基于角點與曲率檢測的微細粒粘連礦石顆粒圖像分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種礦石顆粒圖像分割方法，尤其適用于一種針對破碎礦物顆粒圖像 研宄時使用的基于角點與曲率檢測的微細粒粘連礦石顆粒圖像分割方法。
【背景技術(shù)】
[0002] 礦物加工的主要目的是將原礦中的有用礦物分離，其中一個關(guān)鍵步驟是將原礦石 進行研磨，已達到有用礦物解離的目的，有文獻證明磨礦的顆粒粒度與解離度存在一定的 關(guān)系，故對礦石顆粒粒度的精確檢測是一個重要技術(shù)。一般礦物工藝學(xué)采用篩分法檢測顆 粒粒度，該方法通過采用有限數(shù)量的篩子來測量礦石顆粒尺寸，誤差較大。目前利用圖像處 理對礦石顆粒圖像進行分割、識別是一種精確的方法。對于毫米級的礦石顆?？刹捎脭?shù)碼 相機進行取圖，但對于微米級顆粒必須采用放大倍率更高的掃描電子顯微鏡，同樣由于礦 石的粒度更小，顆粒間的粘附力更強，使得顆粒之間粘連現(xiàn)象很嚴重，而顆粒粒度作為礦物 顆粒物料的重要特征指標，其準確測量對顆粒后續(xù)加工的各個工藝具有重要的指導(dǎo)意義。 為了準確分析礦物顆粒粒度表征，必須在分析之前，對顆粒圖像進行分割和分離。

【發(fā)明內(nèi)容】

[0003] 針對上述技術(shù)的不足之處，提供一種步驟簡單，簡單快捷的的基于角點與曲率檢 測的微細粒粘連礦石顆粒圖像分割方法。
[0004] 為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：基于角點與曲率檢測的微細粒粘連 礦石顆粒圖像分割方法，其步驟如下：
[0005] a.使用掃描電子顯微鏡對研磨過的礦石顆粒進行取圖，利用smooth函數(shù)對礦石 顆粒圖像順序進行平滑處理、圖像閾值化、形態(tài)濾波、去除邊緣顆粒的步驟，從而完成對礦 石顆粒圖像的二值化；
[0006] b.將二值化后的礦石顆粒圖像中存在微細粒粘連情況的圖像選取出來作為目標 區(qū)域，對目標區(qū)域的礦石顆粒圖像進行Harris角點檢測：
[0007] 1)利用水平、豎直差分算子對目標區(qū)域的礦石顆粒圖像中每個像素點進行濾波， 得到得像素點在水平和垂直方向的一階導(dǎo)數(shù)Ix、iy，利用公式：
【主權(quán)項】
1. 一種基于角點與曲率檢測的微細粒粘連礦石顆粒圖像分割方法，其特征在于步驟如 下： a. 使用掃描電子顯微鏡對研磨過的礦石顆粒進行取圖，利用smooth函數(shù)對礦石顆粒 圖像順序進行平滑處理、圖像閾值化、形態(tài)濾波、去除邊緣顆粒的步驟，從而完成對礦石顆 粒圖像的二值化； b. 將二值化后的礦石顆粒圖像中存在微細粒粘連情況的圖像選取出來作為目標區(qū)域， 對目標區(qū)域的礦石顆粒圖像進行Harris角點檢測： 1) 利用水平、豎直差分算子對目標區(qū)域的礦石顆粒圖像中每個像素點進行濾波，得到 得像素點在水平和垂直方向的一階導(dǎo)數(shù)Ix、Iy，利用公式
得到像素點函數(shù) 的二階黑塞矩陣m，式中Λ2 =/,*/,、/丨=/,*/,.> Ix2、Iy2、IxI y分別為該像素點函數(shù)的二階 偏導(dǎo)數(shù)，并利用黑塞矩陣m判斷每個像素點是否為極值點； 2) 利用離散二維零均值高斯函數(shù)公式
對黑塞矩陣
中的四個元素值進行高斯平滑濾波，得到濾波后的黑塞矩陣m' ； 3) 利用公式：
