通过转炉炉口火焰纹理分析判断氧气顶吹转炉吹炼终点

D0I:10.13374/i.issn1001-053x.2000.06.010 第22卷第6期 北京科技大学学报 VoL.22 No.6 2000年12月 Journal of University of Science and Technology Beijing Dec,2000 通过转炉炉口火焰纹理分析 判断氧气顶吹转炉吹炼终点 尤佳王绍纯李希胜韩艺萍 北京科技大学信息工程学院，北京100083 摘要提出了一种通过对转炉炉口火焰纹理特征的分析，判断氧气顶吹转炉吹炼终点的方 法和检测识别系统技术方案，主要工作包括火焰图像的采集，图像的预处理，纹理特征的提取 与选择及特征参数的分析比较：同时编制了应用程序.实验结果表明，该方案避免了复杂机理 建模的困难，对转炉炉口的大小没有要求，在费用上相对较为节省，适合中小转炉使用， 关键词转炉炼钢；火焰；数字图像处理；纹理分析 分类号TP391.41文献标识码：A 在转炉炼钢中，炉口火焰是熔池温度状况 用BMP格式存储. 的标志，而炉口火焰的长短和强弱以及炉口火 图像预处理的工作包含自动阈值提取、对 花的多少是钢水含碳量的一个重要判断依据. 比度拉伸和边缘检测，其中自动阅值提取和对 因此，通过对转炉炉口火焰图像的处理、研 比度拉伸都是基于图像的灰度直方图的.直方 究，可以监测其冶炼过程.基于此点，本文采用 图是一幅图像中各像素灰度值出现次数（或频 了一条新的技术路线一即利用红外技术、计 数)的统计结果，由直方图可看出图像总的亮度 算机视觉和数字图像处理技术，避开复杂机理 和对比度情况以及图像像素值的动态范围等一 建模的困难，把生产过程视为一个“黑箱”系统， 系列该图像的特征信息.而且，往往一幅图像上 直接研究系统的输出量，通过对转炉炉口火焰 的背景与物体在直方图上会呈现出双峰性，在 图像纹理特征的提取与选择，得出一组特征变 这种情况下可以比较容易地根据两峰之间的谷 量，再运用图像处理的方法，研究分析特征变量 值，来确定图像的阈值. 与吹炼终点之间的对应关系，最终对系统的状 一幅图像的对比度与该图像中灰度的分布 态作出实时在线的判断 情况有关，由于各方面的原因，整幅图像的灰度 1原始图像的摄取和预处理 变化范围往往很小，为了增加图像局部或全局 的反差，可以用灰度变换的方法使灰度变化范 火焰图像的摄取是通过架在转炉前的加有 围增大，这样做可以使原来级差很小的图像变 高温和防尘保护的CCD摄像头，实时地将转炉 得灰度层次丰富，一方面视觉感知更清晰，另一 炉口火焰的图像采集进计算机：在计算机中通 方面使图像处理更可靠冈. 过图像采集卡，把输入的视频信号，经模/数转 因为火焰与黑色转炉的明暗对比强烈，所 换器、比例缩放、裁剪等处理，通过PCI总线传 以摄取的火焰图像，局部的灰度层次不丰富，而 到VGA实时显示或传到计算机内存实时存储. 进行纹理分析所需要的正是火焰内部的灰度变 利用图像采集卡自带的库函数编制了程序，可 化情况.于是，在预处理时先采用阈值提取的方 随时抓取一幅图像存为图像文件并进行处理， 法确定火焰的范围，再对火焰部分做对比度拉 在实验室，原始图像的采集是使用照相机在现 伸，使其特征明显，便于进一步的处理。 场拍摄不同吹炼时期的转炉炉口火焰照片，再 设可获得的图像灰度变化范围为[g血， 用摄像头将这些照片摄入计算机.图像文件选 gmw],而现有的图像灰度范围仅为[Uf,f],即 [fnn,far]C[gn,g],可以作变换： 2000-01-26收稿尤佳女，26岁，硕士

第 2 卷 第 ` 期 2 0 0 年 12 月 北 京 科 技 大 学 学 报 OJ u r n a l o f U n vi e sr yit o f s e el n e e a n d 及 c h n o el yg B e ij i n g V b L2 2 N 0 . 6 D ec 。 2 0 0 通过转炉炉 口 火焰纹理分析 判断氧气顶 吹转炉吹炼终点 尤 佳 王绍 纯 李希胜 韩艺 萍 北京科技大学信息工程学 院 , 北京 10 0 83 摘 要 提 出 了一 种通 过对 转炉 炉 口 火焰 纹理 特征 的分 析 , 判 断氧气 顶 吹转炉 吹炼 终 点的方 法和 检 测识 别系统技 术方 案 . 主要 工作包 括火 焰图像的采集 , 图像的预处 理 , 纹 理特 征 的提取 与选 择及 特 征参 数 的分析 比较 ; 同时编制 了应 用程序 . 