混配礦石圖像的分割優(yōu)化及級配檢測算法

謝雅君，張國英

(中國礦業(yè)大學(xué)(北京) 機電與信息工程學(xué)院, 北京 100083)

礦石的粒度分布是影響施工的重要依據(jù)，粒徑統(tǒng)計是獲取礦石粒度分布的基礎(chǔ)，因此粒度檢測就顯得尤為重要，隨著現(xiàn)代人工智能及機器視覺技術(shù)的迅速發(fā)展，圖像處理技術(shù)用來測量礦石的粒度[1-2]。但是粒度分布準確需要準確的礦石分割[3-4]基礎(chǔ)，在顆粒分割方面，孫宗保等[5]將自適應(yīng)閾值處理后的顆粒圖像進行膨脹與腐蝕形態(tài)學(xué)操作，可以解決顆粒二值圖像中的噪聲與顆粒結(jié)團問題，顆粒圖像均勻度優(yōu)于礦石圖像，容易獲得好的分割效果。蔡改貧等[6]提出對礦石圖像進行中值濾波、形態(tài)梯度計算后用分水嶺分割其灰度圖像，分水嶺算法導(dǎo)致礦石過分割，粒度檢測結(jié)果準確不高。商夢石等[7]用Otsu閾值分割算法分割礦石圖像，采用開閉運算去除二值圖像中的噪聲，結(jié)構(gòu)元素的形態(tài)使邊緣不夠順滑，部分細小目標丟失，導(dǎo)致粒度檢測不準確。

工業(yè)現(xiàn)場的大量混配礦石圖像中，礦石目標的粒級差距巨大，顏色形態(tài)不一，關(guān)注小目標的檢測方法會導(dǎo)致大目標過分割，關(guān)注大目標的完整檢測會導(dǎo)致小目標大量丟失[8]。針對上述問題，為了不丟失礦石信息，采用雙窗動態(tài)方法進行閾值化處理，使背景像素盡量少，礦石像素盡量完整，所使用的兩個窗口的閾值由Otsu[9]優(yōu)化取得，中心像素的灰度值小于兩個窗口閾值時為背景，大于任意窗口閾值即為礦石類。該方法的副作用是導(dǎo)致較多的噪聲信息，為了去除噪聲，本文提出了一種密度變換的目標分割方法，處理對象為二值圖像中的礦石像素，根據(jù)鄰域[10]中密度分布確定是否為噪聲，高密度值表示為目標像素，低密度值為噪聲或目標邊界。……