基于VSM的浮选泡沫图像纹理特征提取与分类
浮选泡沫表面纹理与浮选生产状态密切相关,为了对泡沫浮选生产状态进行准确分类识别,提出一种基于向量空间模型(Vector Space Model,VSM)的颜色共生矩阵(Color Co-occurrence Matrix,CCM)纹理特征提取的BP神经网络分类的方法.该方法通过对数据库图像进行合理分块,提取各分块的纹理特征,对所有的CCM特征向量用模糊C均值聚类得到图像的CCM纹理数据表,并用设计的相对TF-MI(Term frequency-Mutual information)权重因子对数据表进行加权,再将对单幅图像各个分块的CCM特征向量与加权后的CCM纹理数据表进行对照并标识每个分块的状态,统计各个状态出现的频次得到VSM的CCM纹理特征表示.最后采用BP神经网络对所得特征进行分类,实验结果表明,该方法能有效对泡沫浮选状态进行准确分类,并获得更优的浮选泡沫聚类质量,从而给浮选操作提供指导.
浮选泡沫 图像纹理 特征提取 BP神经网络
陈宁 杨青青 张蕾 桂卫华
中南大学信息科学与工程学院 长沙 410083
国内会议
长沙
中文
165-168
2015-10-01（万方平台首次上网日期，不代表论文的发表时间）