基于FCM-WA联合算法的多种类矿石图像分割

摘要：

矿石图像分割是基于机器视觉的矿石粒度分布检测的重要组成部分.针对复合矿山中颜色多样、纹理复杂且边缘粘连的多种类矿石图像难以识别与分割的问题,提出了一种基于FCM-WA联合算法的矿石图像分割方法.首先对矿石图像进行形态学优化,利用双边滤波、直方图均衡化和形态学重构来优化矿石图像的几何特征,减少噪声对分割效果的影响,提高图像对比度;然后将模糊C均值聚类(FCM)算法与分水岭(WA)算法相结合,利用FCM算法进行聚类迭代,计算出合适的分割阈值并对矿石图像进行分割,输出二值化图像;再利用基于距离变换的WA算法优化FCM算法的分割结果,对FCM算法输出的矿石图像边缘粘连部分进行分割,以获取最佳的分割图像.研究结果表明:(1)利用形态学优化流程处理矿石图像能够减少噪声并增强边缘信息,从而提高对比度;(2)相比传统的大津法和遗传算法,本文所提FCM-WA方法的稳健性更强、分割效果更好,对多种类的矿石图像像素分割准确率和矿石粒度识别准确率均可达到92％以上;(3)通过试验验证,FCM-WA方法能够精确地分割颜色多样、纹理特征复杂及边缘粘连的多种类矿石图像,分割结果满足粒度分布检测的要求;(4)FCM-WA方法符合现实矿山企业生产的需求,能够为研发新型矿山智能化粒度检测设备提供可靠的技术支持.

关键词：复合矿山、矿石图像、形态学处理、模糊C均值聚类、分水岭算法、边缘分割

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江西省教育厅科技项目

在线出版日期：2023-04-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：153-162