铜精矿品位是硫化铜浮选生产过程参数之一，也是一项重要的浮选产品质量指标。现有的铜精矿品位检测方法存在着主观性强、检测周期长、数据校正复杂、成本较高等不足之处。本文以硫化铜精矿为研究对象，结合彩色图像处理方法，系统研究了硫化铜精矿在固相、固液两相、气固液三相体系中的彩色图像特征，揭示图像特征与铜精矿品位之间的变化规律，建立基于图像特征的精矿品位预测模型，为浮选生产的过程控制提供必要的技术支持。主要研究内容和成果如下：建立了基于硫化铜精矿粉末彩色显微图像颜色特征的品位预测模型。搭建了实验室彩色显微图像采集装置并获取硫化铜微粉图像；提出了色调保持不变的彩色图像增强方法，有效地实现彩色显微图像的降噪和增强处理；采用统计方法提取彩色显微图像的红色、绿色、蓝色、色调平均值、彩色向量角等颜色特征参数，建立了3个基于图像颜色特征的LS-SVR法的品位预测模型；评价模型的预测性能，结果表明，基于色调平均值的铜精矿品位预测模型为最佳。建立了基于硫化铜矿浆彩色图像特征的品位预测模型。针对硫化铜矿浆图像采集问题，设计了一套矿浆彩色图像采集试验装置和方法；提出了矿浆彩色图像的裁剪和增强等预处理方法，采用颜色比率和相对颜色度方法提取矿浆图像颜色特征，首次引入Tamura方法提取图像V分量纹理特征，然后利用相关系数方法对颜色和纹理特征进行降维；依据多元线性回归和GRNN方法研究矿浆图像特征和品位之间的内在关系，结果表明，基于GRNN法的品位预测模型的预测精度均优于基于多元线性回归法的品位预测模型的预测精度，且基于矿浆彩色图像纹理特征的GRNN的品位预测模型为最优。建立了基于硫化铜浮选泡沫彩色图像特征的铜精矿品位软测量模型。搭建了一套浮选泡沫视频图像采集试验装置，实现了硫化铜粗选和精选过程的泡沫彩色图像采集任务。研究了粗选和精选泡沫彩色图像的裁剪、去模糊化、降噪、增强等预处理方法，依据颜色直方图、颜色矩、相对颜色度等方法提取泡沫图像颜色特征，分别采用Tamura方法、WPT结合Tamura方法提取泡沫图像的H、S、V分量纹理特征；提出了一种多层聚类结合Lasso法的图像特征参数降维方法，并采用相关系数硬阈值法择取模型的辅助变量；采用多元线性回归、PLS、LS-SVR方法分别建立基于粗选和精选泡沫图像特征的品位软测量模型，评价这些模型的预测性能，结果表明，在硫化铜粗选过程中，基于粗选泡沫彩色图像颜色和纹理特征组合的LS-SVR的铜精矿品位软测量模型的预测精度为最优；在硫化铜精选过程中，基于精选泡沫彩色图像颜色特征的LS-SVR的铜精矿品位软测量模型的预测精度为最优；利用彩色图像处理方法可对铜精矿品位进行预测。