摘 要: 針對(duì)工業(yè)現(xiàn)場(chǎng)所拍攝的高溫熔體" title="熔體">熔體表面覆蓋有大量煙霧且難以有效分割的狀況，提出一種目標(biāo)圖像的組合識(shí)別方法，即先采用分色分割算法去除雜散光、光暈和霧狀、點(diǎn)狀噪聲等干擾，然后用改進(jìn)的最大類間方差算法分割高溫目標(biāo)圖像，并運(yùn)用數(shù)學(xué)形態(tài)學(xué)方法對(duì)分割結(jié)果進(jìn)行后處理以消除游離點(diǎn)和孔洞，使圖像邊緣平滑。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地分割出目標(biāo)圖像，并減小目標(biāo)圖像所受的噪聲干擾，有較強(qiáng)的實(shí)用性。
　　關(guān)鍵詞: 圖像目標(biāo)識(shí)別； 數(shù)字圖像處理； 輻射測(cè)溫" title="測(cè)溫">測(cè)溫； 目標(biāo)分割

?

　　利用CCD圖像傳感器和數(shù)字圖像處理技術(shù)實(shí)現(xiàn)高溫溫度場(chǎng)" title="溫度場(chǎng)">溫度場(chǎng)的軟測(cè)量，已成為當(dāng)前高溫測(cè)量領(lǐng)域的研究熱點(diǎn)之一^[1]。在利用CCD圖像傳感器獲得的高溫輻射圖像進(jìn)行溫度計(jì)算時(shí)，必須先從輻射圖像中準(zhǔn)確識(shí)別待測(cè)目標(biāo)，從而得到正確的高溫熔體表面溫度場(chǎng)^[2]。由于測(cè)量現(xiàn)場(chǎng)環(huán)境惡劣，工況復(fù)雜，高溫熔體表面常常會(huì)被大量的煙霧掩蓋，使圖像傳感器所獲取的高溫輻射圖像充滿噪聲和煙霧干擾。因此，研究一種抗噪性強(qiáng)，并能將煙霧有效地從被測(cè)目標(biāo)中去除的方法很有必要。
　　參考文獻(xiàn)[3]提出了一種分別采用雙峰法和最大方差自動(dòng)取閾值法確定分割閾值，再根據(jù)高溫輻射體" title="輻射體">輻射體的灰度值近似相等來(lái)選擇合適的分割閾值，以此識(shí)別出待測(cè)目標(biāo)的算法。而參考文獻(xiàn)[4]提出了一種基于Bubble小波變換的高溫輻射體圖像分割" title="圖像分割">圖像分割算法。但是當(dāng)煙霧亮度或顏色值和輻射體相近時(shí)，這些算法都不能有效去除煙霧對(duì)高溫熔體的影響。
　　針對(duì)以上情況，本文提出一種目標(biāo)圖像的組合識(shí)別方法。該方法先根據(jù)高溫輻射體三基色圖像的噪聲特點(diǎn)，通過(guò)對(duì)紅、綠基色圖像分別進(jìn)行分割來(lái)減小甚至消除高溫輻射體圖像的各種噪聲；然后對(duì)分割的結(jié)果用改進(jìn)的最大類間方差算法進(jìn)一步分割以去除煙霧干擾，達(dá)到準(zhǔn)確分割的目的；最后運(yùn)用數(shù)學(xué)形態(tài)學(xué)方法對(duì)分割結(jié)果進(jìn)行后處理，以消除目標(biāo)圖像中的游離點(diǎn)和孔洞，并使圖像邊緣平滑。
1 分色分割算法
　　當(dāng)被測(cè)目標(biāo)的直方圖具有良好的雙峰特性時(shí)，運(yùn)用直方圖閾值化分割算法可以得到很好的分割效果^[5-6]。而高溫輻射體的紅、綠基色圖像都具有典型的雙峰特征，故直方圖閾值化分割算法適用于對(duì)高溫輻射體進(jìn)行分色分割^[7]。
??? 由普朗克定律可知，輻射體溫度升高時(shí)，其光譜輻射亮度曲線的峰值波長(zhǎng)向短波方向移動(dòng)。由于不同類型的輻射干擾集中于不同的波段，因此，可以采用分色分割的方法將其去除。
1.1 利用紅基色圖像分割去除雜散光干擾
????雜散光干擾處于短波段，其干擾圖像與高溫輻射體的綠基色圖像相近，因此在對(duì)綠基色圖像進(jìn)行分割時(shí)，雜散光干擾圖像會(huì)被誤作目標(biāo)，而對(duì)紅基色圖像進(jìn)行分割卻可以有效去除雜散光干擾。
??? 設(shè)c(x，y)為原始圖像像素點(diǎn)(x，y)處的灰度值，R(x，y)、G(x，y)、B(x，y)為原始圖像像素點(diǎn)(x，y)處的紅、綠、藍(lán)基色值，TR是運(yùn)用直方圖閾值化分割算法求得的紅基色圖像的分割閾值，cR(x，y)是(x，y)處的紅基色目標(biāo)圖像像素值，則：
?

