。，y。)为中心，D为半径的面邻域内灰度值为g。的像素点个数，即:5.根据权利要求1-4任一项所述的基于多尺度邻域相关矩阵的泡沫图像纹理特征提取方法，其特征在于，所述步骤四中第j阶逼近子图的细度h计算公式如下:【文档编号】G06K9/46GK103632156SQ201310717304【公开日】2014年3月12日申请日期:2013年12月23日优先权日:2013年12月23日【发明者】彭涛,赵林,曹威,娄洋歌,赵璐,宋彦坡,韩华,黄易申请人:中南大学