引用本文

蒋朝辉, 吴巧群, 桂卫华, 阳春华, 谢永芳. 基于分数阶的多向微分算子的高炉料面轮廓自适应检测. 自动化学报, 2017, 43(12): 2115-2126. doi: 10.16383/j.aas.2017.c160621

JIANG Zhao-Hui, WU Qiao-Qun, GUI Wei-Hua, YANG Chun-Hua, XIE Yong-Fang. Adaptive Detection of Blast Furnace Surface Contour with Fractional Multi-directional Differential Operator. ACTA AUTOMATICA SINICA, 2017, 43(12): 2115-2126. doi: 10.16383/j.aas.2017.c160621

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160621

关键词

高炉料面图像，轮廓检测，图像增强，分数阶微分，Canny算子 

摘要

高炉料面图像含有丰富的高炉炉况信息，高炉料面轮廓能直接反映料面的凹凸起伏、煤气流分布以及炉况等信息，但高炉料面图像具有对比度低、细节不明显和有强亮斑等特点，使得高炉料面轮廓检测十分困难.本文提出一种新型的高炉料面轮廓检测方法：1）对高炉料面图像进行预处理，增强图像动态范围和图像边缘信息；2）采用分数阶的多向微分算子提取一组料面轮廓可行域；3）用自适应方法确定最佳分数阶阶次，获得可行域中最优的料面轮廓曲线；4）用改进的Canny算子对其进行修正和补偿，得到连续准确的料面轮廓曲线.理论研究和实验结果表明，该方法可准确获取平滑的高炉料面轮廓，对高炉操作人员及时有效调控布料具有很好的参考价值.

文章导读

高炉内各机械探尺之间的料位高低是调控高炉布料操作的主要参考信息, 但随着料面检测技术的发展, 可以粗略地从高炉料面图像获取炉内炉料分布情况[1], 而高炉料面轮廓最能直观反映高炉料面的起伏凹凸状态、煤气流分布情况以及炉况信息, 高炉操作人员可以通过料面轮廓来调整布料制度[2], 因此研究高炉料面轮廓的实时在线检测具有重要的实用价值.

由于高炉内部高温、高粉尘和密闭无光等恶劣环境[3], 使得从现场采集的料面图像具有以下特点: 1)整个图像的对比度不高, 图像偏暗, 细节模糊; 2)受中心光源的影响, 图像中心区域出现曝光过度现象, 呈现白色区域; 3)远离中心光源区域图像细节模糊; 4)料面区域与光源中心区域间的轮廓线较模糊.高炉料面轮廓提取的目的是从复杂的料面纹理背景以及非料面区中获得准确平滑, 含噪声少的主料面轮廓线, 该主轮廓线是跨越两个机械探尺测量区域的料面曲线, 理想情况下高炉内各个探尺的测量点应位于轮廓线上.高炉料面图像的特点以及料面轮廓提取的要求导致高炉料面轮廓检测困难, 致使通过布料来调控高炉炉况的时间过长, 造成炼铁过程资源消耗大、煤气利用率不高, 排放超标.因此亟需提出适合高炉料面图像特点的料面轮廓检测方法来为高炉炼铁过程实现精细化调控布料提供可靠信息.

现有的轮廓检测方法基本上是通过微分运算的边缘检测法.例如Sobel算子[4]、Prewitt算子[5-6]等一阶微分算子和Laplace算子[7]、LoG算子[8-9]等二阶微分算子.这些算子虽然具有实现简单、运行较快的优点, 但存在以下缺点: 1)检测的边缘不全面, 会出现孤立点或断续边缘; 2)不能保证得到的是单像素边缘, 需对其进行细化以及连接处理才能完成轮廓提取; 3)二阶微分提取的边界还会出现双边效应, 对噪声敏感, 无法获取正确的轮廓.而高炉料面图像的特点, 使得上述检测方法无法满足高炉料面轮廓定位精确、对噪声不敏感和纹理噪声少等要求.

近年来，分数阶微分算法[10-11]已成为图像处理研究的热点, 分数阶微分运算相对整数阶微分运算可以大幅度提升图像的高频信息, 同时能非线性保留轮廓细节部分, 且对噪声不敏感[12].因此, 利用分数阶微分算法对噪声不敏感且分数阶阶次可调等优点来进行高炉料面轮廓提取, 可保持其原有的边缘信息, 但获得的高炉料面轮廓不平滑还含有少量噪声.在众多边缘提取算子中, Canny算子[13-14]具有信噪比高、定位精确和单边缘响应的优点[15], 正好满足高炉料面轮廓检测的要求, 但Canny算子对高炉料面进行图像处理时, 要经过多次试探才能确定合适的高低阈值, 对于大量的图像会增加时间复杂度, 缺乏自动性和普适性.

针对高炉料面图像特点, 融合分数阶微分算子和Canny算子的优点, 本文提出一种基于分数阶的多向微分算子的高炉料面轮廓自适应检测方法, 其思路如图 1所示: 1)对图像进行预处理, 增强图像动态范围和图像边缘信息; 2)采用分数阶的多向微分算子提取一组料面轮廓可行域; 3)用自适应方法确定最佳分数阶阶次, 获得可行域中最优的料面轮廓曲线; 4)用改进的Canny算子对其进行修正和补偿, 得到连续准确的料面轮廓曲线.

图 1  高炉料面轮廓检测过程

图 2  高炉料面图像

图 3  高炉料面增强图像

通过对高炉料面图像特点的分析, 提出了一种适合高炉料面轮廓检测方法.实例仿真及验证表明该方法有以下优点:

1) 预处理使图像轮廓清晰, 边缘信息增强方便后续的边缘检测;

2）基于Sobel算子原理, 创新性地推导出45与135方向上的分数阶微分算子, 加上文献[20]提出的水平与垂直方向的分数阶微分算子实现了四个方向对高炉料面轮廓提取;

3) 对于分数阶阶次的确定, 以0.2为步长选取不同的v得到一组高炉料面轮廓图来确定轮廓可行域, 然后自定义评价函数自适应确定了最佳分数阶阶次;

4) 改进的Canny算子对高炉料面具有很好的去噪效果, 其自适应确定的高阈值决定的强边缘像素具有定位准确的优点, 在八邻域内来连接最佳分数阶阶次下检测的高炉料面轮廓曲线, 达到了修正和补偿料面轮廓的目的.

5) 从定性分析和定量分析比较本文算法与经典边缘检测算子, 验证了本文算法检测的边缘所含噪声最少, 定位精确, 能够比较直观的看出高炉料况, 对现场操作人员具有指导意义.

作者简介

吴巧群

中南大学信息科学与工程学院硕士研究生.主要研究方向为图像处理, 智能控制系统.E-mail:qiaoqunwu@126.com

桂卫华 

中国工程院院士, 中南大学信息科学与工程学院教授.主要研究方向为复杂工业过程建模与优化控制, 工业大系统控制理论与应用.E-mail:gwh@mail.csu.edu.cn

阳春华 

博士, 中南大学信息科学与工程学院教授.主要研究方向为复杂工业过程建模与优化控制, 智能自动化控制系统.E-mail:ychh@mail.csu.edu.cn

谢永芳

XIE Yong-Fang  Ph.D., professor at the School of Information Science and Engineering, Central South University. His research interest covers modeling and optimal control of complex industrial process, and distributed robust control

蒋朝辉 

博士, 中南大学信息科学与工程学院副教授.主要研究方向为复杂工业过程建模与优化控制, 广义大系统控制理论与应用.本文通信作者.E-mail:jzh0903@csu.edu.cn