1．2 利用綠基色圖像分割去除霧狀、點(diǎn)狀噪聲和光暈干擾
　　霧狀、點(diǎn)狀噪聲和光暈干擾主要集中在紅色波段，因此對(duì)綠基色圖像進(jìn)行分割可以有效地去除這類干擾。設(shè)c_G(x，y)是(x，y)處的綠基色目標(biāo)圖像像素值，T_G是運(yùn)用直方圖閾值化分割算法求得的綠基色圖像的分割閾值，則有：
　　?

　　對(duì)高溫輻射體的紅、綠基色圖像進(jìn)行分割后，若取分割結(jié)果的交集作為高溫輻射目標(biāo)圖像的識(shí)別結(jié)果，則既可以消除雜散光干擾，又可以消除光暈和霧狀、點(diǎn)狀噪聲干擾，即：
　　　　

式中，c_RG(x，y)是高溫輻射體目標(biāo)圖像的分割結(jié)果。
2 改進(jìn)的最大類間方差算法
2．1 傳統(tǒng)的最大類間方差算法
　　最大類間方差算法一直被認(rèn)為是最優(yōu)的閾值自動(dòng)選取方法^[7-8]。記f(i,j)為M×N圖像(i,j)點(diǎn)處的灰度值,灰度級(jí)為m,設(shè)f(i,j)取值為[0,m-1]，記p(k)為f(i,j)灰度值為k的頻率,則有:
　　

　　假設(shè)用灰度值t為閾值分割出的目標(biāo)與背景分別為{f(i,j)?燮t}和{f(i,j)>t},則目標(biāo)所占比例為：?????????
　　
　　背景部分的像素點(diǎn)數(shù)為:??
　　

式(15)中，右邊括號(hào)內(nèi)實(shí)際上就是類間方差值,閾值th分割出的目標(biāo)和背景兩部分構(gòu)成了整幅圖像。目標(biāo)灰度取值為μ₀(t),其概率為ω₁(t)；背景灰度取值為μ₁(t),其概率為ω₀(t),總均值為μ。因方差是灰度分布均勻性的一種度量,方差值越大,說(shuō)明構(gòu)成圖像的兩部分差別越大。部分目標(biāo)錯(cuò)分為背景或部分背景，錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分的差別變小,因此使類間方差最大的分割意味著錯(cuò)分概率最小。
2．2 改進(jìn)的最大類間方差算法
??? 最大類間方差算法是以灰度均值來(lái)區(qū)分目標(biāo)與背景的，而灰度分布參數(shù)除了有灰度均值外還有方差, 因?yàn)閳D像的灰度平均方差反映了圖像灰度分布的均勻性(離散程度) ,圖像目標(biāo)與背景區(qū)內(nèi)部灰度分布相對(duì)較均勻,而邊界及其附近點(diǎn)的灰度躍變通常較大,灰度平均方差值近似地反映了圖像邊界點(diǎn)的灰度躍變情況。如果分割出的兩部分中，某部分的平均方差與總圖的平均方差很接近,則說(shuō)明有可能把整個(gè)邊界及其附近點(diǎn)都分割到該部分了,即出現(xiàn)了錯(cuò)分。據(jù)此分析,以灰度平均方差代替?zhèn)鹘y(tǒng)的最大類間方差算法中的均值是合理的,即:
???

2．3 改進(jìn)的最大類間方差分割步驟
　　(1) 選取分色分割算法得到的I_RG(x,y)，將I_RG(x,y)所標(biāo)明的前景區(qū)域所有的像素的紅色分量值逐列生成一個(gè)列向量v。
　　(2) 采用改進(jìn)的最大類間方差算法求v的分割閾值T_R′，利用下式得到I_R′(x,y)：
　　
　　(3) 對(duì)二值圖像I_R′(x,y)進(jìn)行二值圖像形態(tài)學(xué)操作。首先采用閉操作對(duì)前景區(qū)中的細(xì)小空洞進(jìn)行填充，然后運(yùn)用開(kāi)操作去除背景區(qū)的孤立塊，平滑前景區(qū)邊緣。
　　(4) 由I_R′(x,y)得到最終的分割結(jié)果：
　　
3 實(shí)驗(yàn)結(jié)果
　　高溫熔體識(shí)別效果比較如圖1所示。圖1(a)、圖1(d)是在用CCD圖像傳感器拍攝的含有煙霧干擾的某銅冶煉廠閃速爐放銅口的銅熔體圖像。圖1(b)、圖1(e)是運(yùn)用分色分割算法進(jìn)行識(shí)別的效果?？梢?jiàn)該方法雖能較準(zhǔn)確識(shí)別高溫輻射體，但是對(duì)目標(biāo)區(qū)邊緣的煙霧分割效果并不明顯。而圖1(c)、圖1(f)是在分色分割基礎(chǔ)上運(yùn)用改進(jìn)的最大類間方差算法分割的效果，可見(jiàn)本文的方法有效地去除了目標(biāo)圖像邊緣煙霧的干擾，準(zhǔn)確識(shí)別出了目標(biāo)輻射體。

?