【摘要】：基于機(jī)器視覺的浮選過程監(jiān)控方法已經(jīng)被廣泛應(yīng)用于浮選過程中,泡沫表面紋理特征是過程監(jiān)控的關(guān)鍵視覺特征之一。當(dāng)前靜態(tài)紋理特征只能從空間維度描述圖像特征,在時間維度上刻畫圖像序列的內(nèi)在變化特性存在不足,不能準(zhǔn)確反映浮選泡沫浮選過程動態(tài)特性。提出了基于復(fù)雜網(wǎng)絡(luò)時空特性的泡沫圖像序列動態(tài)紋理特征方法。通過將每幀圖像的像素點映射到網(wǎng)絡(luò)各節(jié)點,利用鄰接矩陣建立復(fù)雜網(wǎng)絡(luò)模型和網(wǎng)絡(luò)權(quán)值動態(tài)演化反應(yīng)不同時刻的圖像特征,基于復(fù)雜網(wǎng)絡(luò)時空特性提取泡沫圖像序列的動態(tài)紋理特征。結(jié)合實際生產(chǎn)數(shù)據(jù)進(jìn)行仿真驗證,實驗結(jié)果表明該方法可準(zhǔn)確識別浮選動態(tài)狀況,為浮選生產(chǎn)過程的實時調(diào)節(jié)提供重要的指導(dǎo)信息。
[Abstract]:Flotation process monitoring method based on machine vision has been widely used in flotation process. The texture feature of foam surface is one of the key visual features of process monitoring. At present, the static texture features can only describe the image features from the spatial dimension, but the inherent variation characteristics of the image sequences can not be described in the time dimension, which can not accurately reflect the dynamic characteristics of flotation foam flotation process. A dynamic texture feature method for foam image sequences based on spatio-temporal characteristics of complex networks is proposed. By mapping the pixel points of each frame image to each node of the network, the complex network model and the dynamic evolution of network weights are established by using the adjacency matrix to reflect the image features at different times. The dynamic texture features of foam image sequences are extracted based on the temporal and spatial characteristics of complex networks. The experimental results show that this method can accurately identify the dynamic state of flotation and provide important guidance information for the real-time adjustment of flotation production process.
【作者單位】： 中南大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(61473319);國家自然科學(xué)基金創(chuàng)新研究群體項目(61321003) 中南大學(xué)創(chuàng)新驅(qū)動計劃項目(2016CX014)~~
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陸懿;陳光夢;畢宏杰;董棟;;改進(jìn)的自然動態(tài)紋理綜合算法[J];計算機(jī)工程與設(shè)計;2008年14期

2 姚偉光;王贏;許存祿;;將局部二進(jìn)制模式應(yīng)用于動態(tài)紋理識別的新方法[J];微計算機(jī)信息;2010年09期

3 陳昌紅;趙恒;胡海虹;梁繼民;;基于改進(jìn)動態(tài)紋理模型的人體運動分析[J];模式識別與人工智能;2010年02期

4 陳青;朱俊宇;唐朝暉;劉金平;桂衛(wèi)華;;動態(tài)紋理建模在硫浮選工況的識別分析[J];計算機(jī)與應(yīng)用化學(xué);2013年10期

5 邵婧;王冠香;郭蔚;;基于視頻動態(tài)紋理的火災(zāi)檢測[J];中國圖象圖形學(xué)報;2013年06期

6 陳紅倩;陳誼;曹健;劉鸝;;基于動態(tài)紋理技術(shù)的實時森林繪制[J];計算機(jī)仿真;2012年06期

7 何莎;費樹岷;;動態(tài)紋理背景的建模[J];計算機(jī)應(yīng)用;2009年S2期

8 鄒運蘭;王仁芳;;基于多重紋理和動態(tài)紋理技術(shù)的實時水面模擬[J];浙江萬里學(xué)院學(xué)報;2010年06期

9 陳紅倩;李鳳霞;黃天羽;戰(zhàn)守義;;一種基于動態(tài)紋理的運動場景可視化方法[J];北京理工大學(xué)學(xué)報;2009年06期

10 于鑫;韓勇;陳戈;;基于動態(tài)紋理和粒子系統(tǒng)的火焰效果模擬[J];信息與電腦(理論版);2009年11期

相關(guān)會議論文 前1條

1 陸懿;陳光夢;;一種改進(jìn)的彩色動態(tài)紋理綜合算法[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前3條

1 王勇;基于混沌特征向量的動態(tài)紋理識別[D];上海交通大學(xué);2014年

2 彭太樂;基于鏡頭及場景上下文的短視頻標(biāo)注方法研究[D];上海大學(xué);2016年

3 周丙寅;張量分解及其在動態(tài)紋理中的應(yīng)用[D];河北師范大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 李元元;基于動態(tài)紋理的太陽活動視景模擬方法研究[D];中國科學(xué)院研究生院(空間科學(xué)與應(yīng)用研究中心);2015年

2 段石石;面向視頻監(jiān)控的群體異常行為檢測[D];上海大學(xué);2015年

3 宋亞婷;基于動態(tài)紋理模型的極光影像分類算法研究[D];西安電子科技大學(xué);2015年

4 陸懿;一種改進(jìn)的基于非線性模型的動態(tài)紋理識別算法[D];復(fù)旦大學(xué);2008年

5 徐磊磊;動態(tài)紋理性質(zhì)及其模擬算法研究[D];華中科技大學(xué);2007年

6 姚偉光;基于局部二進(jìn)制運動模式的動態(tài)紋理描述新方法[D];蘭州大學(xué);2009年

7 周文玲;增強(qiáng)現(xiàn)實中動態(tài)紋理的識別與重建技術(shù)研究[D];華東師范大學(xué);2011年

8 劉霞;自然景物模擬的動態(tài)紋理研究與實現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2005年

9 丁悅;基于數(shù)據(jù)驅(qū)動的馬爾柯夫鏈蒙特卡洛模型的動態(tài)紋理分析[D];南京理工大學(xué);2007年

10 曹壽剛;基于李群論和動態(tài)紋理的視頻分類技術(shù)研究[D];華中科技大學(xué);2013年

，

本文編號：2240572