浮选是工业矿物分离提取中一个至关重要的环节,在有限的矿物资源情况下,提高其利用率是一个国际性难题。结合机器视觉和数字图像处理技术提高资源利用率,已成为全球研究和应用的热点。针对浮选图像光照不均、气泡边界细节弱、分割难等问题,本文结合非成像光学、数字图像处理及分数阶微积分等知识,对浮选光照系统中的核心问题——均匀光照以及浮选气泡监测的关键技术——浮选图像增强、气泡提取,展开了深入的分析研究与应用探索,其主要的研究内容包括:1、均匀配光设计针对机器视觉中获取图像光照不均的问题,利用非成像光学理论对光源进行二次配光,重点阐述采用方程求解法构造自由曲面透镜的方法。通过物理校正后采集的图像亮度均匀性提高且纹理信息更加丰富,为后续通过算法进行图像增强提供基础。2、图像增强预处理经过物理校正后的图像亮度均匀度有了很大的提高,但因三维气泡的阴影及堆叠形成的弱边界需要通过算法进行图像增强。基于此,提出了基于自适应分数阶微分的浮选图像增强算法。分数阶微分能增强浮选气泡边界细节,同时根据气泡边界像素的纹理信息自适应选择最优微分阶数,能满足浮选监测实时性要求。3、图像分类及判别通过对浮选气泡图像表面视觉特征的分析,对增强后图像进行分类,为后续图像有效分割提供多尺度变换依据。与采用经典的Otsu算子和Canny算子对图像分类相比,基于灰度共生矩阵提取图像纹理信息,再通过多元线性回归统计并判别浮选气泡图像类型,能较好的对浮选图像进行分类,并进行多尺度变换的判别。4、气泡提取鉴于浮选图像中气泡边界线相较于气泡其他部位是灰度局部最小值的像素集合。本文结合分数阶积分对气泡边界的作用特点,以及谷底检测对目标边界的精准定位提出了一种新算法,该算法具有良好的抗噪性能和精准提取的优势。同时,对传统的毛刺噪声去除和断口连接的方法进行了改进,改进后的算法能够很好地去除气泡边界的毛刺噪声,同时能根据原图的气泡边界信息准确地连接图像边界断口。