泡沫图像的分割在浮选泡沫视觉监控系统中至关重要,关系到与浮选工况密切相关的特征值能否被正确提取。引入无监督评价方法是为了形成自适应的泡沫图像分割算法,提高整个系统的自动化水平。本文在归纳和总结现有分割评价方法的基础上,重点研究了铜浮选过程中精矿泡沫分割图像的无监督评价指标及评价方法。首先,针对浮选泡沫图像噪声大、无背景、泡沫顶端有高亮点的特殊性,研究了其分割方法,并将由基于形态学变换的分水岭分割算法分割得到的铜浮选过程精矿泡沫分割图像作为无监督评价方法的评价对象。接着,在广泛阅读有关参考文献的基础上对现有的图像分割评价方法进行了归纳总结,重点介绍了有监督分割评价方法和无监督分割评价方法。前者的分辨率高,比较符合人的判断标准,但是需要参考图像,不适用实时评价；后者不需要参考图像,可以用于浮选生产现场的泡沫分割图像实时批量评价。最后,用仿真实验验证了现有的无监督评价指标在评价泡沫分割图像时的不足,并针对泡沫图像的特点提出了一种适合于泡沫分割图像的无监督评价指标,形成一种新的无监督评价方法。该方法采用分割区域里的亮值区域的形状参量作为评价指标,可以比较准确地对铜浮选精矿泡沫图像的分割结果进行量化评估。