泡沫图像统计建模与恒常颜色校正算法研究

摘要：

由于浮选现场的恶劣环境和复杂光照等问题,将导致采集到的泡沫图像不可避免地发生色偏.为了消除以上不利影响,提高后续颜色特征提取的准确性,本文提出了一种基于图像统计建模的泡沫图像恒常颜色校正算法.首先,通过对泡沫图像统计特性的分析,利用Contourlet变换和广义高斯分布函数对图像进行统计建模.其次,选取颜色恒常性标准图像库(Gray-ball)中已知真实光照的标准图像作为训练样本,建立其统计模型参数集,分别选用常用的5种颜色恒常性算法对其进行颜色校正,并以最小角度误差为每幅标准图像标记最佳颜色恒常性算法.最后,利用K最近邻分类算法将待校正的泡沫图像分至对应的恒常算法中,该算法即为原始泡沫图像的最佳恒常颜色校正算法.实验结果证明,该算法能够获得较好的颜色校正效果.

关键词：泡沫浮选、颜色恒常性、Contourlet变换、图像建模、颜色校正

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金创新研究群体科学基金61321003;国家自然科学基金重大项目61290325;国家自然科学基金61025015资助.Supported by Foundation for Innovative Research Groups of the National Natural Science Foundation of China61321003;Major Program of the National Natural Science Foundation of China61290325;National Natural Science Foundation of China61174133

在线出版日期：2016-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：613-620