[en] CLASSIFICATION OF HEMATITES IN IRON ORE: OPTIMIZATION OF IMAGE ACQUISITION AND PROCESSING

Autor: LILI EDITH DAZA DURAND
Jazyk: portugalština
Rok vydání: 2016
Předmět:
Druh dokumentu: TEXTO
DOI: 10.17771/PUCRio.acad.26390
Popis: [pt] O minério de ferro é um material policristalino oriundo de processos naturais complexos. Os minerais mais comuns que o compõem (hematita, magnetita, goethita, etc.) podem ser identificados no microscópio ótico de luz refletida, através de suas refletâncias distintas. A importância do estudo das hematitas, especificamente, surge porque os maiores depósitos de minério de ferro, no Brasil, são praticamente todos do tipo hematítico, com altos teores de ferro. A hematita é um mineral fortemente anisotrópico que apresenta pleocroísmo de reflexão. Isto faz com que o brilho na imagem mude com diferentes orientações dos cristais. Assim, quando se utiliza luz polarizada, o contraste entre os cristais aumenta o suficiente para diferenciá-los. Tradicionalmente, as hematitas são classificadas em tipos texturais identificados como hematita microcristalina (Mc), martita (Ma), e partículas policristalinas compactas (Co) formadas, por sua vez, de cristais dos tipos: granular (Gr), lamelar (La), lobular (Lo). Em trabalhos anteriores foi desenvolvida uma rotina de classificação automática para os diferentes tipos de hematitas. Esta rotina utiliza como entrada duas imagens de uma mesma região, a primeira em campo claro (CC) e a segunda polarizada circularmente (CPOL). Neste trabalho foram implementadas modificações nas etapas de aquisição das imagens CPOL e no processamento de ruído, visando melhorar as etapas de classificação. Assim, a imagem CPOL, que apresenta problemas característicos de iluminação, passou a ser capturada utilizando o recurso de sub-quadros (subframe), o que elimina a necessidade de correção de fundo, melhorando a qualidade dos mosaicos de imagens capturados. Em seguida, explorou-se recurso de saturação digital da câmera, de forma a melhorar, substancialmente, o contraste entre os cristais de hematita. Finalmente, testou-se o impacto do uso de um novo filtro de redução de ruído – Non-Local Means (MNL) – sobre a segmentação de cristais. Os resultados mostraram uma melhora substancial na identificação dos tipos texturais de hematita com relação aos métodos anteriores e também superiores à tradicional identificação visual por operador treinado.
[en] Iron ore is a polycrystalline material originated from complex natural processes. Its main composing minerals (hematite, magnetite, goethite, etc.) can be identified with the reflected light optical microscope through their distinctive reflectances. The relevance of studying hematite, specifically, originates from the fact that the largest Brazilian iron deposits are mostly of the hematitic type, with high iron content. Hematite is a strongly anisotropic mineral that presents reflectance pleocroism. Thus, different crystal orientations produce different brightness and, when using polarized light, the contrast between crystals is strong enough to allow their discrimination. Traditionally, hematites are classified in textural types identified as microcrystalline (Mc), martite (Ma) and compact polycristalline (Co), composed of granula (Gr), lamellar (La) and lobular (Lo) crystals. An automatic classification routine for hematite types was developed in previous works. This routine takes as input two images of the same region, one in Bright Field and the second in Circular Polarization (CPOL). In this work, modifications in the CPOL image acquisition and in noise filtering were implemented, in order to improve the classification step. Thus, the CPOL images, which present a characteristic background problem, were acquired employing the subframe method, what eliminates the need for background correction, improving the quality of image mosaics. Then, the digital saturation of the camera was optimized to improve substantially the contrast between hematite types. Finally, the impact of a new noise reduction filter – the Non-Local Means Filter – on crystal segmentation was evaluated. The results showed a substantial improvement in the identification of hematite textural types as compared to the previous method, and also superior to the traditional visual identification by an operator.
Databáze: Networked Digital Library of Theses & Dissertations
Externí odkaz: