随着当前的计算机技术的不断发展，对于图像处理方面的相关技术的研究与开发也逐渐得到了应有的重视。而目前较为突出的应用技术图像处理技术也成为了当前计算机技术当中的一个非常重要的一环。随着图像处理技术的相关子方面研究不断加深，可以处理的图像形式不断增多，而且处理的能力越来越具有可观性和准确性，而且处理后的图像观察效果非常明显，所以当前图像处理技术在应用方面越来越广泛。相应的目前金属矿物质提取和加工冶炼行业仍然是我国主要发展的重工业方面，加强对于当期金属矿物质中有效的金属元素提取，检测和提出矿物质当中的杂质研究也变得非常重要。为保证在铜金属元素当中对于杂质的含量以及种类的检测和提取，加强铜金属的冶炼和加工工艺，采用上面所提到的图像处理技术进行杂质加测效果非常明显。    

而通过对于计算机图像处理技术的研究，并且与铜金属杂质检测工作需求的结合，得出采用计算机图像处理技术当中的局部轮廓视觉特征提取技术以及红外图像检测技术可以做到对于铜金属当中的杂质有效检测，帮助后期的提取作业提供数据支持。本文将通过这两种技术的分别讨论，研究在当前的技术环境中，应用图像处理技术在处理相关的金属杂质问题上的可靠性和实用性。并通过仿真实验来进行检测方法的可行性研究。

1局部轮廓视觉特征提取在铜金属杂质检测研究

1.1铜金属图像的特征采集以及预处理    

对铜金属当中含有杂质的检测应用图像处理技术当中的局部轮廓视觉特征提取技术，首先要对于铜金属图像进行相应的视觉采集过程，在采集的过程当中，需要对于图像当中所含有的可能相关细节进行增强，然后利用图像分割提取的力、法将模糊图像的轮廓信息进行提取和特征分析。在这个过程当中实现对于所进行的图像处理对象中的模糊细节特征进行发现，并且将这些细节特征做到重新组合以及修复不明确的细节部分。    

通过以上的方法做到对于铜金属当中所含有的杂质做到有效的检测方案。在算法分析上，首先要进行总体设计的流程描述工作，并且要对与图像中运动的图像特征的参数进行有效的采集，接着利用图像处理技术中的仿射不变性的机制将所得到的参数特征进行配对，从数据库当中找到相应的匹配数据，得到所采集到的图像特征是属于那种杂质，以及根据图像中该细节参数的含有量和分布面积总结出该在金属物当中杂质的分布情况以及杂质成分含量。其中在铜金属图像的轮廓视觉特征采集的过程算法函数如下:   

而在铜金属图像的视觉特征当中，处于边缘的轮廓区域都会有像素匹配，并且每一个特征所显现出来的尺度的边缘轮廓区域都存在着像素匹配的活动。其中匹配的结果通过以上的公式来进行计算:  

因此根据以上的公式可以得出，在采用了多尺度均衡的匹配模式当中，使用的方法可以使得图像当中的局部轮廓特征被放大，并且轮廓特征采集点的标记也变得更加明显，所以采用最小二乘法，建立标准的图像尺度数值，其中控制指标的数值集合通过以上的算法公式来表示:

并且根据以上的公式原理和计算结果可以表示在多层网格下的纹理信息存在着区域性的差异特征，并且这个特征能有效的所检测的对象的金属属性以及其和杂质之间存在的不同点，并且运用公式计算得出在这不同的特征图像当中的多尺度Retines递阶控制尺度所产生的相应运动轨迹，通过这些得到所检测的杂质在图像当中的噪点(x,y)的亚像素级坐标。并且为满足一下公式:    

需要进行盒子滤波筛选工作，使得图像当中的杂质所呈现出来的噪点标记以及角点可以明确地显示出来。在上式当中trace (. )所表示的是当前铜金属图像含有的视觉特征角点，即为(x,y)的运动轨迹，其中这个运动轨迹被定义为一下的公式体现:

以上步骤均为在铜金属图像当中进行特征提取的与处理工作，其主要的作用是为了将图像当中的视觉特征亮度、对比度以及结构相似度的各项参数进行转化，使得可以在图像处理过程中可以进行相应的函数计算。

1.2检测算法及改进    

在经过了上述的图像特征提取以及预处理工作之后，需要对图像中所现实的杂质进行检测工作。首先需要对于所收集到的样本铜金属原图像进行局部轮廓视觉特征提取工作。具体工作为小波网值滤波加工，其中进行滤波加工过程如下。首先进行小波函数的确定和计算，应用到一下公式:    

在进行了小波函数的确定之后，进行小波网值的降噪工艺，使得在图像当中的噪点可以进行自动的匹配追踪效果。并且在整个结构相似度没有发生改变的情况下，采用滤波输出的方式，利用一下的公式求得图像的二阶矩阵函数:  

最后应用Harris角点检测的办法求得出在图像当中存在的杂质成本点标记数值，并且根据检测所得到的数据输出杂质区域和非杂质区域的特征性信息。并且根据这两者信息的比较对铜金属图像当中的杂质噪点做到有效的检测。通过比对噪点与数据库当中的杂质噪点标准图像进行数据比对，发现在铜金属当中的杂质为何种成分，并且对杂质噪点的分布情况以及分布数量进行其他数据的统计。

1.3仿真实验    

为保证这种方式在实际使用过程当中的实用性以及分析结果的可靠性研究，特进行仿真研究。首先采集到铜金属样本原图像，在采集的相关的图像特征的过程中分别使用传统方法以及局部轮廓视觉特征提取方法，并且得到如下两个检测结果图(图1)。通过实验结果显示本文的方法对于图像的处理功能性质方面具备更高的分割精准度以及平滑性较好的特定，检测结果更具可观性而且检测的效果要较原有的方法稍有改进。

2红外图像检测技术

红外图像检测技术主要是利用近红外光发出的电磁波，使得在金属图像当中的不同区域颜色有所展示，其中波长选择700到2500纳米之间。其主要的优势体现在不受环境因素影响并且检测种类较多，而且获得检测结果的方式较为简单。其主要的工作原理是在不同的金属物质当中因化学成分组成不同以及物流性质结构有所差异，使得在进行红外照射的过程后所形成的图像效果将不相同。    

在应用了1204纳米的近红外光照射了金属物质以及周围环境并且相映成像的之后，图像显示出，在有金属物质的部分将会呈现出比较亮，而相反另一部分则比较暗。同理，在运用到铜金属杂质检测的过程中采用近红外照射后，因为杂质的组成成分与铜金属的组成成分不同，在成像之后所显示出来的图像亮度也有所不同，借此根据在数据库当中储存的金属近红外照射成像模板进行比对，以此做到对于杂质的检测工作。

3结语    

在近些年图像处理技术大幅度发展，其中所应用到的子技术环节在金属物成分检测当中有着很出色的表现。本文根据两种图像处理技术检测方法进行研究，一种为局部轮廓视觉特征提取技术另一种为红外图像检测技术。其中以局部轮廓视觉特征提取技术作为主要研究的方向，并且对这两种技术分别进行了阐述，并且应用仿真实验得到相关的技术检测结果。结果显示其可以很好的做到对于当前金属物当中的杂质检测工作。