（计算机应用技术专业论文）烧结图像分割与状态识别方法的研究与实现.pdf

东北大学硕士学位论文摘要 烧结图像分割与状态识别方法的研究与实现 摘要 烧结图像中火焰区、充分燃烧区、物料区与黑把子区的分割是工业图像处理的难点 之一，自动提取这些区域的灰度与形状特征，有利于客观地诊断的烧结状态，为看火工 提供烧结状态的定量指标，提高工作效率。 本文通过对火焰区、充分燃烧区、物料区与黑把子区4 个区域的特征进行研究和分 析，结合看火工提供的知识，提出了复杂图像多区域分割的新方法，即在双快速行进法 中引入了敏感区域的概念，改进了终止条件，利用改进后的双快速行进法与图像融合方 法进行物料区和黑把子区的分割；其次，提出了用能量衰减方程除去烧结物料对火焰区 的耦合作用，利用大津方法对火焰区和充分燃烧区进行粗分割，并通过粗分割的火焰区 和充分燃烧区与黑把子区的差分来进行火焰区和充分燃烧区的精分割。在烧结状态识别 算法中，提出了球体滚动算法与改进的神经网络分类器，即基于球体滚动算法对灰度图 像进行平滑化处理，并选择了3 个关心区域( r o d ，并在每个r o i 上提取2 个特征，结 合物料区、黑把子区和火焰区的平均灰度特征，作为神经网络分类器的输入，并利用遗 传算法进行权值的计算，网络输出是烧结状态。本文对1 0 0 幅噪声严重、境界模糊的烧 结图像进行了分割与识别，实验结果表明，本文方法分割速度快，分割精度达到9 0 ， 烧结状态识别精度达到8 9 ，分类器具有较好的鲁棒性。 关键词：双快速行进法；图像分割：神经网络；遗传算法；烧结状态 一一 东北大学硬士学位论文 a b s t r a c t r e s e a r c ha n di m p l e m e n to ns e g m e n t a t i o na n ds t a t er e c o g n i t i o n o f a g g l o m e r a t i o ni m a g e a b s t r a c t i t sh a r dt os e g m e n tf i r es e c t i o n , s u f f i c i e n tb u r n i n gs e c t i o n , m a t e r i a ls e c t i o na n db l a e k b a r s e c t i o no ft h ea g g l o m e r a t i o ni m a g e si ni n d u s t r i a li m a g ep r o c e s s i n g b yp i c k i n gl | pg r a y f e a t u r ea n ds h a p ef e a t u r eo ft h e s es e c t i o n sa u t o m a t i c a l l y , i t sg o o dt oe s t i m a t et h es t a t eo f a g g l o m e r a t i o ni m a g e si m p e r s o n a l l ya n di t sg o o df o rw o r k e r st oe r l h a n c cw o r k i n ge f f i c i e n c y t h r o u g ht h es t u d ya n da n a l y s eo fm a t e r i a ls e c t i o n , b l a c k b a rs e c t i o n , f i r es o o t i o na n d s u f f i c i e n tb u r n i n gs e c t i o no fa g g l o m e r a t i o ni m a g e sa l o n gw i t ht h ek n o w l e d g eo fw o r k e r s , a n t 目, vm e t h o di sp r o p o s e dt os e g m e n tc o m p l e xi m a g ew i t hm u l t i - s e c t i o n s f i r s t l y , s e n s i t i v ea r e a i si n m x l u c e df o rt h ed u a lf a s tm a r c h i n gm e t h o d ，f m a lc o n d i t i o ni si m p r o v e d ，a n dm a t e r i a l s e c t i o na n db l a c k b a rs e c t i o n 黜s e g m e n t e db yt h ei m p r o v e dd u a lf a s tm a r c h i n gm e t h o da l o n g w i t ht h ei m a g ec o m b i n a t i o nm e t h o d s s e c o n d l y , e n c i g yd e s c e n d e n te q u a t i o nr e d u c et h e i n f l u e n c eb yt h em a t e r i a ls e c t i o n , f i r es e c t i o ni sr o u g h l ys e g m e n t e db yo s t um e t h o d , t h e n a c c u r a t e l ys e g m e n t e db yc o m b i n i n gw i t hb l a c k b a rs e c t i o n i nt h er e c o g n i t i o nm e t h o do f a g g l o m e r a t i o ns t a t e s r o l l i n gb a l la l g o r i t h ma n di m p r o v e dn e u r a ln e t w o r kc l a s s i f i e r 锄 i n t r o d u c e d s m o o t ht h eg r a yi m a g eb a s i n go i lr o l l i n gb a l la l g o r i t h m , a n ds e l e c tt h r e er o i s w i t ht w oc b 卸m c l 吣p e rr o i t h e nc o m b i n et h ea v e r a g eg r a yc h a r a c t e r so fm a t e r i a ls e c t i o n , b l a c k b a rs e c t i o na n df i r es e c t i o n , m a k ot h e s ed i l ；n a c t e 俗a st h ei n p u to fn e u r a ln e t w o r k c o m p u t et h ew e i g h t sw i l hg e n e t i ca l g o r i t h m , m a k et h ea g g l o m e r a t i o ns t a t ea st h eo u t p u to f n e u r a ln e t w o r k t h em e t h o d si nt h i sp a p e ra u s e di n1 0 0a g g l o m e r a t i o ni m a g e sw h i c ha r e w e a kb o u n d a r ya n ds t r o n gn o i s e t h er e s u l ti n d i c a t e st h a tt h es e g m e n t a t i o nm e t h o di sf a s t , t h e p r e c i s i o ni s9 0 t h ep r e c i s i o no f r e c o g n i t i o ni s8 9 ，a n dt h e c l a s s i f i e ri sg o o d k e y w o r d s ：d u a lf a s tm a r c h i n gm e t h o d ；i m a g cs e g m e n t a t i o n ；n e q l l a ln e t w o r k ；g e n e t i c a l g o r i t h m ；a g g l o m e r a t i o ns t a t e 一一 独创性声明 本人声明所呈交的学位论文是在导师的指导下完成的。论文中取得的 研究成果除加以标注和致谢的地方外，不包含其他人已经发表或撰写过的 研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示诚挚 的谢意。 学位论文作者签名：常瓣 签字日期：) d d ) ，) 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论 文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和 磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部 或部分内容编入有关数据库进行检索、交流。 ( 如作者和导师同意网上交流，请在下方签名：否则视为不同意) 学位论文作者签名：省龋乱导师签名：隽在押 签字日期：为哆， r签字日期： 驴痧谚 东北大学硬士学位论文 第一章绪论 第一章绪论 1 1 研究的内容和意义 随着计算机技术的不断发展，计算机技术在工业控制中的应用也越来越多，其中一 个重要方面是烧结图像的分割与烧结状态的识别。烧结状态的识别是回转窑控制的重要 部分，熟料质量的好坏主要依据工人观察回转窑内的形态，对烧结状态进行识别和分类。 