基于图像处理对二氧化硅熔融行为的研究

江紫薇 安智伟 焦裕刚

摘  要： 二氧化硅作为铁尾矿的主要组成成分，是铁尾矿组分中最难熔融的部分。为了揭示铁尾矿在高炉渣中的熔融行为，根据一组熔融过程中高温熔池中二氧化硅的时序图像，研究了高温下二氧化硅颗粒的熔融过程。首先将图像灰度化后并利用高斯滤波去燥等方法对图像进行了预处理，然后建立了二氧化硅质心位置模型，利用KLT算法跟踪了二氧化硅质心的运动轨迹，利用帧差法和CNN算法计算了二氧化硅的实时面积。最后根据二氧化硅的边缘轮廓特征，建立了多元线性回归模型估算颗粒的扁平度，进而得出了二氧化硅颗粒的实时质量并求解出了二氧化硅的熔融速率。该研究对改进高炉渣直接成纤技术具有重要的指导意义。

关键词： 帧差法;高斯滤波;CNN算法;多元线性回归

中图分类号： TP391    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2020.07.041

本文著录格式：江紫薇，安智伟，焦裕刚. 基于图像处理对二氧化硅熔融行为的研究[J]. 软件，2020，41（07）：201-205+234

Study on the Melting Behavior of Silica Based on Image Processing

JIANG Zi-wei¹， AN Zhi-wei²， JIAO Yu-gang²

（1. School of science， Jiangxi University of Science and Technology， Ganzhou 341000， China;2. School of science， North China University of Technology， Beijing 100144， China）

【Abstract】： The silica is the main component of iron tailings， which is also the most difficult part to melt. In order to reveal the melting behavior of iron tailings in blast furnace slag， the melting process of silica particles at high temperature was studied according to a series of time sequence images of silica in high temperature molten pool during the melting process. Firstly， the image was preprocessed with the method of gaussian filtering and desiccation， and then the position model of silica center of mass was established. The motion track of silica center of mass was tracked by KLT algorithm， and the real time area of silica was calculated by frame difference method and CNN algorithm. Finally， according to the edge profile of silica， a multiple linear regression model is established to estimate the flatness of silica particles， and then the real-time mass of silica particles is obtained and the melting rate of silica is calculated. This research has important guiding significance to improve the direct blast furnace slag fiber forming technology.

【Key words】： Frame difference; Gaussian filter; CNN; Multiple linear regression

0  引言

高爐渣是高炉炼铁过程产生的主要副产品，其年产量高、利用率低^[1，2]。为了提高高炉渣的综合利用价值，高炉渣纤维化制备矿渣棉技术应运而生。这种技术保温材料的发展带来前景，还对钢铁行业的节能减排具有重要意义^[3，4]。而高炉渣废石的熔解过程主要以SiO2熔解为主^[5]，因此，研究二氧化硅的熔融行为对表征铁尾矿的熔融过程具有现实意义。但是高温熔池温度过高，常规检测设备在该环境下的使用寿命很短。

为了解决这一问题，相关研究小组在世界范围内首次采用了一种具有放大作用的裂口CCD视频拍摄系统，通过该方法获得了一组高温熔池中二氧化硅的动态可视数据（时间序列下的序列图像及视频）。本文研究的主要目标是如何根据这一组时序图像，追踪二氧化硅在熔融这一动态过程中的运动轨迹、边缘轮廓特征和实时熔融速率。

1  图像的预处理

为了对二氧化硅的边缘轮廓特征进行更加精准的定位，笔者对高温熔池中二氧化硅的动态图片进行了批量预处理。首先利用Python中Open.cv库将其灰度化，彩色图像灰度化实质是将一个彩色图像的三位像素矩阵为生成一个二维灰度矩阵的过程^[6]，在最大程度上保留彩色图像信息的基础上还减小了图像的原始数据量，从而减少了后续过程的计算复杂度。然后进一步二值化处理并利用高斯滤波去燥^[7]使处理后的图像变得更加平滑。最后，通过调整高斯模糊半径来控制获得的边缘的强度，放大了二氧化硅和图像中其他物体之间的差异，增强了计算机对二氧化硅运动轨迹的识别能力。

2  符号说明

3  二氧化硅质心追踪模型

3.1  质心追踪模型的建立

根据组成二氧化硅的绝大多数离散点的分布情况，即可追踪到熔融过程中二氧化硅的近似形状。假设二氧化硅的质量是均匀的，那么质心和其他质点之间关系如下

3.2  质心跟踪模型的求解

KLT目标跟踪算法是一种以待跟踪窗口W在视频图像帧间的灰度差平方和（SSD）作为度量的跟踪算法^[8，9]，利用每个特征点周围小窗口的局部信息之间的相似性度量进行最优估计。该算法耗时较少，匹配度十分精准。

KLT算法的具体流程图见图2。

将处理后的图片的左上角设置为坐标的原点，并建立平面直角坐标系如图3所示。

基于质心跟踪模型的基础上，利用KLT算法跟踪得到二氧化硅质心的实时坐标，部分坐标见表1。

由于二氧化硅的质心的移动相对较慢且数据点较多，为了更加形象、清晰地描述二氧化硅质心在坩埚中的运动轨迹，笔者利用MATLAB从中依次间隔五个质心点中取一个绘制出了二氧化硅的运动轨迹图像，见图4。

通过观察图4可见二氧化硅在熔融时做无规则的运动，这与实际情况相符。在笔者的仔细对比下发现结果中二氧化硅质心的运动轨迹和拍摄视频中二氧化硅形心的运动轨迹高度吻合，进一步说明了模型的可靠性强和算法的准确性高。