实验 结果 表 明 , 该 方案避免 了复杂 机理 建模 的 困难 , 对转 炉炉 口 的大小 没有 要求 , 在 费用上 相对 较为节 省 , 适 合 中小转 炉使用 . 关键 词 转 炉炼钢 ; 火焰 ; 数字 图像处理 ; 纹 理分 析 分 类号 开 3 91 .4 1 文 献标 识码 : A 在转 炉炼钢 中 , 炉 口 火焰 是熔池温度 状况 的标志 , 而炉 口 火焰 的长短和 强弱 以及 炉 口 火 花的多少是钢水含碳量 的一个重要判断依据 【1] . 因此 , 通过对转炉炉 口 火焰 图像 的处理 、 研 究 , 可 以监测其 冶炼过程 . 基 于 此点 , 本 文采用 了一条 新 的技 术路线— 即利 用红外技 术 、 计 算机视 觉和 数字 图像 处理技术 , 避开 复杂机理 建模 的困难 , 把生产过程视为一个 “ 黑 箱 ” 系统 , 直接研 究系统 的输 出量 , 通过 对转炉 炉 口 火焰 图像 纹理特征 的提取 与选择 , 得 出 一组特征变 量 , 再运用 图像 处理 的方法 , 研究分析特 征变量 与吹炼终 点之 间 的对 应关系 , 最终对 系统 的状 态 作 出实 时在线 的判断 . 1 原始图像的摄取和预处理 火焰 图像 的摄取 是通过架在转炉前 的加 有 高温和 防尘保护 的 C C D 摄 像头 , 实时地将转 炉 炉 口 火焰 的 图像采 集进计算 机 ; 在计算机 中通 过 图像采 集卡 , 把输入 的视频信 号 , 经模 /数转 换器 、 比例缩 放 、 裁剪等处 理 , 通 过 P CI 总线传 到 V G A 实 时显 示或传到计 算机 内存 实时存储 . 利用 图像 采集卡 自带 的库 函 数编制 了 程序 , 可 随 时抓 取一 幅 图像存 为 图像文件 并进行 处理 . 在实验 室 , 原始 图像 的采 集是 使用照相机 在现 场拍摄 不 同吹炼 时期 的转 炉炉 口火 焰照 片 , 再 用摄像 头将这些 照片摄 入计算机 . 图像 文件选 2 0 0 0 一 0 1 一 2 6 收稿 尤 佳 女 , 26 岁 , 硕士 用 B M p 格 式存储 . 图像预处理 的工 作包含 自动 闽值提取 、 对 比度 拉伸和边缘检 测 . 其 中 自动 闽值提取和对 比度拉伸都 是基 于 图像 的灰度直方图的 . 直方 图是一 幅图像 中各像素灰度值 出现次数 ( 或频 数) 的统计 结果 , 由直方图可看 出图像总的亮度 和 对 比度情况 以及 图像像素值 的动态范围等一 系列该 图像 的特征信息 . 而且 , 往往一 幅图像上 的背 景与物体在 直方图上会呈现 出双峰性 , 在 这种情况下 可以 比较容 易地根据两峰之间的谷 值 , 来确 定 图像 的闽值 . 一 幅图像的对 比度与该 图像中灰度的分布 情况有关 . 由于各方面 的原 因 , 整幅 图像 的灰度 变化 范 围往往 很小 . 为 了增加 图像局 部或全局 的反 差 , 可 以用灰度 变换 的方法 使灰度变化范 围增 大 . 这样做可 以使原来级差 很小的 图像变 得灰度层次 丰富 , 一方面视觉感知更清晰 , 另一 方面 使 图像 处理更可靠 〔2] . 因 为火 焰与黑 色 转炉 的明暗对 比强 烈 , 所 以摄取 的火 焰图像 , 局 部的灰度层次不 丰富 , 而 进行纹 理分析所需要 的正 是火焰 内部的灰度变 化情 况 . 于 是 , 在预 处理 时先采用 闽值提取 的方 法 确定火 焰 的范 围 , 再对 火焰部分做对 比度拉 伸 , 使其特 征 明显 , 便 于进一步 的处理 . 设 可 获 得 的 图 像 灰 度 变 化 范 围 为嘛 加 , g ` X」 , 而现有 的图像 灰度 范围仅为眺 访 , . 瓜 万 〕 , 即 眺 , , fmax ] C ha , , g max 〕 , 可 以作变 换 : DOI: 10. 13374 /j . issn1001 -053x. 2000. 06. 010