目前最普遍和主要的方法是人工看火，通过有经验的工人利用窑头的小窗观察窑内 的燃烧状况、火焰颜色、熟料状态等情况并辅以众多仪器仪表显示的数据来估计窑内烧 结程度，控制烧结状态。这种方法首先对工人的经验和熟练程度要求很高，不易掌握； 而且工人判断的依据是经验，没有系统的科学依据，不同工人的结论也不完全一致，所 以判断结果难免会与实际情况存在偏差；再有就是由于回转窑的高温和烟雾等恶劣工作 条件，长期的进行人工看火不但劳动强度大而且容易引发安全事故。随着计算机模式识 别技术和人工智能研究的不断发展，人们把目光投向了对烧结状态的自动识别上，希望 计算机能做到与现场操作人员一样快速准确地识别各类烧结状态并做出相应的诊断，实 现计算机自动看火，取代传统的人工看火，这样将大大的提高检查效率，减少人为误差。 本文的研究重点是回转窑烧结图像的分割和物料烧结状态的识别检测。 ( 1 ) 多区域的烧结图像分割 从c c d 摄像机采集得到回转窑烧结图像，由于烧结图像噪声严重，给分割带来很 大的难题，因此需要一个有别于传统的去噪方法，本文提出了噪声区域的搜索与去噪2 阶段的去噪方法。同时烧结图像是多区域图像，包括物料区，黑把子区，火焰区和充分 燃烧区，这些区域的边界模糊、性质不同，需要一个快速有效的多区域分割方法，本文 提出了多区域分割的新方法，基于双快速行进法的物料区和黑把子区的分割和基于改进 的大津方法的火焰区和充分燃烧区的分割。 ( 2 ) 特征的选取 根据分割结果得到的物料区、黑把子区和火焰区的平均灰度特征。根据不同烧结状 态图像的特征选择了3 个关心区域皿o d ，并在每个r o i 上提取2 个特征。 ( 3 ) 烧结状态的识别 将得到的特征作为神经网络分类器的输入，基于传统分类器在速度上的弱点，本文 一1 一 东北大学硕士学位论文第一章绪论 利用遗传算法进行权值的计算，分类结果是烧结状态。 1 2 烧结图像分割和状态识别的研究现状 随着计算机图像处理技术的不断发展和完善，图像处理方法已经被广泛到许多领 域。如遥感图像处理和空间检测，医学图像处理，图像跟踪和光学制导，机器人视觉及 图像检测，军事及交通管理系统和工业自动化控制等领域。 1 2 1 国内研究现状 中南大学的易正明【1 1 采用增强模糊c m e a n s ( f c m ) 聚类算法分割图像，将图像数 据分割成黑把子区，火圈区，物料区，窑壁区四个区域，结合4 个区域的面积和相应点 的强度进行烧结状态的识别。该分割方法避免了f c m 算法本身无法对某些像素分类的 缺陷，还满足了工业现场实时性的要求。 湖南大学的李树涛2 1 利用多个神经网络分类器组合进行回转窑火焰图像分割的方 法。采用具有不同的训练样本和初始条件的多个b p 神经网络分别进行火焰图像的分割， 再用均值法、投票表决法、最大概率法和神经网络法进行分类结果的组合，可以得到具 有更高准确性和可靠性的分割结果。 上海交大、华中理工大学、清华大学、浙江大学和东南大学等单位分别对此进行了 研究。采用光纤c c d ( 电荷藕合器件) 摄像头及计算机组成的火焰检测系统，系统如图 1 1 所示。 图1 1 火焰检测系统的结构 f i g1 1s 劬c t u r eo f t i m ed e t e c t i n gs y s t e m 将火焰探头插入炉内，对准煤粉火焰，由传像光纤将火焰图像送入炉外的c c d 摄 像机，c c d 摄像机将光信号转变为电视信号经同轴电缆传输至数字图像采集卡，数字 图像采集卡将电视信号转变成数字信号并输入计算机，计算机对火焰数字图像进行处理 运算，判断分析火焰的燃烧工况。 清华大学的吴占松【3 】不仅对图像处理的方法的选择做出了很多的工作，还推导了火 焰图像亮度信号和火焰温度之问的关系。并通过对黑体炉内的标定，建立了多变量线性 一2 一 东北大学硕士学位论文第一章绪论 回归模型，得到了n 0 x 生成量与高温区面积、温度，边界距喷嘴的距离及温度分布的方 差之间的关系，为国内火焰图像研究开创了先河。 华中理工大学的周怀春 4 1 等借助于辐射定理，采用参考点法从火焰辐射能量分布中 计算出二维温度场，并根据温度场的信息诊断燃烧工况。 南京自动化所的许柯夫【5 】推导了火焰辐射测温公式，并提出了提取各火焰图像特征 量：如高温点位置及温度着火点与喷嘴之间的距离、火焰投影面积等参数完成燃烧诊断 方法的研究。 上海交通大学的徐伟勇1 6 1 利用图像获得火焰信息进行火焰燃烧诊断得了较好的成 果，但仍处在探索阶段，现场应用还在改进。 东南大学的邹煜 7 1 进行了锅炉全炉膛火焰数字图像处理与监测系统开发与研究，开 发了能以模拟方式描述炉内火焰燃烧状况的新一代火焰检测系统。 东南大学的杨宏隅l 把神经网络技术应用于火焰燃烧的自动识别中，以提高火焰识别 的准确性，但该技术目前仍处在探索阶段。 另外，还出现了以下一些火检系统： ( 1 ) 数字式火检器，该火检器将背景参数变为自学习并提供手段帮助对准火检视角， 因此能更精确地确定火焰的状态。但是它并没能从根本上摆脱传统火检器的定值比较判 断工作方式，无法适应实际运行中多变的工况。视角对准功能方便了现场调试，但只有 在静态调整时才有用，仍不能克服运行中无法跟踪因各种动态因素导致的火焰漂移问 题。 ( 2 ) 基于p l c 信号处理的火检系统，该火检系统仍基于可见光火检原理，测量目标 火焰的幅度和闪烁频率来判断火焰的有无，可分成两部分：装在锅炉上的探头部件和 p l c 信号处理部件。探头部件是把燃烧区域发出的可见光经过光导纤维传递给放大器， 并把可见光转换成电流信号，再通过a d 模数转换器转换成数字信号供p l c 信号处理。 p l c 的信号处理都是通过软件程序来实现。p l c 的信号处理器具有速度快、命令丰富、 编程容易等特点。该系统具有掉电保护、故障自诊断、故障报警等功能。 ( 3 ) 炉膛火焰监视单片机系统，由视频信号处理部分和微机处理部分两大部分组成， 其中视频信号处理部分将视频信号经过一系列处理转换为反映炉膛火焰亮度的电平信 号，这一部分是整套系统的核心部分，直接影响报警的准确性；微机处理部分将a d 转 换值经运算处理，得到炉膛火焰相对亮度并适时发出警报信号 “) 基于d s p 和数字视频技术的图像火焰检测系统，系统用d s p 处理器代替标准 一3 一 东北大学硕士学位论文 第一章绪论 p c 的c p u ，设计专用的图像处理电路板，实现对图像的实时采集、处理和判断。 1 2 2 国外研究现状 日本三菱公司经过多年的试验，研制开发出新一代的火焰检测装置光学影像火焰扫 描仪( o p t i c a li m a g ef l a m es c a n n e r 简称o v l l s ) 。该火焰监测器的检测原理和传统的火焰 监测器不同，它采用了摄像机和传像光纤直接拍摄火焰图像，并利用信息处理来判断火 焰的稳定性。o p t i s 在日本广岛电厂进行工业实验及在香港拉码电厂首次运行以来，以 其先进的技术和优越的性能向人们展示了良好的应用前景。 日本石川岛播磨重工开发的燃烧状态诊断系统根据对着火区域光谱辐射温度的检 测来判断着火距离的变化。它根据所得到“诊断温度”的不同归纳判断出着火点位置的 指标。该系统还分别建立了燃烧稳定性指标和n 0 x 指标，其稳定性指标与火焰波动能力 与平均能力的相对大小有关，n 0 x 指标则用“诊断温度”及其标准偏差来定义。 美国a b b c e 公司开发了s s l ( s a f es c a n l ) 的燃烧诊断装置用于大型电站锅炉的燃烧 火焰诊断。该装置对传统的u v 摄像头在锅炉低负荷下的不敏感性进行了改进，提出用 可见光区域的光导纤维及光电转化装置对火焰信号的频率和强度进行探测分析，从而得 出火焰的状态。为避免高温对光纤的损坏，将光纤布置在二次风口。 芬兰w o 公司的燃烧检测与数字分析系统d i m a c ( d i g i t a lm o n i t o r i n ga n da n a l y s i s o fc o m b u s t i o n ) 。该系统通过改进锅炉效率和可靠性来改善安全性和减少n 0 x 排放， d i m a c 系统自动存储单喷嘴或整个锅炉卸负荷时最后两分钟的测量和计算结果，这样 可以帮助运行人员发现事故的原因，同时运行人员也可以随时存入当前的工况和数值到 数据库中。这些信息有助于比较不同煤种间的燃烧质量。 综上所述，国内外学者在模式识别方面做了大量研究，但对受烟气与灰尘严重干扰 的烧结图像分割方面的研究甚少，因此，本文开展了复杂工业图像的高精度分割方法的 研究，并开发了基于分割结果进行烧结状态识别的新方法。 1 3 烧结图像的特点 物料烧结的典型图像如图1 2 所示，主要分为以下4 个区域： ( 1 ) 黑把子区：由未燃煤粉形成的黑色区域。 ( 2 ) 火焰区：由煤粉燃烧照亮的区域。 ( 3 ) 充分燃烧区：包含在火焰区内部的由煤粉充分燃烧形成的高亮区域。 一4 一 东北大学硕士学位论文第一章绪论 o ，则f 值比较大，这样就造成到达时间丁值 比较小，这样边缘就会向模糊的边缘继续进行运动，造成了快速行进法过程中出现了边 缘泄漏的情况。所以对于模糊图像来说，乙。的选取也成为关键，过大会导致过分割， 过小会导致分割不足。 ( 3 ) 基于能量方程的终止条件 设f 为演化的曲线，利用式( 4 1 0 ) 计算初始水平集的能量，用快速行进法演化此初始 水平集，曲线演化归结为虚拟能量【2 5 e o - 1 的极小化问题，当此水平集能量达到最小时 迭代停止。 以力戛芝写竺暑翟l u t e j ，e 脚+ 五l 一，一g 脚。， = 肚( r ) + 沾( r ) + 屯 j ，e p 毋+ 五上喇，j ，一g 脚 ”7 其中，舐f ) = 肛( 刁+ 谘( f ) ，e ( r ) = 无l ，i j e 劬，e ( r ) = 五f 一。，) i j g 1 6 c 砂， e ( f ) 是零水平集的能量，f 是演化的闭合曲线( 水平集) ，工( f ) 是f 的长度，s ( f ) 是f 包 围的内部面积，表示像素点的灰度值，e 为f 所包含区域内的灰度均值，g 为f 所包 含区域外部的灰度均值。i n s i d e ( r ) 表示f 包围的内部区域的像素点的集合，o u t s i d e ( r ) 表 示f 外部区域的像素点的集合，o ，- ，0 ，屯o o 是各个能量的权重系数。 