铝土矿泡沫浮选是“选矿-拜耳法”氧化铝生产工艺中的一道重要工序。浮选过程主要通过“人眼观察,人手触摸”的方式来判断浮选状况以完成浮选操作,该方式极大地限制了浮选过程的优化运行,导致了金属资源的浪费。因此,研究泡沫的特征状态,开发基于机器视觉的矿物浮选泡沫监测系统,具有重要的理论意义和实际应用价值。铝土矿精选浮选效果直接决定矿物品位的高低,精选泡沫具有细小、易破碎等特点,因此图像特征选取颜色及纹理替代常用的泡沫大小,速度等。论文重点研究了泡沫图像颜色校正和纹理特征提取方法,并将该方法在铝土矿泡沫浮选监测系统中实现,达到实时监测浮选品位的目的,为浮选过程优化控制创造了有利条件。论文主要研究工作及创新性成果如下:(1)基于现阶段铝土矿泡沫浮选监测系统的研究进展,针对恶劣的生产条件和光源设备存在光衰减的现象,分析了图像颜色偏移的问题。提出了基于自然数e的指数函数的颜色校正方法,通过线性回归分别得到R、G、B三个变量的衰减曲线,并给出泡沫图像颜色补偿函数,实验证明可较好地校正精选泡沫颜色特征参数。(2)基于工业现场的应用现状,分析了基于PCA的灰度共生矩纹理特征提取方法的不足,并通过模糊化隶属度函数、简化纹理单元分类,提出了基于旋转分类的模糊纹理谱(Rotate Classification Fuzzy Texture Spectrum, RCFTS)纹理特征提取方法,有效地降低了计算维度、提高了计算效率。同时给出纹理参数粗糙度和平滑度的定义,描述了泡沫图像的纹理粗糙程度。在精选泡沫图像的粗糙度识别应用中,验证了算法的可靠性与正确性。(3)开发铝土矿浮选泡沫图像监控系统,将本文算法应用于提取泡沫图像的颜色及纹理特征,并利用图像特征实现铝土矿浮选品位预测,应用效果证明了算法的有效性。图33幅,表12个,参考文献63篇。