在铜浮选工业现场,摄像机受运行环境的机械振动、光线变化、灰尘烟雾等因素的影响,使得矿物浮选泡沫图像受到严重干扰,图像昏暗,几乎无背景信息,且存在明显阴影及反光,图像模糊且存在抖动现象,图像纹理复杂且灰度变化小,边缘不明显,用常规方法对其进行处理比较困难。传统整数阶微分图像增强算子在处理图像时对灰度变化不大的图像边缘不敏感,不能达到预期效果。而神经网络、小波变换等图像增强方法的时间复杂度大,难以工业应用。分数阶微分特别适用于处理边缘不明显,噪声较大,纹理不清晰的图像,因此,论文引入分数阶微分处理技术对铜浮选泡沫图像进行增强处理,根据泡沫图像的特性,构造了一种分数阶微分图像增强算子,提出了一种自适应分数阶微分图像增强方法,取得了良好的处理效果。论文的主要研究内容和创新性工作如下：(1)对铜浮选泡沫图像特征和分数阶微分图像处理技术进行了分析和研究,根据泡沫图像结构和形状特征,构造了一种具有旋转不变性的分数阶微分图像增强掩膜,该掩膜不仅具有分数阶微分的特点,而且计算简单,时间复杂度低,操作方便,易于工业现场应用。(2)针对人工调试选取分数阶微分阶数耗时长、精度低、难以在线自动实现的问题,提出了一种自适应选取分数阶微分阶数的图像增强方法,该方法利用二分法理论,根据输入图像的纹理特性,自适应地选取分数阶微分的阶数,与人工选取相比,所得分数阶微分阶数更加精确,图像处理效果更好,且在处理时间上有明显的优越性。(3)将所提方法与目前比较流行的图像增强算法进行对比分析,结果表明本文的方法具有更高的峰值信噪比、结构相似度和信息熵,将分数阶微分图像增强技术应用于铜浮选泡沫图像监控系统,获得更加准确的泡沫数量,给出的操作建议更加合理,为基于泡沫图像特征的铜浮选过程优化控制奠定了基础。