[发明专利]一种基于气泡运动稳定性分析的铅锌浮选泡沫图像时空联合去噪方法

摘要

本发明公开一种基于气泡运动稳定性分析的铅锌浮选泡沫图像时空联合去噪方法，该方法基于气泡的运动特性，准确辨识出泡沫图像子块的稳定运动状态(SMS)和非稳定运动状态(UMS)，对具有SMS特性的子块采用基于运动补偿的时域滤波去噪，对具有UMS特性的子块采用基于局部空域相关性的空域滤波方法进行去噪，并根据气泡子块的相关系数，联合时域滤波结果和空域滤波结果获得待处理铅锌浮选泡沫图像的时空联合去噪结果。在铅锌浮选过程视觉监控中进行了实验验证，结果表明，该方法可以获得高信噪比的泡沫图像，去噪结果结构相似性强，为铅锌浮选泡沫视觉特征的准确提取以及浮选过程的有效监控奠定了基础。

主权项

1.一种基于气泡运动稳定性分析的铅锌浮选泡沫图像时空联合去噪方法，其特征在于，包含以下步骤：S1：以当前待处理的含噪铅锌浮选泡沫图像为基础，设为第k帧，在第k帧泡沫图像之前和之后分别收集M帧图像，共2M+1帧图像组成一个图像序列X＝{X₁,g_k,X₂}。其中，g_k代表第k帧泡沫图像，也就是当前待去噪处理图像，X₁＝{g_k‑M,g_k‑(M‑1),…,g_k‑1}表示紧邻第k帧图像之前的M帧(已进行去噪处理)泡沫图像组成的集合，X₂＝{g_k+1,g_k+2,…,g_k+M}表示紧邻第k帧图像之后的M帧泡沫图像组成的集合。设各帧图像的像素尺寸为R×C，其中M可以取0到4之间的自然数；S2：在待处理泡沫图像g_k的最左上角，以为中心，选取一个大小为S×S的图像子块进行时空联合去噪处理，S可取9,15,33等不超过图像尺寸的奇数(S≤min(R,C))，具体步骤如下：S21：设g_k中第1个子块为通过运动估计检测在X₁∪X₂中各参考泡沫图像帧的位置和形变系数(旋转角度和尺寸缩放系数)。设在参考图像g_j(j＝k±1,…,k±M∧g_j∈{X₁∪X₂})中的(中心)位置为相对g_j中的配准块的旋转角度为尺寸缩放系数为具体的运动特性检测步骤包括：S211：在参考图像g_j中的相同位置p₁选择同样大小的子块相当于发生了旋转、缩放和平移后的结果，那么可以表示为：S212：将图像子块和均变换到对数极坐标系，得和S213：将和转换到Fourier变换域，采用相位相关方法获取图像子块相对于参考图像帧g_j中的子块的旋转角度和缩放系数S214：根据所求得的旋转和缩放系数，将反变换为与具有相同旋转角度和缩放尺度下的表示再采用相位相关方法获得相对于的位移向量，进而获得在参考图像帧g_j中的中心位置坐标S22：根据在参考图像g_j中的匹配位置和形变系数，以匹配位置为中心，在g_j中取大小的子块，对所截取的子块进行形变反变换，并将反变换结果以中心为基础对边缘进行裁剪，截取为与当前处理块同样大小的S×S子块，记为作为在参考帧g_j中的形态匹配校正块，采用衡量图像子块与的不相似程度，其中表示在参考图像帧g_j中的匹配残差子块，L为铅锌泡沫图像像素灰度级数目；S23：如果图像子块与的不相似程度不超过预定阈值τ，则认为相对于参考图像帧g_j中的子块为稳定运动状态(SMS)泡沫子块，采用基于运动补偿的时域滤波去噪处理方法对进行滤波(去噪)处理，获得相对于参考图像帧g_j的去噪结果否则，则认为为非稳定运动状态(UMS)泡沫子块，采用基于局部空域相关性的空域滤波去噪处理方法对进行去噪处理，获得相对于处理图像本身g_k的去噪结果其中，基于运动补偿的时域滤波去噪处理的具体步骤为：对于SMS子块，的基于运动补偿的时域滤波去噪处理结果为：其中为当前处理子块在参考图像g_j中对应的匹配校正块，为为权值，代表与的一种相似度测量，采用进行计算。基于局部空域相关性的空域滤波去噪处理的具体步骤为：对于UMS子块，只能考虑处理图像本身的自相关性对图像进行去噪。相对于不同的参考帧，可能存在多帧属于UMS，此时虽然有不同的参考帧，的空域去噪只需要技术一次，具体计算方法为：对于中的任意像素点(x,y),1≤x≤S,1≤y≤S，该点的去噪结果为：其中w(x,y,u,v)代表中像素点(x,y)与以(x,y)为中心的(2R+1)×(2R+1)大小搜索窗中的(u,v)像素点的一种相似度测量，可以采用欧式距离进行计算：其中，σ代表高斯核标准差，h为与σ相关的一个滤波参数，可以控制指数函数的衰减而改变欧式距离的权重；d²(x,y,u,v)代表以像素(x,y)为中心的大小为(2f+1)×(2f+1)的图像子块与以像素(u,v)为中的大小为(2f+1)×(2f+1)的图像子块的欧式距离：S24：基于在X₁∪X₂中的各个参考图像帧中的运动估计和形变参数估计结果，重复执行步骤S22和步骤S23，获得在以X₁∪X₂中不同参考帧为基础的去噪结果集并同时记录在2M个参考帧中属于SMS(采用基于运动补偿的时域滤波去噪处理)的次数D，进而获得在所有2M参考帧中的时空联合去噪结果其具体步骤为：如果D＜2M(表明在2M帧参考图像帧中，既有SMS也有UMS)，则其中ω_j为与g_j中匹配块的相关系数。否则，D＝2M(表明在2M帧参考图像帧中，全部表现为SMS)，此时先采用基于局部空域相关性的空域滤波去噪处理方法，获得关于去噪图像本身g_k的一种去噪结果进而获得最终的时空联合去噪结果其中，ω_j为与g_j中匹配块的相关系数，C为归一化权重系数，S3：在待处理泡沫图像g_k中，采用滑动窗处理方式(即从左至右、从上到下逐像素滑动)，依次选取大小为为S×S的图像子块，采用步骤S21到步骤S24所述的方法，对各个子块单独进行去噪处理。具体步骤包括：S31：在由左上角坐标点到右下角坐标点所构成的矩形区域中，逐像素滑动，共可选取块大小为为S×S的图像子块集，即S32：采用步骤S21到步骤S24所述的方法，对所选取的各个图像子块其进行去噪处理，获得每个子块相对所有2M帧参考图像的时空联合去噪处理结果S33：基于所有2M帧参考图像，泡沫图像g_k的时空联合去噪结果计算如下：对于g_k中任意像素点p＝(x,y)的最终去噪处理结果的计算方法为，根据所选取的个图像子块在待处理图像g_k中的位置关系，记录p被各个所选图像子块覆盖的次数Q及在对应图像子块中的时空联合处理结果，那么该像素的时空联合去噪结果进行处理结果为其中(q_x,q_y)代表图像g_k中全局坐标点p在图像子块中的局部坐标，(q_x,q_y)和(x,y)的对应关系为