Vol.22 No.6 尤佳等：通过转炉炉口火焰纹理分析判断氧气顶吹转炉吹炼终点 ·525· g=TVD,fe[Ufa,fa】 (1) 0 1 2 课题中采用线性变换，即满足： 0 y 0 0 0 8器f小会器鱼 (2) Jna一n 0 -2 图像边缘定义为图像中灰度发生急剧变化 图1 Sobel算子梯度掩横 的区域边界，图像灰度的变化情况可以用图像 Fig.1 Sobel edge operater 灰度分布的梯度来反映，因此我们可以用局部 另外一种常用的边缘检测方法是利用拉普 图像徽分技术获得边缘检测算子.设（仅y)为 拉斯算子.拉普拉斯算子是根据图像x,)在 图像的梯度，则 x,y方向上的二阶偏导数定义的： Vf(xy)=[ofiox,ofloy]f](3) (9) (Vxy)中包含局部灰度的变化信息，其幅 e 度为，x),即 因为图像边缘有大的灰度变化，所以图像 e(xy)=v(xy)+f(xy) (4) 的一阶偏导数在边缘处取局部最大值或最小 x)可以用作边缘检测算子，为了计算上 值，那么二阶偏导数在边缘处会通过零点（由正 的简单也可以用偏导数￡，的绝对值作为灰 到负或由负到正).用拉普拉斯算子检测边缘就 度变化的幅值 是估算拉普拉斯算子的输出，找出它的零点位 e(x)=lEx,yH话x,yl (5) 置.下面是拉普拉斯算子的一种估算方法： 局部边缘方向可以用方向角表示： 72xy)=fxy-1/4x+1)+ (x,y)=arctan( (6) fxy-1)+fx+1y+fx-1y)](10) 梯度值可以用下面的梯度算子来计算： 微分是一种高通运算，所以二阶微分会增 五=ox (7 强噪声对图像的影响.拉普拉斯算子有时找到 方=mi (8) 的边缘是伪边缘，特别是在图像灰度变化不大 其中x,y是包含局部图像领域像素的矢量， 的区域，因为这时小的灰度干扰（噪声）便可能 wu,是用梯度掩模描述的权矢量.Sobel边缘 使二阶导数产生过罗输出， 检测器即是这种掩模的一个例子，如图1所示， 图2是Sobel算子和拉普拉斯算子的应用 实例.图()为一幅经过对比度拉伸后的火焰图 这种算子很容易在空间域中实现.Sob©l边缘检 测器可以产生较好的边缘检测效果，而且受噪 像：图(b)是Sobel算子检测到的边缘，图(c)为 声的影响也比较小，当使用大的领域时，抗噪声 拉普拉斯算子的检测结果.由实例可以看到，拉 特性会更好，但是这样做要增加计算量而且得 普拉斯算子对炉口火焰图像的边缘提取毫无效 出的边缘也较粗， 果，而Sobl算子的检测结果较为理想. (a) (b) (c) 图1应用实例.(a对比拉伸的火焰图像，(b)Sobl边缘，(C拉普拉斯边缘 Fig.2 Applied example of flame image(a),Sobel operator(b)and laplacian (c) 2转炉炼钢炉口火焰的纹理分析 最简单的纹理描述是基于图像直方图P以) 的.视觉系统所观察到的图像窗口中的纹理基元 与其他图像特征或描述相比，纹理性质能够 必然对应于一定的概率分布的直方图，其间存在 更好地兼顾图像宏观性质与细部结构这两个方 着一定的对应关系，若将连续的图像窗口的直方 面，所以，选择图像的纹理特征作为分析图像的 图的相似性进行比较，就可以发现和鉴别纹理基 着眼点与出发点.一般，随机型纹理图像用纹理 元排列的周期性及紧密性等。 分析的统计方法来处理，本课题对转炉炉口火焰 令，k=1,2,“,N为不同的图像灰度级，则 的处理即采用纹理分析的统计方法， 图像的均值可以表示为：

·526· 北京科技大学学报 2000年第6期 u=Spf) (11) 匀的，从图像整体来观察，纹理较粗，此时角二 基于直方图的纹理描述方法的主要优点是 阶矩值f则较大，反过来则角二阶矩值f较小， 计算简单.但虽然相同的纹理基元具有相同的 角二阶矩是灰度共生矩阵像素值平方的和，所 直方图，而相同的直方图却可能对应不同的纹 以，它也称为能量.粗纹理角二阶矩值较大， 理基元，因此，运用直方图进行纹理基元的分 可以理解为粗纹理含有较多的能量，细纹理 析和比较的最大缺点是不能表达纹理的空间域 较小，也即它含有较少的能量 特征 (2)对比度. 图像中的结构关系信息存在于不同灰度像 (15) m000 素间的总体的或平均的空间关系之中，这种结 式中，li-=n. 构关系信息可以用相对频数矩阵来表示.Hara- 图像的对比度可以理解为图像的清晰度， Iick等人提出采用灰度空间依存矩阵或叫灰度 即纹理清晰程度.在图像中，纹理的沟纹越深， 共生矩阵，来表征图像中的结构特征.纹理描述 则其对比度6越大，图像的视觉效果越是清晰. 的另一种方法就是计算图像的灰度共生矩阵， (3)相关， 这种空间关系矩阵是由图像中像素值的空间关 系计算出来的特征矩阵，最基本的形式为 空空p-44 P(i,),即一种相对频数或概率密度函数，其数 万=心 0102 (16) 值为在一定大小的窗口内2个相邻的像素具有 式中41，，01,02分别定义为： 灰度i和j的频数.灰度值i和j的两个像素的 4=空龙0 空间位置可以考虑不同的相互距离()及不同 的角度或方向()关系.