矿物浮选是利用矿物颗粒表面物理化学性质的差异来选分矿石的一种方法,其泡沫的表面视觉特征直接反映浮选生产工况。目前,我国有色金属的浮选过程主要依靠人工观察泡沫状态进行操作参数的调整,在当前矿源复杂多变的情况下,这种操作方式存在很大的主观性和随意性,严重影响浮选过程的优化运行。将机器视觉技术引入矿物浮选过程,完成泡沫参数的准确测量和生产状态的量化描述,对优化浮选过程操作具有重要作用。然而,浮选现场环境恶劣,浮选槽内光照不均,获取的泡沫图像存在大量噪声,同时泡沫大小不均且混杂粘连,形状欠规则,使得泡沫尺寸与形状特征难以有效测量。因此,研究准确的泡沫图像尺寸测量与形态特征提取方法,对保证浮选过程的优化运行,提高矿产资源的回收率具有非常重要的现实意义。论文在浮选工艺机理分析的基础上,研究气泡尺寸、形状特征与浮选工况之间的关系,结合泡沫视觉图像特点,提出基于多尺度几何分析的浮选泡沫图像预处理方法和面向参数测量的分水岭分割方法,并应用于铝土矿浮选过程监控中。论文主要研究工作及创新性成果包括：(1)针对浮选泡沫的非均匀非定向运动造成泡沫图像存在模糊化的问题,提出一种基于自适应窗函数的泡沫图像清晰度评价方法。通过进一步构造清晰度复合评价方法,实现浮选图像的量化评价,筛选符合质量要求的图像,大量实验结果表明该评估方法具有良好的稳定性和实用性。(2)针对浮选泡沫图像存在光照不均和阴影的问题,详细分析了颜色恒常感知计算--Retinex理论的原理与特点,提出一种结合泡沫对象特点的区域自适应多尺度Retinex光照补偿方法。分别采用基于GCLM二维交叉熵算法和快速二值算法对图像进行粗分割,以此作为先验信息对泡沫区域进行分类,为结构元素的自适应选取提供先验知识。通过对强对比度区域识别和定位,避免Retinex算法在处理强对比度区域边界出现的“光晕”现象。该方法有效地对泡沫图像光照不均情况进行了补偿,为后续图像分析与处理奠定了基础。(3)针对泡沫图像存在对比度低,易受环境噪声和光照影响的问题,提出基于多尺度几何分析的浮选泡沫图像增强方法。首先构造改进多尺度几何分析方法完成泡沫图像的分解,以保证信号的平移不变性,避免造成图像边缘模糊；然后针对低频子带系数值相差甚小,受工业光照影响严重,引入多尺度Retinex算法实现增强效果,改善其亮度均匀性；再对各高频子带根据分解系数的统计模型,构造非线性增强函数。该方法可以改善图像亮度均匀性,增强泡沫图像的弱边缘信息,保持强边缘信息,消除噪声,明显改善了泡沫图像的视觉效果,解决泡沫边缘不明显和噪声所带来的图像欠分割问题。(4)针对气泡混杂粘连的特点,提出一种面向参数测量的分水岭图像分割方法。采用快速阈值法完成对泡沫图像的粗分割,再结合空间关系和LBPV纹理特征对图像中存在的透明窗、黑洞和狭长光亮带加以识别与处理,并提取透明窗和黑洞指数。提出了基于区域自适应的多尺度数字形态学标记提取方法,最后在多尺度梯度图像上使用改进的分水岭方法完成分割。这种面向对象语义特征的图像分割、特征提取与识别协同处理方法极大地提高了算法的鲁棒性,避免了工况波动和气泡混杂不均对分割结果的影响,有效地减少了欠分割和过分割区域。(5)以铝土矿浮选过程为研究对象,开发了基于机器视觉的浮选过程监控系统,并实现了数据与操作信息的网络共享和传输。通过对特征参数提取功能的优化,提高了浮选泡沫图像监控系统的鲁棒性和准确性,最终提高了浮选生产效率,为浮选过程全流程优化控制奠定基础。图76幅,表6个,参考文献157篇。