式( 4 1 0 ) 中第一，二项分别为曲线长度和面积的正则项，针对某些像素亮度分布的 特殊情况，对虚拟能量进行加权处理，起到消除边界噪声作用第三，四项是加权的虚 拟能量。在解的收敛过程中，正则项与虚拟能量相比是小量，因此边界的位置由虚拟能 量确定，而，y 只起到调节边界平滑程度的作用。屯，五分别为f 内部和外部虚拟能量的 加权因子。对于大部分区域像素亮度呈现渐变的特殊图像，屯，五的值影响边界的位置， 可以根据物理模型调整无，五值以满足提取边界的需求。对图像的测试显示丸，五对边界 的影响很小，原因是收敛后两个虚拟能量的值都趋进于零。 东北大学硕士学位论文 第四章烧结图像的分割 能量方程示意图如图4 2 ，根据式( 4 1 0 ) 可知，极小化的条件是曲线f 正好位于目标 边界上。 ( a )c o ) ( c )( d ) 图4 2 能量方程示意图 f i g4 2s c a t c hm a po f e n e r g ye q u a t i o n 其中，图( a ) 可得五( c ) o ，五( c ) = o ，e ( c ) + 最( c ) 0 ；图( b ) 可得 e ( c ) 0 ，最( c ) o ，e ( c ) + 最( c ) o ；图( c ) 可得e ( c ) = 0 ，e ( c ) 0 ，e ( c ) + e ( c ) 0 ； 图( d ) 可得e ( o = 0 ，e ( c ) = o ，正( c ) + 最( c ) = 0 。根据式( 4 1 0 ) 可知，极小化的条件是 曲线f 正好位于目标边界上。 研究表明，该方法对于边界清晰和边界模糊的图像一般都有很到的分割效果，而且 不用为目标区域的形状，面积等等的信息所干扰。但缺点是待分割目标对象会受到邻近 对象的干扰，即目标能量的计算受到干扰，导致分割效果不准确。 4 3 4 2 基于敏感区域的终止条件的改进 基于能量方程的通用性，本文采用了基于能量方程的终止条件。针对目标对象能量 被严重干扰的情况，提出了敏感区域的概念，限制了计算能量的区域，提高分割精度。 ( 1 ) 敏感区域的提出 在烧结图像中，有火焰区、物料区、黑把子区等多个目标区域需要分割，如果对整 幅图像计算能量，则区域问能量的耦合会对水平集能量的计算产生干扰。从而得出以下 结论： 传统的能量方程只适用于边界清晰并且目标和背景充分分离的图像。以烧结图 像中黑把子的分割来说，背景颜色不统一，如左上角区域像素为黑色，其他区域是白色 的。造成了分割的效果不理想。 计算量过大，影响执行速度。 为了解决区域间能量的耦合现象，本文改进了传统的对整幅图像计算能量的方法， 即只在敏感区域计算能量，这样曲线就能在局部区域迭代到理想边界，这样整个曲线也 达到了理想的边界。这样做同时又降低了计算成本。 一2 9 东北大学硕士学位论文 第四章烧结图像的分割 ( 2 ) 敏感区域的选择 敏感区域是指目标和背景境界清晰的区域。敏感区域的选择是非常重要的环节，因 图像的不同而变化。而不变的是要根据其定义来选择 黑把子区的敏感区域选择 由于对于所有回转窑烧结图像来说，黑把子区大体上都是固定的，只有在黑把子头 部有些小小的浮动。所以根据黑把子的形态特征可以选择一个矩形区域，并将该矩形区 域沿黑把子的轴向从左上角向右下角滑动。在滑动过程中，内部灰度方差最大时的矩形 区域即为黑把子区的敏感区域。 物料区的敏感区域选择 由于对于所有回转窑烧结图像来说，物料区的位置也比较固定，而且对于物料区来 说，物料区底部受其他区域的能量影响是最小的。因此选择物料区底部的矩形区域为物 料区的敏感区域。 ( 3 ) 双快速行进法的终止条件选择 在双快速行进法的迭代过程中，根据式( 4 1 0 ) 分别计算已经确定好的敏感区域中的 内、外零水平集的能量嘲，然后演化内、外水平集，当内、外零水平集的能量均达到最 小时迭代停止。 4 - 3 5 物料区与黑把子区的分割 物料区的分割算法如下： ， ( 1 ) 选择物料区的敏感区域； ( 2 ) 在物料区内、外设置两条初始轮廓曲线分别作为内、外初始零水平集，基于双 快速行进法进行迭代； ( 3 ) 在物料区的敏感区域计算内、外零水平集的能量； ( 4 ) 当内、外零水平集的能量均达到最小时，迭代结束； ( 5 ) 将内、外两条零水平集迭代结束时的结果，基于逻辑与方式进行融合。 黑把子区的分割算法与物料区的分割算法类似。 4 4 基于改进的大津方法的火焰区和充分燃烧区的分割 4 4 1 能量衰减方程 火焰区是指煤粉燃烧照亮的区域，充分燃烧区是指煤粉充分燃烧照亮的区域，即火 一3 0 东北大学硕士学位论文第四章烧结图像的分割 焰区中最明亮的部分。正是由于火焰区仅仅是照亮的区域并非实质的物体，导致火焰区 的界限模糊。同时火焰区的面积很大。如果利用快速行进法进行分割，则计算成本很大。 而且还要做大量的预处理工作，比如要将黑把子区的像素点填充为火焰区的像素值，这 样是为了让能量方程奏效。而阈值分割法 2 6 - 2 9 1 是一种简单、快速的分割方法，但是，物 料区和黑把子区对分割产生很大的影响，比如物料区内像素灰度值与火焰区内像素灰度 值差不多，分割的同时会把物料区一起分割出来，而黑把子区直接插入火焰区的中心， 黑把子区的头部像素受到火焰的影响其灰度值与火焰区内像素灰度值也十分相似，分割 的同时会把黑把子头部像素分割出来。