灰度共生矩阵的完全形 o=Σ(i-u}Σp( ）=0-wgn. 式为P(i,j；d,).d,0的一般形式可以写为： 相关是用来衡量灰度共生矩阵的元素在 p(i)=#(xy),(x'y)]:f(xy)= 行的方向或列的方向的相似程度.例如，某图像 i,f(x'y)=j;x=x'+dx,y=y+dy}(12) 具有水平方向的纹理，则图像在0=0°的灰度共 其中，#代表灰度值i和j共同出现的数目；(x,y) 生矩阵的相关值分往往大于0=45°，0=135°或 及(x',y)是2个像素的坐标位置；d:和dy是2 0=90°的灰度共生矩阵的相关值方. 个像素的相对位置差，两者构成一个图像位移 (4)熵. 向量(dx,dk),是位移向量集合D中的一个元 =-空空i/ogp(ij0 (17) 0.0 素（包括了d和8），即： 熵值是图像所具有的信息量的度量，纹理 D={(dx:,dy) (13) 信息也属于图像的信息.若图像没有任何纹理， 共生矩阵Ca的大小为NxN,其中N为图像 则灰度共生矩阵几乎为零阵，则熵值接近为 的灰度级数.共生矩阵中含有非常有价值的纹 零.若图像充满着细纹理，则)的数值近似 理空间组织信息：如果纹理粗糙，则共生矩阵的 相等，此时该图像的熵值最大.若图像中分布 分布集中于对角线附近；如果纹理很细，共生矩 着较少的纹理，()的数值差别较大，则该图 阵的分布则比较分散；如果纹理具有较强的方 像的熵值较小， 向性，当位移矢量与纹理方向一致时，其共生矩 根据各特征变量的物理意义和转炉炉口火 阵的分布会集中在主对角线上.Haralick提出了 焰的实际情况，选择照片编号分别为F13,F17, 14个基于图像灰度共生矩阵的纹理特征).其 F23,F28和F30,F34,F37的7幅两炉钢的火焰 中有4个统计参数为应用灰度共生矩阵进行纹 图像为样本数据，对该组图像的纹理特征进行 理分析的主要参数， 具体分析.除以上介绍的5种纹理特征外，另选 (1)角二阶矩. 择以原图像为基础提取的阈值做为一个特征变 N-1 N-1 f=名名p) (14) 量.经过分析计算得知这些火焰图像的纹理没 角二阶矩是图像灰度分布均匀性的度量. 有明显的方向性，因而一律选择d=1,8=0°的 当灰度共生矩阵中的元素分布较集中于主对角 灰度共生矩阵.在计算时，为了忽略浮点运算可 线时，说明从局部域观察图像的灰度分布是均 能带来的影响，没有将灰度共生矩阵进行归一

北 京 科 技 大 学 学 报 2 00 年 第 6 期 “ 一 三关夕人人) ( 1 1 ) 基于直方 图的纹理 描述方法 的主要优 点是 计算简单 . 但 虽 然相 同的纹理基元 具有相 同的 直方 图 , 而相 同的直方 图却可 能对 应不 同的纹 理基元 . 因 此 , 运用直方 图进行纹 理基元 的分 析和 比较 的最大缺点是不 能表达纹 理的空间域 特征 . 图像 中的结构关系信息存在于不 同 灰度像 素 间的总体 的或平 均 的空 间关系之 中 . 这种 结 构关系信 息可 以用 相对频数 矩阵来表 示 . H ar - h c k 等人提 出采用灰度 空 间依存 矩阵或 叫灰度 共生矩 阵 , 来表征 图像 中的结构特征 . 纹理描述 的另一种方 法就是 计算 图像 的灰 度共 生矩 阵 . 这种空 间关系矩 阵是 由图像 中像素值 的空 间关 系 计 算 出 来 的特 征 矩 阵 , 最 基 本 的 形 式 为 尸 i( ’,j ) , 即一种相 对频数 或概率密 度函 数 , 其数 值 为在 一定大小 的窗 口 内 2 个相邻 的像素具有 灰 度 i 和 j 的频 数 . 灰度值 i 和 j 的两个 像素 的 空 间位 置可 以考虑不 同 的相互距 离 (的 及不 同 的角度或方 向( 0) 关系 . 灰度共生矩 阵的完全形 式 为 P i(, j ; d , 0) . d , 0 的一 般形式 可 以写 为 : 抓i ’,) = #{ [x( 功 , x( 沙们沪以必 = i了’x( 沙今’=j ; x = x +, dx , y = y 件如} ( 12 ) 其 中 , # 代表 灰度值 i 和j 共 同 出 现 的数 目; x( , 少) 及 x( , , y 今是 2 个像 素 的坐标 位置 ; 阮 和 如 是 2 个 像素 的相 对位置 差 , 两 者构成一 个 图像位移 向量 ( dkr , dxt ) , 是位 移 向量 集合 D 中的一个元 素 (包括 了 d 和 0 ) , 即 : D = { (*dx , 今O} ( 13 ) 共生矩 阵 Q 的大 小为刃x N , 其 中 N 为图像 的灰度 级数 . 