项目名称: 提高锡、钨、金等金属回收率的摇床分带图像分割法研究

项目编号: No.51204077

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 矿业工程

项目作者: 和丽芳

作者单位: 昆明理工大学

项目金额: 25万元

中文摘要: 摇床广泛应用于锡、钨、金等微细粒矿物的回收。摇床分带技术是实现摇床优化控制和提高选别指标的前提。目前,国内摇床分带主要由人工操作,分带精确度不高、实时性滞后、选别指标较低,故急需研究新的摇床分带技术。基于数字图像处理的摇床分带技术,通过图像分割可以精确自动地实现摇床分带,目前国内外针对摇床分带图像分割还没有提出相应的算法,因此本项目对基于萤火虫算法的摇床分带图像分割法进行研究。首先通过获取大量的现场摇床分带图像以及进行图像分析,掌握摇床分带的特征及规律;研究萤火虫算法的基础理论;研究步长、决策半径、萤火虫分布、萤火虫位置更新方式对萤火虫算法收敛性和实时性的影响;从摇床分带图像的单阈值和多阈值分割两方面出发,结合摇床分带的特征,提出分割精度和实时性较高的萤火虫算法;对分割算法进行编程、现场试验、分析比较和效果评价,获得摇床分带图像分割的新理论和新技术,以提高稀贵金属锡、钨、金等资源的回收率。

中文关键词: 摇床分带图像;图像分割;阈值分割;萤火虫优化算法;

英文摘要: Shaking table is widely used in the recovery of tin、tungsten、gold and other micro-fine metal. The technology of shaking table zone is the premise to achieve the optimum control of table and improve separation indexes. At present, shaking table zone technology is by artificial at home, which has the lower accuracy, real-time and separation indexes, therefore the new technology is need to research urgently. The method based on digital image processing can achieve precise and automatic zoning by way of image segmentation, now the corresponding algorithm has not been presented at home and abroad for segmentation of shaking table zone image, in the project, so the segmentation method of shaking table zone image that based on glowworm swarm algorithm is studied. Firstly, master the characteristics and laws of zoning by obtaining a large of number of shaking table zone images on the scene and analyzing images; research the fundamental theory of glowworm swarm algorithm; study the influence on the convergence and real-time of glowworm swarm algorithm that caused by step-size, decision range, distribution of glowworms, and movement-phase; combined with the characteristics of zoning, put forward new algorithms that have higher segmentation accuracy and real-time, in the light of bi-level threshold and multilevel threshold

英文关键词: Shaking table zone image;image segmentation;thresholding;glowworm swarm optimization algorithm;

成为VIP会员查看完整内容
0

相关内容

医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
专知会员服务
55+阅读 · 2021年10月4日
专知会员服务
46+阅读 · 2021年8月28日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
61+阅读 · 2021年3月6日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
2022入坑图像分割,我该从哪儿入手?
CVer
2+阅读 · 2022年2月24日
基于深度学习方法的图像分割,差距不止一点点
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
CT影像肺结节分割研究进展
专知
4+阅读 · 2021年4月23日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
从传统方法到深度学习,人脸关键点检测方法综述
机器之心
14+阅读 · 2017年12月17日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
RIS-Assisted Cooperative NOMA with SWIPT
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
15+阅读 · 2019年3月16日
小贴士
相关主题
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
专知会员服务
55+阅读 · 2021年10月4日
专知会员服务
46+阅读 · 2021年8月28日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
61+阅读 · 2021年3月6日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
相关资讯
2022入坑图像分割,我该从哪儿入手?
CVer
2+阅读 · 2022年2月24日
基于深度学习方法的图像分割,差距不止一点点
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
CT影像肺结节分割研究进展
专知
4+阅读 · 2021年4月23日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
从传统方法到深度学习,人脸关键点检测方法综述
机器之心
14+阅读 · 2017年12月17日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员