因此直接采用该方法进行火焰区的分割，效果很 差如图( 4 3 ) 。大津方法【址捌是一种自动的、非参数、非监督的阈值分割法，具有计算 简单、选取阈值准确的特点。但是，实验表明，当图像中待分割对象问存在相互作用时， 该方法的分割效果如图4 3 所示。 幽4 3 基于大律方法的火焰区 f i g4 3f i r es e c t i o nb a s e do i lo s t um e m o d 火焰区是煤粉在回转窑内燃烧而产生的。如果没有物料烧结，那么火焰区的形状应 该近似一个圆形。但是，物料烧结时散发的热量使火焰区的能量增加，即火焰区内部显 示在图像上的像素灰度值增加，导致分割结果不理想。 为了去除物料区的影响，本文提出了能量衰减方程，如式( 4 1 1 ) 所示。即将物料区 内部的像素作为能量源，将能量源通过能量衰减方程计算能量衰减值，再将预处理图像 减掉能量衰减值获得原始火焰的能量。 e = ( ) ，( 1 + p l o o ) 2 ( f 一毛) 2 + ( ，一矗) 2 ) ( 4 1 1 ) 其中，编，矗) 为能量源集合中像素的坐标，( f ，) 为待处理像素的坐标，j 为像素 瓴，矗) 的灰度，占为能量源“， ) 在像素( f ，d 上的能量衰减灰度值，口，6 均为常量。 能量衰减处理算法： - - 3 l 一 东北大学硕士学位论文第四章烧结图像的分割 选择能量源集合a ，p 2 ，见，依据理论应该选择物料区内部所有像素作为能量 源，那么就要对物料区内所有的点作能量衰减，计算量过大会影响执行速度。而且考虑 到物料区底部的像素点对于火焰区的能量衰减值已经很微小，可以忽略不计。本文基于 以上两点将物料区边缘靠近火焰区的部分的点作为能量源集合； 计算图像上某点( f ，_ ，) 的能量衰减值，并重新计算该点的像素值； 依据公式( 4 1 2 ) 分别计算能量源集合在该点的能量衰减值记为巨，易，e 。依据 公式( 4 1 3 ) 取其的平均值点。的作为该点的能量衰减值。依据公式3 1 1 得到该点最终 的像素值。 互，= ( 五+ 最+ + 易) 刀 ( 4 1 2 ) 毛= i 一e 。 心1 3 ) 其中，置，最，巨为厅个能量源的能量衰减值，为每个像素对应的能量衰减的 平均值，厶为像素( j ，j ) 的灰度，为除去物料对火焰作用后像素( f ，) 的灰度。 选择其它像素点进行步骤，直到整个图像的像素点都计算完为止。 4 4 2 传统的大津方法 大津方法( 最大类间方差法) 是o t s u 在1 9 7 9 年提出的，一直被认为是阙值自动选取 方法的最优方法。该算法计算简单，具有较强的自适应性，在一定条件下不受图像对比 度与亮度变化的影响，因而在一些图像处理系统中得到了很广泛的应用。 大津方法是在最小二乘法原理的基础上推导得出，并且基于一种判别式测度准则， 最佳阈值在该测度函数取最大时得到。设原始灰度图像的长宽分别为肘和，其灰度 级为所，灰度为f 的像素点数为，图像的全部像素为m x n ，具体的计算过程如下： 计算输入图像灰度级的归一化直方图，用易= 珥m 表示，且有 m - i 只= l ，a o ，- o 计算灰度均值 m - i = 锄 ( 4 1 4 ) 卸 用阈值f 将灰度级划分为两类( c o ，c 1 ) ，c o 包含灰度级【o ，r 】的像素，c l 包含灰度 一3 2 东北大学硬士学位论文第四章烧结图像的分割 级p + l ，脚一1 】韵像素。c o c , 的发生概率和q 由式4 1 5 ) 得： ，m - i- 嘞( ，) = p ( 咖q ( f ) = p ( o = l - y p ( t ) ( 4 1 5 ) t - oi 叫+ l i - o 计算类c 0 和c j 的灰度均值岛( ，) 和“( r ) ，方差霹( ，) 和砰( ，) 可分别由式( 4 1 6 ) 和( 4 1 7 ) 计算得出： ，m - - i 儿( f ) = i p ( i ) o , o ( , ) 一( f ) = i p ( i ) a h ( t ) ( 4 1 6 ) ，- oi - 4 + i 霹( f ) ：窆( f 一心( f ) ) 2 p l 嘞( ，)群( ，) ：窆( j h ( f ) ) 2 a q ( f ) ( 4 1 7 ) 计算类间方差 司( r ) = ( ，) ( 胁( f ) 一声) 2 + q ( f ) ( h ( f ) 一声) 2 ( 4 1 8 ) 对于类问方差霹( f ) 来说，硒( ，) 和“( ，) 可以分别代表背景和目标的中心灰度，要 使目标和背景得到最好的分割，当然希望两者的差值尽量大，从而类间方差瑶( ，) 的值 越大， 因此，以类问方差露( f ) 作为衡量不同阈值导出的类别分离性能的测量准则，极 大化露( r ) 的过程就是自动确定阙值的过程 求霹( f ) ，( ，= o 1 ，m - 1 ) 的最大值，并将对应的，值作为阈值，即 t = m g m a x 霹( f ) ( 4 1 9 ) 这种方法计算效率高，应用广泛，不管图像是否存在明显的直方图特征都可以选取 出满意的阈值，尤其对直方图呈双峰状的图像具有很好的分割效果。