共 生矩 阵中含有非 常有价值 的纹 理空间组织信息 : 如果纹理粗糙 , 则共生矩 阵的 分布集 中于对角线 附近 ; 如果 纹理很细 , 共生矩 阵 的分 布则 比较 分散 ; 如果纹理 具有较强 的方 向性 , 当位移矢量与纹理方 向一致 时 , 其共生矩 阵的分布会 集中在主对角线上 . H ar ial ck 提 出了 14 个 基于 图像 灰度共生矩 阵 的纹理特 征 【3] . 其 中有 4 个统计参数 为应 用灰度共生矩 阵进 行纹 理 分析的主要参 数 . ( l) 角二 阶矩 . 厂一 三三声i( v’) l( 4) 角 二阶 矩是 图像灰 度分布 均匀 性 的度 量 . 当灰度共 生矩阵中的元素分布较集 中于主对角 线 时 , 说 明从局部 域观察 图像 的灰度分 布是均 匀 的 , 从 图像 整体来观 察 , 纹理较粗 , 此 时角二 阶矩值厂 则较大 , 反过来则角二阶矩值厂 较小 . 角 二 阶矩是灰 度共生矩 阵像素值平 方 的和 , 所 以 , 它也称 为能量 . 粗纹 理角二 阶矩值厂 较 大 , 可 以理解 为粗 纹理含有 较多 的能量 . 细 纹理厂 较 小 , 也 即它含 有较少 的能量 . (2 ) 对 比度 . 关 = Z 才 艺 艺P i( ’,) } ( 1 5 ) ” . 0 t j . o j间 式 中 , } i一卜。 · 图像 的对 比度可 以理解 为 图像 的清 晰度 , 即纹理清 晰程度 . 在 图像 中 , 纹理 的沟纹越 深 , 则其对 比度关 越大 , 图像 的视觉效果越是 清晰 . (3 )相关 . 艺 艺亦( i ’,) 一 u , u Z 试试 ( 1 6 ) 式 中 ul ,u 2, 伪两 分别 定义为 : J V 二 1 u ; = 艺 口闭刀 - 1 试= 艺 ( i一 u J Z艺p (’iv) 跳 = Z j 艺p i(, ’,) 尸 1 间 华 1 端一 属仃一 u Z ) ’ 三p (` )J · 相 关 是用 来衡 量灰 度共 生 矩阵 的元 素在 行的方 向或列 的方 向的相似程度 . 例如 , 某 图像 具有水平方 向的纹理 , 则图像在 0 = o0 的灰度共 生矩阵 的相关值石 往往大 于 0 = 4 50 , 0 = 13 50 或 0 = 9 0 的灰度共 生矩 阵的相关值关 . (4 )嫡 . 不 = 一 艺 X 夕( i ’J) l o g 尸( i )J ( 17 ) 才阅 少阅 嫡值 是 图像所 具有 的信 息量的度量 , 纹理 信息也属于 图像 的信息 . 若 图像没有任何纹理 , 则灰 度共生矩 阵几乎 为零 阵 , 则嫡值不 接近 为 零 . 若 图像充满 着细纹理 , 则执i)J 的数值近似 相等 , 此时该图像 的嫡值不 最大 . 若图像 中分布 着较 少的纹理 , 执i ’v) 的数值差 别较大 , 则该图 像 的嫡值不 较 小 . 根据各特 征变量 的物理意义和 转炉炉 口 火 焰 的实际情 况 , 选择照 片编号分别 为 1F 3 , 1F 7 , F 2 3 , F 2 8 和 F3 0 , F 3 4 , F 3 7 的 7 幅两炉钢的火焰 图像 为样本 数据 , 对 该组 图像 的纹理特 征进行 具体分析 . 除 以上介绍 的 5 种 纹理特征外 , 另选 择 以原图像为基础提取的闽值做为一个特征变 量 . 经过 分析计 算得 知这些火焰 图像 的纹理 没 有 明 显 的方 向性 , 因而 一 律选择 d = 1 , O= o0 的 灰度 共生 矩阵 . 在计算 时 , 为 了忽略浮点运算可 能带来 的影响 , 没有将灰度共 生矩 阵进行归一

