图像统计建模基础理论及其在工业视觉系统中的应用研究

Image statistical modeling is used to capture the key features of the image by image statistical models，which is the foundation of image analysis，understanding and recognition. In order to get the explicit image statistical models to solve the commonly existed problems of image perception and recognition in vision based industrial monitoring and control system, we propose the optimal image representation method based on dictionary learning and multi-scale geometric features expression according to the human visual perception mechanism, the multi -illumination estimation method by image sequences, the image segmentation statistical modeling approach based on geometric features of mixture image regions, and the invariant image statistical description method. The formation of theories and methods is to be applied to the the visual monitoring and control system for froth flotation to achieve the optimized representation of bubble images , to solve the problem of color variance，to fix the problem of accurate measurement of mixed adhesion bubble size， and to identify the bubble images with serious distortion and collapse. Finally machine identification and intelligent decision on flotation operation conditions is achieved, and a mature architecture of theories and methods for image detection, measurement, analysis, understanding and recognition in the industrial visual monitoring system will be generated. The successful implementation of this project will greatly improve the detection means of the processing plant and upgrade the level of automation of the processing plant, which will lay the foundation for optimizing the production of foam flotation. Consequently， the purpose of making full use of the limited mineral resources and improving economic and technological level of the corporates will be achieved.

图像统计建模是通过分析图像统计特性来捕捉图像的关键特征，是图像分析、理解和识别的基础。本项目针对工业视觉监控系统中普遍存在的图像感知与识别的难题，通过模拟人类视觉的感知机理，提出基于字典学习和多尺度几何特征表达的图像最优表示方法；基于图像序列分析的多光照估计方法；图像区域几何特征混合统计分割建模方法；仿射不变图像统计描述方法，以解决图像检测、分析和识别中的图像先验模型不明确问题。将所形成的理论与方法应用到泡沫图像视觉监控系统中，实现泡沫图像最优化表示，解决泡沫图像多光照条件下色偏、混合粘连气泡尺寸测量、畸变坍塌严重泡沫图像识别的难题，最终实现浮选生产工况机器鉴别与智能决策，形成工业视觉监控系统中较完善的图像检测、测量、分析、理解和识别的理论和方法体系。本项目的成功实施将极大改进选厂的检测手段和自动化生产水平，为泡沫浮选的优化生产奠定基础，以达到充分利用有限矿产资源，提高企业经济技术水平的目

泡沫浮选是以表面化学为基础，根据分选矿物表面疏水性的不同来选别有用矿物的分离方法。实际的工业浮选生产流程长，整个生产流程涉及几十甚至上百个相互关联的浮选槽，包括粗选、精选、扫选等多个子回路，各子回路间存在矿浆回流、精矿泡沫再处理等各种复杂过程，且生产过程中固、液、气共存，为国际公认的最为复杂的工业过程。一直以来，浮选过程监控主要依靠人工肉眼观察泡沫来完成，这种依靠人工经验的生产方式难以实现整个生产流程的有效监控。.本项目引入机器视觉监控代替肉眼观察，改进了浮选生产过程中的检测、测量与控制手段，通过自动泡沫图像分析与理解，实现了浮选泡沫状态的在线检测与客观评价，为浮选生产的优化控制奠定了基础。四年中，项目组主要开展了如下工作：（a）在凡口铅锌矿，铅锌浮选现场搭建了泡沫图像采集平台，建立了浮选工况相关的泡沫图像、工艺生产参量数据库；（b）针对泡沫图像无明显前背景区分、为大量局部碎片子块（颗粒）随机堆积而成的视觉特点，从理论上探讨了该类复杂纹理图像空间结构的韦伯分布过程；（c）针对泡沫图像色偏的问题，基于图像边缘细节的韦伯统计特性提出一种泡沫图像颜色最优校正方法；（d）根据泡沫图像各局部区域的亮度值统计分布特点并结合泡沫图像的几何边缘特性提出一种改进的泡沫图像分割方法，解决了复杂粘连泡沫图像难以准确分割的问题；（e）最后，提出了一种基于泡沫图像表面多尺度多方向纹理统计特性的浮选生产工况综合分类与智能识别方法，实现了浮选生产工况的实时监控与智能评价。.自该浮选过程视觉监控系统在凡口铅锌矿浮选现场上线以后，极大改进选厂的检测手段和自动监控水平，有效提高企业经济技术水平，为泡沫浮选的优化生产奠定了基础。项目组共发表期刊论文20篇，其中SCI收录9篇，EI收录12篇。同时，本项目所提出的图像统计建模理论与方法及其在在工业视觉系统中的应用技术将为其它复杂工业生产过程的视觉监控提供借鉴和参考。