泡沫浮选是应用最为广泛的一种矿物分选方法。在浮选过程中,泡沫层能直接反映浮选的质量指标。目前,选矿厂主要是通过有经验的操作人员观察浮选槽泡沫表面状态来调节生产操作。然而这种人工观察泡沫操作的方法有其时间、空间和主观的局限性,难以保证浮选过程的优化运行。因此,为了实现基于数字图像处理技术的矿物浮选优化控制,本文主要研究泡沫图像纹理特征提取方法,并用于指导浮选工业过程操作。论文在浮选泡沫产生机理分析的基础上,研究泡沫表面视觉特征与浮选工况的关系。针对灰度共生矩阵(GLCM)在彩色泡沫图像上应用的局限性,提出一种新的基于颜色共生矩阵(CCM)的浮选泡沫纹理特征提取算法。该方法首先将泡沫图像进行颜色空间转换,并对其颜色分量进行量化；然后计算其颜色共生矩阵,从归一化后的颜色共生矩阵中提取特征统计量；最后,根据特征统计量表征的泡沫纹理状况,设计一个新的泡沫纹理复杂度参数。通过对提取的泡沫纹理复杂度和矿物品位的相关性分析,表明提出方法能有效的描述不同精选泡沫图像的纹理,同时给出了浮选泡沫的最佳纹理复杂度区间。针对现有浮选状态分类准确性的欠缺,利用CCM提取的泡沫纹理特征对泡沫状态进行更准确的分类。先通过主成分分析法将泡沫特征参数进行主元分析,再利用模糊C-均值算法对其进行聚类。对聚类的评价标准进行研究,仿真对比分析结果形象地表明：泡沫浮选状态通过CCM提取的特征参数得到较好地识别,实现了有效聚类,为浮选生产操作提供重要指导。