Vol.22 No.6 尤佳等：通过转炉炉口火焰纹理分析判断氧气顶吹转炉吹炼终点 527· 化处理，因此，部分数据值较大， 律可循， 该7幅图像的纹理特征如表1所示 以初期火焰图像（每炉钢摄取的第一幅图 观察以上7组数据，可以发现如下规律： 像)的纹理特征值作为基准，将其他几幅图像的 (1)吹炼初期和末期燃烧反应都不剧烈，火 特征值与之相比，得到表2的数据 焰范围较小，图像灰度较均匀，纹理特征比较相 分析上述数据可以看出，角二阶矩与相关 似；而吹炼中期反应剧烈，夹杂浓烟，时有喷溅 的比值没有什么规律，而末期的对比度比值较 现像，纹理清晰，纹理特征有较大不同，容易区 小，末期熵值的比值一般大于1. 分. 本课题所面临的是仅仅分为两类的问题， (2)末期火焰因为温度较高，火焰内灰度分 即是或非终点图像，因此，采用最直观简单的 布较均匀，直方图表现出较明显的双峰性，自动 “模板匹配法”，分类准则使用一个条件判断语 提取的阈值较初、中期火焰图像偏高，均大于 句，即定义各特征变量同时符合下述条件的图 90. 像为终点图像：阈值(nThreshold)大于90，均值 (③)吹炼末期，化学反应趋于平稳，火焰较 (TF feature.mean)大于25，角二阶矩(TF fea- 软，纹理细小，不清晰；特征变量上的表现为末 ture.moment)小于4.6x10,对比度(TF_feature. 期火焰图像的灰度共生矩阵对比度较小，熵值 contrast)小于5.l×l0,相关值(TF feature..correla- 绝对值较大 tion)大于-2.66，熵的比值(TF feature..entropy/ (4)不同炉次的部分图像纹理特征值离散性 TF_feature0..entropy)大于1. 较大，而同炉次的该图像特征值之间有一定规 表1样本图像的纹理特征 Table 1 Texture features of sample images 吹炼时期 图号 阈值 均值 角二阶矩 对比度 相关 熵 初期 F13 分 29.9580 3931323278 992824 -1.8853 -786816 初期 F30 83 23.0895 187369206 5326466 -3.1754 -807045 中期 F17 71 35.8671 3098392764 19089569 -1.3146 -754645 中期 F34 69 18.8222 9788004 5236001 -4.7861 -802539 中后期 F23 78 37.3832 2747831384 14159588 -1.2099 -719821 末期 F28 97 27.5096 155772388 5053998 -2.2356 -808562 末期 F37 103 27.4491 292746950 4757920 -2.2462 -815349 表2纹理特征值比值 Table 2 Ratio of texture features F13 F17 F23 F28 F30 F34 F37 特征 (初期) (中期) (中后期) (末期) (初期) (中期) (末期) 角二阶矩 1 0.7881 0.6990 0.0396 0.0523 1.5624 对比度 1.9227 1.4262 0.5090 / 0.9830 0.8933 相关 1 0.6982 0.6418 1.1858 1.5072 0.7074 熵 0.9591 0.9148 1.0276 0.9944 1.0103 3 转炉炼钢终点的计算机视觉检测 本程序的用户界面如图3所示， 识别系统 对在现场（邯郸钢铁集团公司第一炼钢厂2 号20t转炉)采集的51幅转炉炉口火焰的照片 系统的总体及其各部分已初步形成，系统 进行了处理和终点判断.其特征值符合下列情 由摄像子系统、显示子系统、图像处理子系统和 况的图像的终点标志设为“真”(TRUE),否则为 通讯、键盘等辅助子系统构成.图像处理子系统 “假”(FALSE):阈值大于90，均值大于25，角二 可以对图像加以处理并输出各种工艺数据，主 阶矩小于4.6×10，对比度小于5.1×10，相关值大 要分为硬件和软件两大部分. 于-2.66，熵的比值大于1.终点标志为“真”的图

、 b L 2 2 N 0 . 6 尤 佳等 : 通 过转 炉炉 口 火焰纹 理 分析判 断 氧气 顶 吹转 炉吹 炼终 点 . 52 7 . 化 处理 , 因此 , 部 分数据值较 大 . 该 7 幅 图像 的纹理特征 如表 1 所示 . 观察 以上 7 组数据 , 可 以 发现如下规律 : ( l) 吹炼初期和 末 期燃 烧反应 都不剧烈 , 火 焰范 围较小 , 图像灰度较均匀 , 纹理特征 比较相 似 ; 而 吹炼 中期反 应剧 烈 , 夹杂浓 烟 , 时有喷溅 现像 , 纹理清晰 , 纹理特 征有较大 不 同 , 容易 区 分 . (2 )末 期火焰 因为温度 较高 , 火焰 内灰度分 布较均匀 , 直方 图表现 出较 明显 的双峰性 , 自动 提取 的闽值较 初 、 中期火焰 图像 偏高 , 均大于 9 0 . (3 ) 吹炼末期 , 化学反应 趋于平稳 , 火焰较 软 , 纹理细 小 , 不清 晰 ; 特征变 量上 的表 现为末 期火焰 图像 的灰度共 生矩阵对 比 度较 小 , 嫡值 绝对值较大 . (4 )不 同炉次 的部分 图像纹理特征值离散性 较大 , 而 同 炉次 的该 图像特 征值之 间有 一定规 律 可循 . 