但是对于噪声严重， 边缘模糊，多目标区域的烧结图像效果不是很好。 4 4 3 改进的大津方法 大津阈值方法不仅适用于单阈值的选择，而且也可应用于多阈值的确定。该方法计 算效率高，也是阈值自动选取的最优方法。正是基于以上的种种优点，本论文采取了该 方法作为火焰区和充分燃烧区的核心算法。但是对于特定的图像还需要对该方法做一些 调整和改进才能达到很好的分割效果。通过实验研究证明当图像中存在多个待分割对象 时分割效果不好。 4 4 3 1 火焰区分箭存在的问题 一3 3 东北大学硕士学位论文 第四章烧结图像的分割 烧结图像四周存在黑色区域，而这些区域并非分割的主要部分，但是面积却很大。 因为要分割的主体部分是回转窑的截面，正好是一个圆形区域，而其余的部分也就是大 块的黑色区域是不应该在大津方法中计算的。同时回转窑内部的火焰区灰度与背景灰度 差异不是很明显，直接使用大津方法会把真实火焰区周围的黑色区域分割出来，导致过 分割，由于因此其应用受到限制。 4 4 3 2 火焰区分割时大津方法的改进 要想得到满意的分割效果，需要在圆形区域( 回转窑的截面) 内进行大津方法，即只 对圆形区域内部的像素点应用大津方法。虽然对于回转窑烧结图像来说，圆形区域的位 置大致固定，但是对于每幅图像其圆形区域的位置还有一定偏差的，如果都按照一个固 定的位置来计算，那么分割效果不是很好。如果对于每幅图像都重新计算圆形区域，那 么分割的效率就降低了。 这里提出了在精度和执行效率上双赢的改进方法，由于圆形区域外部的像素灰度值 在理论上应该是0 ，但是物料和火焰会将圆形区域外部边界的部分照亮，导致其周围像 素灰度值有微小波动，经过多次的实践验证，圆形区域外部像素灰度值在【o i o 范围内， 因此只要不考虑灰度值在0 到l o 之间的像素点就能去掉圆形区域外部像素对火焰区分 割的影响了。 设原始灰度图像的长宽分别为m 和，其灰度级为所，灰度为i 的像素点数为啊， 图像的全部像素为m x n ，改进的大津算法如下： r p i、 计算输入图像灰度级的归一化直方图，用a = n j l 一l 表示，其中 - l l m - i i = 1 1 ，1 2 ，小一1 且有p j = 1 ，a o i = 1 i 计算灰度均值 m - i = 锄 ( 4 2 0 ) - 1 1 1 用阈值r 将灰度级划分为两类( c o ，c 1 ) ，c o 包含灰度级【l l ，】的像素，c l 包含灰 度级【，+ 1 ，所一l 】的像素。c o c , 的发生概率和q 由式( 4 2 1 ) 得： tm - 1i c a o ( t ) = e p ( i ) ，a h ( f ) = p ( f ) = l 一p ( f ) ( 4 2 1 ) 一3 4 东北大学硬士学位论文第四章烧结图像的分割 计算类c 0 和c 1 的灰度均值硒( ，) 和1 1 ( f ) ，方差碍( r ) 和砰( ，) 可分别由式( 4 2 2 ) 和 ( 4 2 3 ) 计算得出： -m - i 硒( r ) = i p ( o n , o ( t ) ，一( r ) = 妒( f ) q ( t ) ( 4 2 2 ) t = 1 1f 一“ 霹( ，) ：窆( f 一胁( f ) ) 2 a ，嘞( f ) 砰( f ) ：艺( f 一一( ，) ) 2 a ，q ( f ) ( 4 2 3 ) ，- l i，一+ 1 步骤同大津算法步骤。 4 4 3 _ 3 充分燃烧区存在的问题 充分燃烧区是指煤粉充分燃烧照亮的区域，是火焰区中最明亮的部分，而依据4 4 3 2 的改进算法去掉火焰区外部像素对于充分燃烧区的影响，这样在理论上是可行的。但是 由于物料区内像素灰度值和火焰区内像素灰度差别不大，因此不能找到一个灰度范围包 含所有火焰区外部所有像素。 4 4 3 4 充分燃烧区分割时大津方法的改进 要得到充分燃烧区就必须只在火焰区内进行大津方法。设火焰区内全部像素为， 其灰度级为m ，火焰区内部灰度为i 的像素点数为晴，改进的大津算法为：首先，计算 m - i 输入图像灰度级的归一化直方图，用只= 啊，表示，且有只- 1 ，届 o ，其他步骤同 扣时 4 4 2 。 4 4 4 图像融合 虽然通过能量衰减方程作用去掉了物料区对火焰区和充分燃烧区的耦合作用，但是 黑把子区对火焰区和充分燃烧区的耦合作用尚未消除。要去掉黑把子的影响必须将分割 得到的黑把子区与粗分割的火焰区和充分燃烧区进行差分处理。虽然物料区的影响通过 能量衰减方程已经去掉绝大部分，但不能完全去除，所以还要将分割得到的物料区与粗 分割的火焰区进行差分。即首先确定原始区域与差分区域，然后扫描原始区域内的点， 如果该点在差分区域中，那么将此点从原始区域中删除。直到整个区域扫描完毕算法终 止 4 4 5 火焰区与充分燃烧区的分割 火焰区与充分燃烧区的分割算法如下： 一3 5 东北大学硕士学位论文 第四章烧结图像的分割 ( 1 ) 利用能量衰减方程对预处理后的图像作用，得到除去物料对火焰作用后的图像； ( 2 ) 利用改进的大津方法进行火焰区的分割，得到火焰区的粗分割结果； ( 3 ) 将粗分割的火焰区与黑把子区做差分运算，以及与物料区做高级融合运算得到 火焰区的精分割结果； ( 4 ) 利用改进的大津方法对火焰区的精分割结果进行二次分割，得到充分燃烧区。 