为了解决浮选气泡图像现场光照不均、相互黏结、无背景等造成的直接形态特征提取困难问题, 提出一种浮选气泡NSCT域(Nonsubsampled Contourlet Transform, NSCT)的多尺度等效形态特征提取及识别方法。通过NSCT变换将浮选气泡图像分解为低频图像和多尺度多方向高频图像; 采用模糊集方法二值化低频子带图像, 得到气泡亮点图像, 提取亮点个数、平均面积、标准差和椭圆率作为等效形态尺寸特征; 结合方向模极大值及差分盒维法计算各高频子带方向的分形维数; 最后, 将多尺度多方向等效形态尺寸特征作为输入, 采用量子门节点神经网络对三类浮选气泡图像进行状态识别和分类。实验结果表明, 该方法提取的等效形态尺寸特征与分类的相关性高, 能对三种类型浮选气泡图像进行有效的状态识别, 平均识别准确率达95.1%。本算法的识别准确率较几种流行算法而言有较大提高, 适用于动态变化的浮选工况。

考虑激光器外腔由在不同方面上的独立运动的反射镜构成，形成多路反馈时所产生的自混合干涉(SMI)现象,运用光干涉的基础理论,结合激光自混合干涉理论对弱光反馈条件下的多路反馈外腔(MFEC)结构的自混合干涉理论进行研究。基于两路反馈外腔结构,构造了一个含有两路反馈外腔结构的自混合干涉模型，并对所提出的结构进行理论分析及数值仿真。得出在弱光反馈条件下，两路反馈外腔结构的自混合干涉信号类似于低频率正弦相位调制的激光自混合干涉信号,为幅度周期性变化的类正弦波或类锯齿波，其干涉信号波形形状由外部反馈的强弱决定，且一个周期内的波形信号疏密程度不同。搭建相关实验系统，对仿真结果进行了验证。