以初期 火焰 图像 ( 每 炉钢摄取 的第一 幅 图 像 ) 的纹理特征 值作 为基准 , 将其他几 幅图像 的 特 征值 与之 相 比 , 得 到表 2 的数据 . 分析上述 数据可 以看 出 , 角二 阶矩与相关 的 比值没有 什么 规律 , 而末 期 的对 比度 比值较 小 , 末期嫡值 的 比值一 般大 于 1 . 本课 题所面 临 的是仅 仅分 为两类 的 问题 , 即是或非 终点 图像 . 因此 , 采用最 直观简单 的 “ 模 板 匹配 法 ” , 分类准 则使用一个 条件判 断语 句 , 即定义各特 征变量 同时符合 下 述条件 的图 像为终 点 图像 : 阑值 (n 侧肚e s ho ld) 大于 90 , 均值 ( T F e fe a tL ir e . m e an ) 大 于 25 , 角 二阶矩 ( T F es fe -a n 址 e . ~ ent ) 小于 .4 6 x1 s0 , 对 比度 ( T Fe fe a 奴江 e . e o n tr a st ) 小于 5 . l x 10 6 , 相 关值 ( T Fes fe at ur e . e o er l a - it on ) 大 于一 2 . 6 6 , 嫡 的比值 ( T Fes fe a n ir e . e n tr o Py / T F we fe a tL 止 e .o e n tr o Py ) 大于 1 . 表 1 样本 图像 的纹理特 征 介 b le l 介x t u er fe a t u esr o f s a m P l e i m a g es 吹炼 时期 初期 初期 中期 中期 中后 期 末期 末期 图号 F 1 3 F 3 0 F 17 F3 4 F2 3 F2 8 F 3 7 闽值 均值 角二阶矩 对 比 度 相 关 2 9 . 95 8 0 2 3 . 08 9 5 35 . 86 7 1 1 8 . 8 2 2 2 3 7 . 3 8 3 2 2 7 . 5 0 9 6 2 7 . 4 4 9 1 3 9 3 1 3 2 3 2 7 8 187 36 9 20 6 3 09 8 3 92 764 9 7 8 8 0 0 4 2 7 4 7 83 1 384 1 5 5 7 7 2 3 88 29 2 7 4 6 9 5 0 9 9 2 8 2 4 5 32 6 4 6 6 1 9 08 9 56 9 5 2 3 6 0 0 1 1 4 15 9 5 8 8 5 05 3 9 98 4 7 5 7 92 0 一 1 . 8 85 3 一 3 . 1 7 5 4 一 l ` 3 14 6 一 4 . 7 8 6 1 一 1 . 2 0 9 9 一 2 . 2 3 5 6 一 2 . 2 4 6 2 一 78 6 8 16 一 80 7 04 5 一 75 4 64 5 一 8 0 2 5 3 9 一 7 1 9 8 2 1 一 80 8 5 6 2 一 8 15 34 9 月了,J , 1. 9 一匕ō门à产, 八,Oà矛 ,6790 心.1 表 2 纹理特征值 比值 aT b l e Z R日 it o o f et xt U er fe a t U r e S 特征 F 1 3 (初 期) (中期) 0 . 7 8 8 1 1 . 9 22 7 0 . 6 98 2 0 . 9 5 9 1 F2 3 (中后期 ) (末期 ) 0 . 0 39 6 0 . 5 09 0 1 . 1 8 5 8 1 . 02 7 6 F 3 0 (初 期) 角二 阶矩 对 比度 相关 嫡 0 . 6 9 9 0 1 . 4 2 6 2 0 . 6 4 1 8 0 . 9 14 8 (中期) 0 . 0 5 2 3 0 . 9 83 0 1 . 5 0 7 2 0 . 9 9 4 4 (末期 ) 1 . 5 62 4 0 . 89 3 3 0 . 7 0 7 4 1 . 0 1 0 3 3 转炉 炼钢终点的计算机视觉检测 识别 系统 系统 的总体及其 各部分 已初步形成 . 系统 由摄像子系统 、 显示子系 统 、 图像 处理子系统和 通讯 、 键盘等辅助子系统 构成 . 