4 5 本章小结 本文以回转窑烧结图像为研究对象，结合图像分割算法，根据图像实际的特性，提 出了两种不同的方法进行不同区域的分割。首先，对图像进行预处理，包括颜色变换， 平滑和去噪。其次，对于物料区和黑把子区，在快速行进法中引入了敏感区域的概念， 同时改进了终止条件，并且利用双快速行进法与融合方法进行物料区和黑把子区图像的 分割；再次，对于火焰区和充分燃烧区，由于烧结图像中物料区与火焰区和充分燃烧区 的关系密切，为了去掉物料区对火焰区和充分燃烧区的影响，提出了将能量衰减方程作 用于物料区，并利用大律方法对火焰区和充分燃烧区进行粗分割，最后通过与黑把子区 的融合技术进行火焰区和充分燃烧区的精确分割。 一3 6 东北大学硬士学位论文第五章烧结状态的识别 第五章烧结状态的识别 5 1 引言 烧结状态韵识别实质是对烧结图像的模式识别，即已知事物的各种类别，然后来判 断给定对象已知类别的从属问题。模式识别在不同的应用领域有着不同的定义。将烧结 状态划分为过烧，正常，欠烧三个状态。回转窑燃烧状态识别的工作过程实质就是采集 回转窑烧结图像的各项参数，然后根据这些参数判断出烧结状态。传统的人工看火的方 式不能满足当前工业的需要，主要原因包括： ( 1 ) 烧结状态的判别十分重要，任何的误判都会带来巨大的经济损失。 ( 2 ) 回转窑过程存在检测手段有限，且测量干扰严重、大时滞、非线性等控制难题 难以实现自动控制。在很大程度上仍然依赖于人工技巧和经验。 5 2 特征分析器 烧结图像的欠烧、正常、和过烧的三种烧结状态如图5 1 所示。仅仅从人眼来看， 烧结状态主要表现在以下方面： ( 1 ) 根据图像的整体灰度值而言，欠烧状态图像整体的灰度值比较低，而正常和过 烧状态图像正好相反，它们有较高的整体灰度值。 ( 2 ) 根据图像边界的清晰度来说，欠烧图像比较模糊没有特别明显的物料区，黑把 子区，火焰区边界。而正常和过烧状态图像的物料区，黑把子区，火焰区的边界相对欠 烧图像比较明显。 ( 3 ) 对于物料区而言，欠烧和正常图像的物料区比较平滑，而过烧图像的物料区呈 现粗糙的表面。 ( 4 ) 对于黑把子头部及其周围的火焰部分来说，欠烧图像的火焰部分灰度与黑把子 部分灰度的差别比较小，而正常和过烧图像的火焰部分灰度和黑把子部分灰度的差别比 较大。 一3 7 东北大学硕士学位论文 第五章烧结状态的识别 图5 1 三种烧结状态图像 f i g5 1i m a g e so f t h r e ea g g l o m e r a t i o ns 眦 但是对于整个图像来说，人眼反馈的信息还是比较抽象的，为了得到更加数字化的 信息，本文设计了一个特征分析器如图5 2 所示。 特征分析器的主要工作是察看图像任意一行像素的灰度曲线，如图所示表示第3 0 0 行像素的灰度曲线，其横坐标为图像列数，纵坐标为像素对应的灰度值。为了更适于数 字化的观察，特征分析器还可以查看任意一行或者其子区间的像素最大值，最小值和平 均值。如图在第1 0 0 列到第4 0 0 列之间的最大灰度值为2 0 2 ，最小灰度值为5 3 ，平均灰 度值为1 4 4 。利用特种分析器对三种烧结状态图像进行大量的查看与分析，可以找到明 显区分三种烧结状态的许多特征。 图5 2 特征分析器 f i g5 2f e a t u r ea n a l y z i n gt o o l 5 3 烧结图像特征的提取 特征的提取对于烧结状态的识别非常重要。首先，需要对原始图像进行预处理，通 过行灰度曲线可以看出原始图像比较粗糙，基于现有的几种平滑算法的不足，本文提出 了一种平滑的新方法球体滚动算法。然后，在预处理后的图像上使用特征分析器寻找 r o i ( 关心区域) ，经过对大量的包含三种烧结状态的图像实验发现，在烧结图像中有三 个r o i 对于烧结状态有着明显的差别。最后，本文根据数字化的分析结果找出了对应三 个r o i 的六个新特征( 每个r o i 两个特征) ，结合图像分割所得到的物料区，黑把子区 和火焰区的平均灰度值，一共得到九个特征。 一3 8 东北大学硕士学位论文 第五章烧结状态的识别 5 3 1 预处理 原始烧结图像很粗糙，这样不利于观察和比较，因此必须对图像进行平滑处理。但 是对原始烧结图像进行传统的平滑处理得到的灰度曲线不是很理想。以下是对传统平滑 算法的研究，包括中值滤波，均值滤波，高斯滤波。 ( 1 ) 中值滤波 中值滤波是一种非线性信号处理方法，基本原理是把数字图像或数字序列中的一点 的值用该点的一个邻域中的各点值的中值代替。通俗地讲中值滤波就是用一个活动窗口 沿图像移动，窗口中心位置的像素灰度用窗口内所有像素灰度的中值来代替。对于一幅 图像的像素矩阵，取以目标像素为中心的一个子矩阵窗口，这个窗口可以是3 x 3 ，5 x 5 等，可根据需要选取，窗口的形状常用的有方形、十字形和圆形等。对窗口内的像素灰 度排序，取中间一个值作为目标像素的新灰度值。 设 嘞( f ，) ，2 表示数字图像各点的灰度值，滤波窗口为a 的二维中值滤波，可定 义为： = 肘弘( 而) = 朋甜瓴t + r x + s )