煤泥浮选是借助于不同物质主要指煤和矸石的表面润湿性存在差异性来进行的,并通过浮选药剂的作用,在矿浆中使疏水的煤粒附着在气泡上,并上浮于浮选泡沫层,而亲水的矸石颗粒则滞留在煤浆中成为浮选尾煤,以此来实现煤与矸石矿物的分离。虽然煤泥浮选过程是受诸多因素影响的一个复杂的过程,但通过提取浮选图像气泡的各种视觉特征如气泡大小、泡沫纹理特征及动态特征、泡沫层、和尾矿等参数,可分析浮选过程的优劣,并对浮选生产指标如精煤品位做出浮选状态识别。本文的处理对象是经工业CCD相机所摄取的多幅浮选泡沫图像,针对这些图像含噪声大、气泡对比度低的特点,在分析和研究了图像处理与图像特征提取技术的基础上,提出了一套改进的图像处理、特征提取的优化算法,并通过大量仿真证明了此算法的优越性;同时就用于煤泥浮选状态识别的RBF神经网络进行了优化设计,使其具有良好的泛化能力,通过所提取的特征矢量对浮选状态做出了有效的识别。论文主要研究内容、采用的方法和结论如下:(1)详细阐述了空域、频域图像去噪方法、形态学图像去噪方法,并分析与对比了各种图像去噪方法的优劣,设计了一种基于重构的形态学开闭滤波低频滤波器。(2)针对形态学滤波中结构元素的优化,通过对遗传算法优劣性分析的基础上,提出了改进的遗传算法。在改进的算法中放弃了传统的信息熵作为相似度评价的指标,采用基于异或运算的海明距相似度判别准则,使判别更加省时、高效、精确;采用自适应的变异方法,并加入了变异调节因子,将传统的自适应变异方法加以改进;将遗传算法与免疫算法有机的结合,沿用了两者的进化策略,在改进的遗传算法过程中加入了精英保留的思想,保留了优秀的基因个体而防止进化倒退,进一步保证算法的收敛性。通过对比验证了经改进算法而获得的结构元素的适应度得以提高,去噪效果显著改善。(3)在优化结构元素的进化算法中针对图像去噪的无参考的客观评价方法,提出了一种针对无参考图像的基于灰度共生矩阵的改进的信息容量的去噪评价指标,并首次将其作为进化算法的适应度函数。(4)对图像分割方法做了进一步的研究,针对浮选气泡混杂难以分割的特点,提出了一种基于粒子群优算法与一维直方图加权的模糊C均值聚类方法融合的煤泥浮选泡沫图像内部标记符提取的改进算法,对图像分水岭分割的内部标记点进行标识。在基于粒子群算法的图像二值化的阈值的优化中,使用了基于灰度共生矩阵的二维最大熵作为适应度函数来优化图像二值化中的阈值。通过仿真验证了这种改进分割方法的有效性,并将此方法与其它分水岭分割的通用算法进行了对比,进一步证明了应用这种方法进行图像分割的准确性。(5)针对煤泥浮选是一个由多变量耦合制约、非线性的的复杂过程,提取浮选过程中的多元特征量作为精煤品位预测模型的输入。在对浮选的各种纹理特征、大小特征、泡沫层特征等与浮选指标相关性分析的基础上,选定基于灰度共生矩阵的对比度、相关度、能量、熵与基于邻域灰阶共生矩阵的粗度、细度作为纹理特征,基于图像分割结果的气泡尺寸特征,再加入泡沫层的厚度特征作为判定浮选状态的特征向量,并对各个特征量的提取算法做了详尽的阐述。(6)提出改进的免疫算法与模糊C均值聚类的融合算法对用于状态识别的RBF神经网络的各个参数进行了优化。首先采用改进的免疫算法来确定神经网络隐层的中心位置及数量,在算法中加入了免疫算法初始种群选取的改进算法、亲和力阈值的分段选取法,并将抗体删除机制、抗体免疫机制及抗体浓度调节原理加入免疫算法中;其次融合模糊C均值聚类算法对RBF隐层中心进行进一步的优化。通过样本的验证证明由上述方法优化的RBF神经网络对于浮选状态的识别准确性明显提高,并具有较好的泛化能力。