图像 处理子系统 可 以对 图像加 以处理并输 出各种 工艺 数据 , 主 要 分为硬件和 软件 两大部 分 . 本程序 的用户 界面如 图 3 所 示 . 对在现场 ( 邯郸钢铁集 团公司第 一炼钢 厂 2 号 2 0 t 转炉 ) 采集 的 51 幅转炉 炉 口 火焰 的照 片 进 行 了 处理和终 点判 断 . 其特 征值符合 下 列情 况的 图像 的终 点标志 设为 “ 真’,( T R U E ) , 否 则为 “ 假 ” ( F A L S )E : 阐值 大于 90 , 均 值大于 25 , 角二 阶矩小于 4 . 6 x 1 0 8 , 对 比度小于 5 . l x l 0 6 , 相关值大 于一 2 . 6 6 , 嫡的 比值大于 1 . 终点标志 为 “ 真 ” 的图

·528· 北京科技大学学报 2000年第6期 回CSrm(荐护炼削过程脂测)一23.bp ▣X 文片)涂G)也项)在线00查看心留口蒂助00 口2母些”照回a日罗 图3用户界面 Fig.3 User interface 像即判断为终点图像.应用本系统判断出的3 比细微分析空间大，它的独特空间与整体性势 幅终点照片全部正确 必为图像分析乃至基于图像的工况分析带来新 本系统的响应时间约为09s,可以满足现 的思路.用计算机视觉和数字图像处理技术检 场对检测识别系统的实时性要求. 测转炉炼钢吹炼终点的方法和技术方案是可行 4结论 的 纹理反映了图像的整体性质.实践证明，将 参考文献 纹理分析的老方法用于氧气顶吹转炉炼钢的吹1冯聚和.氧气顶吹转炉炼钢.北京：治金工业出版社， 炼终点判断上是可行的.纹理特征提取所得的 1995 数据并不是杂乱无章，而显得规律明显.限于数 2 Rosenfeld A,Kak A C.Digital Picture Processing.New York:Academic Press Inc,1982 据量，对纹理特征的分析尚不够深入，作为图像 3 Haralick R M.Texture Features for Image Classification. 特征的总体描述，纹理分析比数字变换直观，又 IEEE Trans,1973,SMC-3(6):610 Estimate Blowing Final Point by Analysing Texture Features of Top-blowing BOF Vessel Mouth Flame YOU Jia,WANG Shaochun,LI Xisheng,HAN Yiping Information Engineering School,UST Beijing.Beijing 100083,China ABSTRACT A new measuring method and a technical scheme of recognition system are proposed,which estimate the BOF final point by analysing the texture features of the flame images obtained from converter vessel mouth.Major work include the flame images collecting,preprocessing,computing and selecting the texture features,and analysing and comparing these features.An application program was also worked out. According to the data obtained from experiment,it is demonstrated that this method and technical scheme are feasible.The scheme avoids the difficulty of complicated mechanism modeling,has no request of the vessel mouth size,and costs comparatively low.It is suitable for medium or small size converters. KEY WORD BOF steelmaking;flame;digital Image processing;texture analysis