，將濾波后的黑塞矩陣m'值代入目標區(qū)域的礦石顆 粒圖像像素點，計算每個像素點的角點量cim ; 4) 將每個像素點的角點量cim與預(yù)設(shè)閥值thresh進行比較，標記每一個大于預(yù)設(shè)閥值 thresh的像素點，當角點量cim值大于預(yù)設(shè)閥值，則判斷此像素點為Harris角點； c. 以每個Harris角點作為圓心curvature，半徑為5個像素，通過公式：
，計算得到每個Harris角點相對應(yīng)的圓形掩膜，式中：j表示第j個角點， L|為圓形掩膜的周長，|A」為第j個角點為圓心的圓形掩膜與目標區(qū)域的礦石顆粒圖像 相重合部分的掩膜弧線； d. 利用公式：curvature (j) >0.5,對每個角點進行比較判斷，符合公式的角點即為凹 點Pj，并排除非凹點； e. 定義每個凹點Pj的圓形掩膜與目標區(qū)域的礦石顆粒圖像不重合部分的掩膜弧線Bj, 根據(jù)掩膜弧線h的長度定義掩膜弧線^的中點C r以凹點&為發(fā)射點向連接中點q形成 的射線PjCj即為該凹點P」的方向； f. 建立凹點坐標列表，將待匹配凹點坐標作為線性分割的始端像素點，搜索列表中的 其他凹點與其進行匹配，找到滿足與待匹配凹點距離最近且方向相反的凹點作為終端像素 點，采用Bresenham算法畫分離線，完成目標區(qū)域的礦石顆粒圖像的分割，循環(huán)匹配凹點的 過程，直至該連通域內(nèi)所有的凹點都被匹配。
2. 根據(jù)權(quán)利要求1所述的基于角點與曲率檢測的微細粒粘連礦石顆粒圖像分割方法， 其特征在：利用黑塞矩陣m判斷每個像素點是否為極值點的方法為，若m為正定矩陣，則該 點為極小值，若m為負定矩陣，則該點為極大值，若m為不定矩陣，則該點不是極值。
3. 根據(jù)權(quán)利要求1所述的基于角點與曲率檢測的微細粒粘連礦石顆粒圖像分割方法， 其特征在：角點量cim的角點響應(yīng)函數(shù)R為R= 式中：人^ λ2為黑 塞矩陣m'經(jīng)實對稱矩陣對角化處理后得到的兩個正交分量，k為系數(shù)，取值范圍為[0.04， 0. 06]〇
4. 根據(jù)權(quán)利要求1所述的基于角點與曲率檢測的微細粒粘連礦石顆粒圖像分割方法， 其特征在：預(yù)設(shè)閥值thresh由高斯函數(shù)濾波后的黑塞矩陣m中的四個元素值產(chǎn)生的平滑輪 廓曲線、高斯函數(shù)的方差尺度參數(shù)和支撐域的半徑?jīng)Q定，這里高斯函數(shù)尺度參數(shù)σ =2.5， 輪廓支撐域的半徑為1，則閾值的取值區(qū)間為[〇. 004,0. 008]。
5. 根據(jù)權(quán)利要求1所述的基于角點與曲率檢測的微細粒粘連礦石顆粒圖像分割方法， 其特征在：若凹點坐標列表中凹點的數(shù)量為奇數(shù)，則經(jīng)過匹配之后，忽略剩余的一個凹點。
【專利摘要】一種基于角點檢測與曲率的粘連礦石顆粒的圖像分割方法，適用于一種針對破碎礦物顆粒圖像研究時使用。其步驟為：首先對礦物圖像進行預(yù)處理，其次將得到的二值圖像進行Harris角點檢測，第三，利用各角點的曲率信息識別出其中的凹點，即粘連顆粒連接點，根據(jù)凹點的特性采用一定的準則，確定最佳分割路徑，完成粘連礦石顆粒的分割。本方法通過尋找目標區(qū)域里存在的角點，結(jié)合角點與曲率信息，從而識別出其中的凹點，通過凹點的方向性特點及最近鄰準則，從而將圖像目標區(qū)域進行分割，最終完成整個礦石顆粒圖像中粘連顆粒的分割，其方法簡單，能夠有效分割圖像中大量粘連顆粒的區(qū)域，最大程度還原圖像中微細粒礦石顆粒的分布情況。
【IPC分類】G06T7-00
【公開號】CN104657988
【申請?zhí)枴緾N201510060055
【發(fā)明人】胡曉娟, 王靜, 李世銀
【申請人】中國礦業(yè)大學(xué)
【公開日】2015年5月27日
【申請日】2015年2月4日