煤泥浮选泡沫图像特征提取方法研究的中期报告.docxVIP

煤泥浮选泡沫图像特征提取方法研究的中期报告 本研究旨在提出一种适用于煤泥浮选泡沫图像的特征提取方法。在已完成的中期研究中，我们采用了以下步骤： 1. 获取测试数据集：从实验室获得了一批煤泥浮选泡沫图像数据，共计500张，每张图像大小为512x512像素。 2. 图像预处理：对于每张图像，我们首先进行预处理，包括去除图像中的噪声和干扰，采用Canny算法进行边缘检测，用膨胀和腐蚀操作来增强图像对比度。 3. 特征提取：基于预处理后的图像，我们提取了多种特征，包括： - 形状特征：如面积、周长、直径、圆度、轮廓因子等。 - 灰度特征：如平均灰度值、灰度方差、灰度熵等。 - 纹理特征：采用Gabor滤波器提取纹理特征，包括能量、方差、对比度、同质性、相关性。 4. 特征选择：对提取的特征使用相关性分析、主成分分析等方法进行排序和筛选，选出了最具有区分能力的15个特征作为分类器输入。 5. 分类器训练：采用支持向量机（SVM）分类器进行分类训练。对于训练数据集采用10折交叉验证的方法计算分类器的准确率、召回率和F1值。实验结果表明，该分类器的平均准确率为95.6％，召回率为92.4％，F1值为0.94。 下一步计划是进一步完善特征提取方法，提高分类器的性能和精度，在实际应用中取得更好的效果。