基于非接触式温度测量中的高温熔体识别方法

 宋海鹰¹, 彭小奇¹,刘 征², 丁 剑²

(1. 中南大学 信息科学与工程学院,湖南 长沙, 410083;
2. 中南大学 物理科学与技术学院,湖南 长沙, 410083)

摘要: 提出一种基于灰度阈值分割的高温熔体识别方法。采用双峰法和最大方差自动取阈值法分别确定预分割阈值,再根据高温熔体的灰度值近似相等选择合适的分割阈值,使所分割的目标的灰度值的等级数较少,并使高灰度值的R色总数最多。根据这种方法,利用MATLAB软件,对拍摄的某铜冶炼厂高温熔体图像进行仿真实验,结果表明:对于目标和背景对比强烈的图像,采用双峰法分割效果较好;而最大方差自动取阈值法更适用于图像中目标占很大比例的情况;这种识别方法能自动调整不同拍摄条件下的图像分割阈值,从而准确地识别目标。
关键词: 高温熔体; 非接触式温度测量; 图像处理; 目标识别
中图分类号:TP274⁺.2 文献标识码:A 文章编号: 1672-7207(2005)03-0426-05

Recognition method in contactless temperature
measurement of high temperature melts

SONG Hai-ying¹, PENG Xiao-qi¹, LIU Zheng², DING Jian²

(1. School of Information Science and Engineering, Central South University, Changsha 410083, China;
2. School of Physical Science and Technology, Central South University, Changsha 410083, China)

Abstract: A high temperature melts recognition method was proposed based on the gray-levels threshold segmentation. By using the double-peak method and the maximum-square-error method, the elementary threshold of segmentation was determined. Then, the suitable threshold was selected according to the approximate equivalency of gray value of high temperature melts. By using this recognition method, less levels of gray value of segmented target and the most sum of higher gray value of R color were identified. The image simulation of high temperature melts from a copper smelting plant was carried out with software MATLAB. The results show that the double-peak method has better effect when the contrast of the object to background is sharp and the maximum-square-error method is preferable when the area proportion of object is dominant. The threshold can be adjusted automatically in different conditions of shoot and the object can be recognized accurately.
Key words: high temperature melts; contactless temperature measurement; image processing; object recognition 

在有色冶金生产中,高温熔体温度场的在线测量十分重要。其中,非接触式测温方法具有操作方便、不干扰生产的特点,因而极具发展前景。近几年来,工业摄像设备结合图像处理技术作为非接触式测温提供新的测量手段,并成为国内外关于锅炉火焰的燃烧诊断系统中的研究热点^[1-5]。与普通光学高温计相比,基于图像处理技术的测温方法具有实时、方便的优点。周怀春等^[6,7]利用电荷耦合器件CCD,以单波长火焰图像中的某点为参考点,对锅炉火焰温度场进行了测量。王飞等^[8-10]采用彩色CCD,利用比色测温原理对炉膛火焰体辐射温度场进行测量。但是,在对高温熔体进行CCD非接触式测温时,必须先准确识别待测物体,以避免使用比色公式计算温度场时出现奇异值,从而得到正确的高温熔体表面温度场。为此,作者提出一种基于灰度阈值分割的高温熔体识别方法,采用双峰法和最大方差自动取阈值法分别确定预分割阈值,并根据高温熔体的灰度值近似相等的原则选择较合适的分割阈值,使所分割出的目标的灰度值较少,且具有高灰度值的R色总数最多。

1 高温熔体的识别原理

当热力学温度高于0 K时,物体将不断辐射电磁波,且随着热力学温度的升高,所辐射的电磁波中短波成分不断增加。此外,不同温度的高温熔体所辐射的电磁波的波长不同。因此,物体辐射的电磁波波长是描述高温熔体表面温度场的一个重要指标。由于用CCD拍摄的高温熔体图像中像素点的R,G和B三色度值与物体的辐射能量之间具有对应比例关系^[11],所以,可采用彩色CCD测量高温熔体的表面温度场。因为高温熔体的辐射能大于低温背景的辐射能,彩色CCD摄取的高温熔体表面温度场图像呈现不同颜色, 即温度场图像中R,G和B三色分量的灰度值随温度的变化而变化,所以,可利用R,G和B三色分量的灰度信息,从采用CCD所摄得的图像中识别被测目标。

并行区域阈值分割法是一种简单、可靠的高温熔体识别方法,它利用目标物与其背景在灰度特性上的差异, 将图像视为具有不同灰度级别的两类区域(目标和背景) 的组合, 通过选取一个合适的阈值, 确定图像中每一个像素点的归属, 从而产生相应的二值图像。

要从复杂的景物中分辨目标并将其形状完整地提取, 阈值的选取是阈值分割技术的关键。若阈值选取过高, 则过多的目标点将被误归为背景;反之,则过多背景将被误划为目标。为了快速和准确地测温,在此采用双峰法和最大方差法相结合的方法,基于并行区域灰度阈值分割,对高温熔体进行识别。
1.1 双峰取阀值法

在彩色CCD所摄的高温熔体图像中,背景和目标在图像的灰度直方图上各形成2个波峰,即背景峰和目标峰。由于在2个波峰间形成一个低谷,因而选择双峰间低谷所对应的灰度作为分割阈值,从而将背景和目标物分离。这种方法尤其适用于高温熔体与背景相比区别较明显,即亮度的对比差别较大的情况,灰度直方图中低灰度值部分和高灰度值部分被反映出来。因此,使用该方法的关键是准确寻找次高峰,以正确识别高温熔体。

灰度直方图双峰法如图1所示。双峰法中从灰度直方图中搜寻次高峰的步骤如下。

步骤1 以灰度直方图最高峰为中心,向灰度直方图两边同时寻找次高峰。

步骤2 对各值进行如下判别:

a. 次高峰峰值处的灰度应大于前、后相邻灰度值。

b. 次高峰与最高峰的距离应大于若干灰度等级(可选为3个级别)。

c. 新搜索的次高峰及前后相邻灰度值处的纵坐标(像素点个数)的平均值,应大于前一次寻得的次高峰的3个相邻灰度的纵坐标的平均值。

d. 最高峰的灰度要大于新寻得的次高峰灰度的1.2倍以上。

步骤3 对两边的可能次高峰进行重新判断,比较后选择合适的次高峰灰度。

图 1   双峰分割法的程序框图
Fig. 1   Program frame of double-peak method  

1.2 最大方差自动取阈值法

由于图像灰度直方图的形状常发生变化,当双峰间无明显低谷或者双峰与低谷均不明显时,采用双峰法不能确定分割阈值,此时,选用最大方差自动取阈值法更为恰当,区域间方差为^[12]:

σ²(t)=θ₁(t)[u₁(t)-u]²+θ₂(t)[u₂(t)-u]²。

其中:θ₁为区域1占总面积的比例;θ₂为区域2占总面积的比例;u为整幅图像的平均灰度;u₁为图像中区域1的平均灰度;u₂为图像中区域2的平均灰度。由式(1)可知,当分割的两区间方差σ²(t)达到最大时,t即为目标和背景两区域的最佳分离阈值。

2 高温熔体识别方法

首先,采用2种阈值分割算法(双峰法和最大方差自动取阈值法)对高温辐射体进行图像分割处理;然后,比较2种方法所分割的目标的区间灰度相似性以及R通道的高值灰度色所占全部灰度值的比例,据目标的灰度级别数少且具有高灰度(>200)的R色数多的原则,确定最佳分割阈值;最后,利用所分割的二值化图像构造掩模矩阵,计算待测高温熔体的表面温度场。其流程如图2所示。

图 2   高温熔体识别流程图
Fig. 2   Flow chart of recognition of high
temperature melts

3 仿真实验结果与讨论

利用上述识别方法对高温熔体图像进行目标识别,仿真实验结果如图3~8所示。

由图3可见,在转炉吹炼造渣期吹炼生成的渣浮在铜锍的表面。为了准确计算铜锍的表面温度,必须先对待测目标铜锍进行识别。由图4可见,图中明亮部分为需要计算温度场的铜锍图像,其余为需要分割的背景图像。

图 3   转炉中高温熔体的图像
Fig. 3   Image of high temperature melts
in copper converter

图 4   闪速炉放铜口高温熔体的图像
Fig. 4   Image of melt in outlet of flash furnace  

图5中,由于目标(铜锍)温度较高,所占面积比例较大,因此,在灰度直方图中主要对应于高灰度部分(100~140),且高灰度像素点在灰度直方图中所占的比例较大。由于图像中包括渣和背景(因为从转炉口拍摄,炉内图像会被炉口遮挡,炉口图像即为背景物),因此,在灰度直方图中低灰度部分出现2个峰。由此可见,找到正确的次高峰是正确选择分割阈值的关键。

分析图6可知,目标与周围背景对比明显,目标面积占图像总面积的比例较小,所以,目标对应的灰度位于x轴的高值部分;同时,目标对应的像素点数在灰度直方图中所占的比例较小,具有明显的目标峰和背景峰。

图 5   转炉中高温熔体的灰度直方图
Fig. 5   Histogram image of melts in
copper converter

图 6   闪速炉放铜口外高温熔体的灰度直方图
Fig. 6   Histogram image of melts in the
outlet of flash furnace  

在图3和图4中,由于目标所辐射的能量及背景不同,所得灰度直方图也不相同。此外,因为目标的灰度与周围环境的灰度不同,所以,直方图中存在相应的波峰和波谷,说明利用目标和背景的灰度差异进行分割是可行的,关键在于找到最佳的分割位置。当背景峰和目标峰不是典型的双峰时,采用最大方差自动取阈值法较好;而当目标和背景存在明显的灰度差异时,双峰分割法更加有效。图7所示为采用最大方差自动取阈值法对图3进行分割识别后得到的目标图像,其分割阈值为81。图8所示为采用双峰法对图4进行分割识别后得出的目标图像,其分割阈值为195。

由图7和图8可见,作者所提出的将双峰法和最大方差法的相结合并行区域灰度阈值识别方法能够准确识别待测的高温熔体。

图 7   识别出的转炉中的高温熔体
Fig. 7   High temperature melts recognized
from copper converter

图 8   识别出的闪速炉放铜口处的高温熔体
Fig. 8   High temperature melts recognized
from outlet of flash furnace

4 结 论

a. 由于双峰法和最大方差自动取阈值法能够适应不同环境的分割要求,所提出的这种高温熔体识别方法具有一定自适应特点,能自动根据拍摄图像中待测目标与背景的对比度及灰度大小,准确地分割待测的高温熔体目标。

b. 基于所识别的高温熔体二值图像,直接利用掩模矩阵,便能计算出真彩色高温熔体图像表面温度场。

参考文献:

[1]Kurihara N, Nishikawa M, Watanabe A. A combustion diagnosis for pulverized coal boilers using flame image recognition technology[J]. IEEE Transaction on Energy Conversion, 1986, 1(2): 99-103.
[2]Shimoda M, Sugano A, Kimura T, et al. Prediction method of unburnt carbon for utility boiler using image processing technique of combustion flame[J]. IEEE Transaction on Energy Conversion, 1990, 5(4): 640-645.
[3]WANG Ying, HU Zong-jun, ZOU Jie-tang. Measurement of combusting flame′s temperature field by image processing[A]. Proceedings of the 1st International Conference on Engineering Thermophysics (ICET′99)[C]. Beijing: International Academic Press, 1999: 644-648.
[4]Huang Y, Yan Y, Riley G. Vision-based measurement of temperature distribution in a 500 kW model furnace using the two-colour method[J] . Measurement, 2000, 28(3): 175-183.
[5]Yan Y, Lu G, Colechin M. Monitoring and characterisation of pulverised coal flames using digital imaging techniques[J]. Fuel, 2002, 81(5): 647-655.
[6]周怀春,娄新生,肖教芳. 炉膛火焰温度场图像处理试验研究[J].中国电机工程学报, 1995, 15(5): 295-300.
ZHOU Huai-chun, LOU Xin-sheng, XIAO Jiao-fang. Experimental study on image processing of flame temperature distribution in a pilot-scale furnace[J]. Journal of the CSEE, 1995,15(5):295-300.
[7]周怀春,娄新生,尹鹤龄.单色火焰图像处理技术在锅炉燃烧监控中的应用研究[J].电力系统自动化, 1996, 20(10):18-22.
ZHOU Huai-chun, LOU Xin-sheng, YIN He-ling. Study on application of monochromatic flame image process technique in combustion monitoring and control of boilers[J]. Automation of Electric Power Systems,1996, 20(10): 18-22.
[8]王飞,薛飞,马增益,等.运用彩色CCD 双色信息测量燃烧火焰的温度场[J].发电设备, 1998(6): 2-5.
WANG Fei, XUE Fei, MA Zeng-yi, et al. Application of coloured CCD information for the measurement of temperature fields of flames[J]. Power Equipment, 1998(6): 2-5.
[9]卫成业,严建华,商敏儿,等. 利用面阵CCD 进行火焰温度分布测量(I): 二维投影温度场的测量[J].热能动力工程,2002, 17(1): 58-61.
WEI Cheng-ye, YAN Jian-hua, SHANG Min-er. Measurements of flame temperature distribution by the use of a colored array CCD(charge coupled device)(I): the measurement of a two dimensional projection temperature field[J]. Journal of Engineering for Thermal Energy and Power, 2002, 17(1): 58-61.
[10]卫成业,严建华,商敏儿,等.利用面阵CCD 进行火焰温度分布测量(Ⅱ): 三维截面温度场的测量[J].热能动力工程, 2002, 17(2): 161-165.
WEI Cheng-ye,YAN Jian-hua,SHANG Min-er, et al. Measurement of flame temperature distribution using array CCD(II): three dimensional cross section temperature field measurement[J]. Journal of Engineering for Thermal Energy & Power, 2002, 17(2): 161-165.
[11]章毓晋.图像处理和分析[M]. 北京:清华大学出版社,1999.
ZHANG Yu-jin. Image processing and analyzing[M].Beijing: Tsinghua University Press ,1999.
[12]王耀南,李树涛,毛建旭.计算机图像处理与识别技术[M].北京:高等教育出版社,2001.
WANG Yao-nan, LI Shu-tao, MAO Jian-xu. Image processing and recognizing technology with computer[M].Beijing: Higher Education Press, 2001.

收稿日期:2004-09-08

基金项目:国家自然科学基金资助项目(50374079);国家博士点基金资助项目(20030533008)

作者简介:宋海鹰(1975-),男,江苏泰州人,博士研究生,从事信息处理及复杂过程控制研究

论文联系人: 宋海鹰,男,博士研究生;电话:0731-8830394-1(O);E-mail:songhaiying1975@163.com