碎矿石的粒度信息能反映破碎机械的工作状况,通过检测这些信息,可以掌握矿石的粒度分布情况,从而帮助调节碎矿机排矿口宽度,实现碎矿粒度分布调节;同时对碎矿系统实施过程优化控制,降低能耗,提高矿产资源的利用率。但是,目前的碎矿图像分割算法效果较差,难以实现粘连矿石图像的有效分割,从而影响碎矿粒度测定的准确度。稀疏表征可有效保证图像的全局特性和语义分割结果,但忽略相邻超像素块之间联系的重要性。因此,针对碎矿图像特性与稀疏表征算法的缺陷,提出了基于改进稀疏表征与二部图的分割算法。该算法首先利用超像素分割算法对图像进行预处理;接着,提取所有超像素的颜色以及纹理特征并将所有与被重构超像素相邻的超像素特征组成字典;然后,用该字典得到的重构误差来描述超像素之间的相似性;最后,依据二部图分割原理构建基于稀疏表征的图像二部图模型,并用T-cut谱聚类算法对图像进行分割。在标准彩色图像库BSDS300上的测试结果表明,改进算法的主要评价指标较改进前有所提升,特别是PRI指标从0.8355增长到0.8361。在改进后的算法框架上研究出当像素与超像素间的权重为0.045、稀疏度为5,LBP特征取64维时,算法在标准彩色图像库BSDS300上的PRI指标最高。为测定碎矿粒度分布,对上述算法得到图像中的每个区域进行处理。首先,根据区域平均灰度,判断目标是否为矿石;接着,对碎矿粒度图像进行二值化处理以及开闭运算操作;最后,提取矿石的轮廓并统计碎矿粒径的分布情况。在实际碎矿机械上的实验结果表明,该算法能实现粘连碎矿图像的分割,并有效测定碎矿的粒度信息。