桂衛華、陽春華、謝永芳、唐朝暉編著的《礦物浮選泡沫圖像處理與過程監測技術》共分8章：第1章主要介紹了浮選工業及浮選生產過程監測技術的發展；第2章分析了浮選生產過程工藝機理，闡述了氣泡礦化的熱力學和動力學分析，討論了影響泡沫特征的主要影響因素，確定了表征工況的主要泡沫特征；第3章至第5章分別討論了浮選泡沫圖像形態特征、顏色特征、紋理特征以及運動特征提取方法；第6章闡述了泡沫圖像特征與浮選工況、工藝指標之間的相互關繫；第7章主要研究工況識別方法，詳細說明了基於概率密度估計和加權模糊支持向量機的浮選過程工況識別技術；第8章主要介紹了基於機器視覺的礦物。浮選過程監測繫統的實現技術，以及研發的礦物浮選過程監測繫統在鋁土礦浮選、鋅濕法冶煉硫浮選、銅優浮選以及金銻浮選等典型浮選生產過程中的應用。

《礦物浮選泡沫圖像處理與過程監測技術》總結 了作者桂衛華、陽春華、謝永芳、唐朝暉及其團隊近 10年來在礦物浮選泡沫圖像處理技術及基 於機器視覺的過程監測技術領域的研究工作，內容涉 及浮選生產過程機理分 析、泡沫圖像處理方法、工藝指標預測技術、工況識 別方法以及繫統實現等 方面。書中論述了浮選泡沫圖像形態特征、顏色特征 、紋理特征以及運動特 征的提取方法；討論了泡沫圖像特征與浮選工況、工 藝指標之間的相互關 繫；給出了基於概率密度估計和加權模糊支持向量機 的浮選過程工況識別技 術；闡述了基於機器視覺的礦物浮選監測繫統及其在 鋁土礦浮選、鋅濕法冶 煉硫浮選、銅優浮選及金銻浮選等典型浮選生產過程 中的應用。這些繫統在 實際工業生產過程中取得了明顯的應用成效，實現了 浮選生產過程泡沫圖像 特征的提取、關鍵工藝參數的監測和浮選工況的實時 監視，為穩定浮選生產 工況、提高精礦品位和回收率發揮了重要作用。相關 方法可為其他復雜生產 過程的在線監測提供借鋻和參考。 《礦物浮選泡沫圖像處理與過程監測技術》可作 為高等院校控制科學與工程、儀器科學與技術等學科 研究生和 教師日常用書，也可為從事礦物浮選和過程控制領域 研究的科研人員和工程 技術人員提供參考。

第1章 緒論
1.1 浮選工業的發展
1.2 礦物浮選泡沫圖像處理技術的發展
1.3 浮選生產過程監測技術的發展
第2章 浮選生產過程工藝機理分析
2.1 浮選生產過程原理及工藝
2.2 氣泡礦化熱力學分析
2.3 礦粒與泡沫作用過程動力學分析
2.4 浮選泡沫特征的主要影響因素
2.5 表征浮選工況的泡沫表面視覺特征
2.6 小結
第3章 浮選泡沫形態特征提取
3.1 泡沫圖像形態特征提取方法概述
3.2 泡沫圖像的篩選與光照補償
3.3 泡沫圖像分割結構元素選取
3.4 基於分層分水嶺的泡沫圖像自適應分割算法
3.5 基於谷底型邊緣的泡沫圖像分割方法
3.6 圖像標記及像素定標
3.7 泡沫尺寸統計特征提取
3.8 基於形態學簽名變換的泡沫形狀特征提取
3.9 小結
第4章 浮選泡沫顏色和紋理特征提取
4.1 泡沫顏色和紋理特征提取概述
4.2 基於全變差修復的泡沫頂部亮點移除
4.3 多顏色空間的泡沫顏色特征提取
4.4 紋理特征提取
4.5 小結
第5章 浮選泡沫動態特征提取
5.1 動態特征提取方法概述
5.2 浮選泡沫速度特征提取
5.3 浮選泡沫穩定度特征提取方法
5.4 小結
第6章 基於泡沫視覺特征的浮選關鍵工藝參數檢測
6.1 浮選泡沫視覺特征與關鍵工藝參數分析
6.2 基於混合神經網絡的pH軟測量模型
6.3 基於B樣條變換偏*小二乘的精礦品位預測模型
6.4 基於稀疏多核*小二乘支持向量機的回收率預測模型
6.5 小結
第7章 基於泡沫視覺特征的浮選工況識別
7.1 基於尺寸概率密度估計的浮選工況識別
7.2 基於加權模糊支持向量機的浮選工況識別
7.3 小結
第8章 基於機器視覺的礦物浮選過程監測繫統
8.1 繫統需求分析
8.2 圖像采集硬件平臺設計
8.3 軟件設計與實現
8.4 鋁土礦浮選過程監測繫統
8.5 鋅濕法冶煉硫浮選過程監測繫統
8.6 銅優浮選過程監測繫統
8.7 金銻浮選過程監測繫統
8.8 小結
參考文獻