4  二氧化硅熔融的边缘轮廓特征

本文选择面积来代表二氧化硅在熔融过程中的边缘轮廓特征。首先考虑使用背景相减法得出二氧化硅轮廓进而求出二氧化硅的面积，但是由于所取背景的轻微移动导致所得结果存在些许误差然后分别使用了帧差法、卷积神经网络算法提取了二氧化硅熔融图像中的轮廓。

4.1  帧差法

帧差法是一种从视频中提取图像并对其进行比较以获得运动目标的方法。帧差法依据的原则是当视频中存在移动物体的时候，相邻帧（或相邻三帧）之间在灰度上有所差别，通过计算两帧图像灰度差的绝对值判断物体的运动状态，从而实现目标的检测功能。 相邻帧之间的对比度实际上是图像上相应像素的对比度，那么

4.2  卷积神经网络

卷积神经网络最初是在人类视觉系统的基础上提出的，主要由输入层，卷积层，池化层，全连接层和输出层组成，见图6。CNN是深度学习领域中重要的一种学习模型和一种非常适合处理图像识别与处理的多层神经网络，它還广泛地应用于语言识别和气候预测等^[10，11]。

在卷积神经网络中，通常可以通过下式表示二维卷积。

CNN算法流程图见图7。

我们将表3中的面积数据导入到MATLAB中，并使用高斯函数拟合二氧化硅面积随时间变化的图像，见图8。

5  二氧化硅熔融速率模型

5.1  二氧化硅的体积模型

对于任意形状颗粒集合的二值图像，基于其形状轮廓特征定义一个与颗粒形状相关的描述量，并将其无量纲化^[12]。通过建立一个以该无量纲为回归变量的多元线性回归模型即可估算颗粒的扁平度，进而估算该颗粒集合的体积。那么，二氧化硅的扁平度为

5  结论

（1）本文通过对一组熔融过程中高温熔池中二氧化硅的时序图像的研究，基于多元回归的思想并结合KLT追踪算法、帧差法、CNN算法等求解出了二氧化硅的实时熔融速率，计算结果十分贴合实际情况。该结果对高炉渣直接成纤技术提供了理论支持，有利于提高生产过程中的工作效率。

（2）高温熔炉中二氧化硅的熔化行为本身就是一个复杂且不易捕捉的过程，而本文直观地反映了高温熔炉中二氧化硅的状态。这样非直接接触式的研究，在一定程度上减轻了反复试验所带来的资金的负担和资源的损失。

（3）对于任何形状的连续粒子集，如果知道背景变动不大的动态物体图像信息，那么可以使用本文中的模型和算法估算目标物体的质心位置、面积大小和熔融速率，具有十分广泛的运用前景。该模型可以扩展到较大尺寸范围的粒子，并且可以找到更复杂的形状特征参数以建立更准确的模型估计。

參考文献

<！--[if ！supportLists]-->[1]       <！--[endif]-->蔡爽， 张玉柱， 李俊国， 等. 酸度系数对调质高炉渣成纤

质量的影响[J]. 钢铁钒钛， 2015， 36（05）： 47-52.

<！--[if ！supportLists]-->[2]       <！--[endif]-->洪陆阔， 孙彩娇， 武兵强， 等. 以铁尾矿为调质剂改善高炉渣成纤性研究[J]. 金属矿山， 2017（08）： 209-212.

<！--[if ！supportLists]-->[3]       <！--[endif]-->吴剑飞. 高炉渣纤维制备建筑保温板及其性能优化[D]. 河北联合大学， 2013.

<！--[if ！supportLists]-->[4]       <！--[endif]-->康月. 高炉渣纤维保温板的性能优化[D]. 华北理工大学， 2016.

<！--[if ！supportLists]-->[5]       <！--[endif]-->田铁磊. 高炉渣成纤过程调质剂的熔解机理及均质化行为研究[D]. 燕山大学， 2018.

<！--[if ！supportLists]-->[6]       <！--[endif]-->刘美. 彩色图像灰度化算法的研究与实现[D]. 长春理工大学， 2019.

<！--[if ！supportLists]-->[7]       <！--[endif]-->曹鹏涛， 张敏， 李振春. 基于广义S变换及高斯平滑的自适应滤波去噪方法[J]. 石油地球物理勘探， 2018， 53（06）： 1128-1136+1187+1109.

<！--[if ！supportLists]-->[8]       <！--[endif]-->蔡佳， 黄攀峰. 基于改进SURF和P-KLT算法的特征点实时跟踪方法研究[J]. 航空学报， 2013， 34（05）： 1204-1214.

<！--[if ！supportLists]-->[9]       <！--[endif]-->段鸿， 程义民， 王以孝， 等. 基于Kanade-Lucas-Tomasi算法的人脸特征点跟踪方法[J]. 计算机辅助设计与图形学学报， 2004（03）： 279-283.

<！--[if ！supportLists]-->[10]    <！--[endif]-->高登峰， 杨波， 刘洪， 等. 多特征全卷积网络的地空通话语音增强方法[J/OL]. 四川大学学报（自然科学版）， 2020（02）： 289-296 [2020-03-29].

<！--[if ！supportLists]-->[11]    <！--[endif]-->王晨， 寇鹏. 基于卷积神经网络和简单循环单元集成模型的风电场内多风机风速预测[J/OL]. 电工技术学报： 1-14 [2020-03-29].

<！--[if ！supportLists]-->[12]    <！--[endif]-->陈恳， 赵攀， 汪一聪. 基于任意形状颗粒集合二值图像的体积估算模型[J]. 宁波大学学报（理工版）， 2007（02）： 141-146.