西安建筑科技大学卢才武等：基于SoftEdge软边缘检测模型与改进分水岭的浮选泡沫图像分割方法研究

对浮选泡沫图像特征进行分割识别，是提升选矿工艺成效的关键技术环节。传统图像分割方法处理浮选泡沫图像时，往往面临泡沫粘连、边缘模糊、先验知识难以引入等问题，制约了其在复杂浮选环境中的应用。

西安建筑科技大学卢才武团队创新性地提出了融合SoftEdge软边缘检测模型与改进分水岭算法的浮选泡沫图像分割方法。该方法首先采用高斯低通滤波对图像进行预处理，以抑制噪声与细微纹理干扰，提升图像质量。SoftEdge模型通过提取图像软边缘，并结合全卷积神经网络的边缘特征语义信息，有效削弱了光照噪声干扰，从而提高了边缘检测的准确性。进一步引入基于前置背景标记技术优化的分水岭算法，能够精确提取前景与背景标记，指导算法在限定区域内完成分割，减少分割误差。该方法无需依赖复杂先验知识与繁琐参数设置，在提升分割精度与鲁棒性的同时，为浮选泡沫图像的自动化处理提供了可靠的技术支持。

模型设计及技术路线

为更有效发挥分水岭算法的分割性能，实现浮选泡沫图像的精准分割，本研究首先基于SoftEdge模型开展软边缘提取与预分割。该模型融合了全卷积神经网络、边缘特征与语义信息，能够针对性捕捉泡沫图像的边缘细节，为分水岭算法提供可靠的边缘基础，从而期望使后续分割更具针对性。然而实际应用中发现，仅依靠SoftEdge模型处理后，图像仍受到环境光噪声与细微纹理的干扰，导致泡沫边缘模糊、粘连区域分割不完整，最终分割效果未能达到预期，难以满足分水岭算法对输入图像质量的要求。

Fig. 1 浮选原图

为解决上述问题，本研究引入高斯低通滤波技术作为前置预处理手段。该技术可有效抑制原始图像中的噪声信号，减弱无关细微纹理的干扰，从而显著提升图像整体清晰度与边缘辨识度，为后续分割过程奠定良好基础。预处理完成后，再次采用SoftEdge模型提取软边缘，并结合分水岭算法进行分割。以下为一系列对比图示，可直观看出，经高斯滤波预处理后，SoftEdge模型与分水岭算法的协同效果显著提升，泡沫边缘轮廓更为锐利、分割边界更加准确，粘连泡沫的区分度也明显改善；相比之下，未经滤波处理的分割结果仍存在边缘模糊与分割误差较大的问题。需要说明的是，高斯滤波在处理含小气泡的图像时可能引发轻微模糊或局部欠分割现象。该问题将在后续研究中通过优化滤波参数、融合多尺度处理技术等途径加以改进。

Fig. 3 分水岭算法示意

卢才武

教授，博士研究生导师

现任西安建筑科技大学资源工程学院矿业工程一级学科负责人、西安市智慧工业感知计算与决策重点实验室主任，研究方向聚焦资源系统优化与管理、智能感知计算与决策。主持国家自然科学基金、国家社科基金等40余项，发表论文200余篇，获发明专利20余项、省部级科技奖励7项（如中国安全生产协会安全科技进步奖一等奖等），出版《矿山计算机视觉》《露天矿安全生产管控及智能决策系统》等专著7部，兼任中国金属学会采矿分会常务理事、《金属矿山》编委等。

《金属矿山》简介

《金属矿山》由中钢集团马鞍山矿山研究总院股份有限公司和中国金属学会主办，主编为中国工程院王运敏院士，现为北大中文核心期刊、中国科技论文统计源期刊（中国科技核心期刊）、中国精品科技期刊（F5000顶尖学术论文来源期刊）、中国百强报刊、RCCSE中国核心学术期刊（A）、中国期刊方阵双百期刊、国家百种重点期刊、华东地区优秀期刊，被美国化学文摘（CA）、美国剑桥科学文摘（CSA）、波兰哥白尼索引（IC）、日本科学技术振兴机构数据库（JST）等世界著名数据库收录。主要刊登金属矿山采矿、矿物加工、机电与自动化、安全环保、矿山测量、地质勘探等领域具有重大学术价值或工程推广价值的研究成果，优先报道受到国家重大科研项目资助的高水平研究成果。根据科技部中国科技信息研究所发布的《2024中国科技期刊引证报告（核心版）》，《金属矿山》核心总被引频次位列26种矿业工程技术学科核心期刊第1位；根据中国知网发布的《中国学术期刊影响因子年报》（2024版），《金属矿山》学科影响力位居73种矿业期刊第9位。

供稿：曾文旭

编排：余思晨

审核：王小兵

利用提供参考依据。

供稿：曾文旭

编排：余思晨

审核：王小兵

声明：本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与铁甲网联系，本网将迅速给您回应并做处理，再次感谢您的阅读与关注。