碎礦石的粒度信息能反映破碎機(jī)械的工作狀況,通過檢測(cè)這些信息,可以掌握礦石的粒度分布情況,從而幫助調(diào)節(jié)碎礦機(jī)排礦口寬度,實(shí)現(xiàn)碎礦粒度分布調(diào)節(jié);同時(shí)對(duì)碎礦系統(tǒng)實(shí)施過程優(yōu)化控制,降低能耗,提高礦產(chǎn)資源的利用率。但是,目前的碎礦圖像分割算法效果較差,難以實(shí)現(xiàn)粘連礦石圖像的有效分割,從而影響碎礦粒度測(cè)定的準(zhǔn)確度。稀疏表征可有效保證圖像的全局特性和語義分割結(jié)果,但忽略相鄰超像素塊之間聯(lián)系的重要性。因此,針對(duì)碎礦圖像特性與稀疏表征算法的缺陷,提出了基于改進(jìn)稀疏表征與二部圖的分割算法。該算法首先利用超像素分割算法對(duì)圖像進(jìn)行預(yù)處理;接著,提取所有超像素的顏色以及紋理特征并將所有與被重構(gòu)超像素相鄰的超像素特征組成字典;然后,用該字典得到的重構(gòu)誤差來描述超像素之間的相似性;最后,依據(jù)二部圖分割原理構(gòu)建基于稀疏表征的圖像二部圖模型,并用T-cut譜聚類算法對(duì)圖像進(jìn)行分割。在標(biāo)準(zhǔn)彩色圖像庫(kù)BSDS300上的測(cè)試結(jié)果表明,改進(jìn)算法的主要評(píng)價(jià)指標(biāo)較改進(jìn)前有所提升,特別是PRI指標(biāo)從0.8355增長(zhǎng)到0.8361。在改進(jìn)后的算法框架上研究出當(dāng)像素與超像素間的權(quán)重為0.045、稀疏度為5,LBP特征取64維時(shí),算法在標(biāo)... 

【文章來源】：湖北工業(yè)大學(xué)湖北省

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文結(jié)構(gòu)圖

破碎篩分工藝流程圖

圖 2.2 碎礦圖像采集示意圖碎礦的粒度檢測(cè)平臺(tái)分為兩大部分：硬件系統(tǒng)和軟件系統(tǒng)。碎礦圖像采集的件系統(tǒng)主要包括光源、鋪平擋板、相機(jī)、計(jì)算機(jī)等。從礦山上運(yùn)來的礦石經(jīng)過碎工藝處理后，經(jīng)振動(dòng)篩過濾后的上料會(huì)被傳送帶傳輸進(jìn)入細(xì)碎機(jī)。在該傳送上方按照如圖所示安裝相機(jī)，光源，以及擋板等硬件系統(tǒng)。其中傳送帶的速度

【參考文獻(xiàn)】：
期刊論文
[1]3種碎磨工藝及其比選[J]. 常文利.  現(xiàn)代礦業(yè). 2017(07)
[2]利用土壤顆粒的沉降粒級(jí)研究泥沙的遷移與分布規(guī)律[J]. 胡亞鮮,Nikolaus J.Kuhn.  土壤學(xué)報(bào). 2017(05)
[3]基于分水嶺和形態(tài)學(xué)重構(gòu)的礦石圖像分割方法[J]. 王志忠,王永增,馬連成,曾慧,黃彪.  物聯(lián)網(wǎng)技術(shù). 2017(03)
[4]45萬億元穩(wěn)投資下的隱憂[J]. 葛豐.  中國(guó)經(jīng)濟(jì)周刊. 2017(08)
[5]基于協(xié)同表征的二部圖礦石圖像分割[J]. 周靜,楊凡,史凌祎,鄭忠龍.  計(jì)算機(jī)工程. 2016(10)
[6]一種基于標(biāo)識(shí)的礦石圖像分割方法[J]. 方挺,張亞萍.  軟件導(dǎo)刊. 2016(06)
[7]瀝青及瀝青混合料本構(gòu)模型與微觀結(jié)構(gòu)研究綜述[J]. 張起森,肖鑫.  中國(guó)公路學(xué)報(bào). 2016(05)
[8]礦物顯微圖像中的直線段特征提取算法[J]. 閔濤,蔣宜勤,滕奇志,周基賢,何小海.  微型機(jī)與應(yīng)用. 2016(06)
[9]基于改進(jìn)ORB的圖像特征點(diǎn)匹配研究[J]. 戴雪梅,郎朗,陳孟元.  電子測(cè)量與儀器學(xué)報(bào). 2016(02)
[10]篩分法測(cè)定鈦精礦粒度分布[J]. 刁源生.  中國(guó)粉體技術(shù). 2015(03)

碩士論文
[1]機(jī)制砂粒徑粒形檢測(cè)系統(tǒng)開發(fā)及實(shí)驗(yàn)研究[D]. 陳思嘉.華僑大學(xué) 2017
[2]降落巖石骨料圖像閾值分割算法的研究[D]. 李靜.湖南師范大學(xué) 2004



本文編號(hào)：3264589