高温辐射体目标图像的组合识别方法

高温辐射体目标图像的组合识别方法

李晟，彭小奇，孙元，李玉晓

（中南大学物理科学与技术学院，湖南长沙４１００８３）

幸

摘要：针对工业现场所拍摄的高温熔体表面覆盖有大量烟雾且难以有效分割的状况，提出一种目标图像的组合识别方法，即先采用分色分割算法去除杂散光、光晕和雾状、点状噪声等干扰，然后

用改进的最大类间方差算法分割高温目标图像，并运用数学形态学方法对分割结果进行后处理以消除游离点和孔洞，使图像边缘平滑。实验结果表明，该方法能够有效地分割出目标图像，并减小目标

图像所受的噪声干扰，有较强的实用性。

关键词：图像目标识别；数字图像处理；辐射测温；目标分割

Ｃｏｍｂｉｎａｔｅｄｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｏｆｈｉｇｈ－ｔｅｍｐｅｒａｔｕｒｅｔａｒｇｅｔｉｍａｇｅ

ＬＩＳｈｅｎｇ，ＰＥＮＧＸｉａｏ

Ｑｉ，ＳＵＮ

Ｙｕａｎ，ＬＩＹｕＸｉａｏ

Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ

（ＳｃｈｏｏｌｏｆＰｈｙｓｉｃｓＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＣｅｎｔｒａｌＳｏｕｔｈ４１００８３，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｓ

ｔｏ

ｔｈｅｓｈｏｏｔｉｎｇｏｆ山ｅｈｉｓｈ—ｔｅｍｐｅｒａｔｕｒｅｍｅｌｔ８ｎｒｆａｃｅｃｏｖｅｒｅｄｗｉｔｈ

ｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄ

ｏｆｔａｒｇｅｔ

ｉｍａｇｅ

ｉｓ

ａ

ｌａｔ

ｏｆｓｍｏｋｅｉｎ

ｆｉｒｓｔ

ｉｎｄｕｓｔｒｉａｌ

ｄｉｃｈｒｏｉｃ

ｆｉｅｌｄ。ｉｔ

ｉｓｄｉｆｆｉｃｕｌｔ

ａｌｇｏ—

ｅｆｆｅｃｔｉｖｅｌｙｓｅｇｍｅｎｔ．Ａ

ｔｏ

ｃｏｍｂｉｎａｔｅｄ

ｐｒｏｐｏｓｅｄ，ｗｈｉｃｈ

ｕｓｅｓ

ｓｅｇｍｅｎｔａｔｉｏｎ

ｒｉｔｈｍｔｈｅ

ｒｅｍｏｖｅＶＫｒｉＯＵ８ｎｏｉｓｅ，ａｎｄ

ｔｈｅｎ

ＵｓｅＳｔｈｅｉｍｐｒｏｖｅｄＯｔｓｕ

ｔｏ

ｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｈｉｇｈ

ｔｅｍｐｅｒａｔｕｒｅｔａｒｇｅｔｔｈｅｄｉｓｓｏｃｉａｔｉｏｎｓａｎｄ

ｉｍａｇｅ．Ｆｉｎａｌｌｙ，ｎａｒｒｏｗ

ｈｏｌｅｓ，

ｍｏｒｐｈｏｌｏｇｙｍｅｔｈｏｄｉｎｍａｔｈｅｍａｔｉｃｓｉｓａｐｐｌｉｅｄ

ｓｍｏｏｔｈ

ｔｈｅｉｍａｇｅ’Ｓ

ｐｒｏｃｅｓｓｔｈｅ

ｓｅｇｍｅｎｔｅｄ

ｔｈａｔ

ｉｍａｇｅａｎｄｒｅｍｏｖｅ

ｗｈｉｃｈｗｉｌｌｈｉｓｈ

ｅｄｇｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌ

ｒｅｓｕｌｔｓｓｈｏｗｔｈｅ

ｍｅｔｈｏｄ

ｃａｌｌ

ｒｅｃｏｇｎｉｚｅｈｉｓｈ

ｔｅｍｐｅｒａｔｕｒｅｒａｄｉａｔｏｒｗｉｔｈ

ａｃｃｕｒａｃｙａｎｄｐｒａｃｔｉｃａｂｉｌｉｔｙ．

Ｋｅｙｗｏｒｄｓ：ｔａｒｇｅｔｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎ；ｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；ｔｅｍｐｅｒａｔｕｒｅｒａｄｉａｔｉｏｎｍｅａｓｕｒｅｍｅｎｔ；ｔａｒｇｅｔ

ｓｅｇｍｅｎｔａｔｉｏｎ

利用ＣＣＤ图像传感器和数字图像处理技术实现高方法。该方法先根据高温辐射体三基色图像的噪声特

温温度场的软测量，已成为当前高温测量领域的研究热

点之一…。在利用ＣＣＤ图像传感器获得的高温辐射图像进行温度计算时，必须先从辐射图像中准确识别待测目标，从而得到正确的高温熔体表面温度场１２１。由于测量现场环境恶劣，工况复杂，高温熔体表面常常会被大量的烟雾掩盖，使图像传感器所获取的高温辐射图像充满噪声和烟雾干扰。因此，研究一种抗噪性强，并能将烟雾有效地从被测目标中去除的方法很有必要。

参考文献【３】提出了一种分别采用双峰法和最大方差自动取阈值法确定分割阈值，再根据高温辐射体的灰度值近似相等来选择合适的分割阈值，以此识别出待测目标的算法。而参考文献［４】提出了一种基于Ｂｕｂｂｌｅ小波变换的高温辐射体图像分割算法。但是当烟雾亮度或颜色值和辐射体相近时，这些算法都不能有效去除烟雾对高温熔体的影响。

点，通过对红、绿基色图像分别进行分割来减小甚至消

除高温辐射体图像的各种噪声；然后对分割的结果用改进的最大类问方差算法进一步分割以去除烟雾干扰，达到准确分割的目的；最后运用数学形态学方法对分割结果进行后处理，以消除目标图像中的游离点和孔洞，并使图像边缘平滑。

１分色分割算法

当被测目标的直方图具有良好的双峰特性时，运用直方图阈值化分割算法可以得到很好的分割效果ＩＳ－６１。而高温辐射体的红、绿基色图像都具有典型的双峰特

征，故直方图阈值化分割算法适用于对高温辐射体进行

分色分割１７１。

由普朗克定律可知，辐射体温度升高时，其光谱辐

射亮度曲线的峰值波长向短波方向移动。由于不同类型

的辐射干扰集中于不同的波段，因此，可以采用分色分割的方法将其去除。

针对以上情况，本文提出一种目标图像的组合识别

＋国家自然科学基金项目（５０３７４０９７）；博士点专项科研基金项目（２００３０５３３００８）；湖南省自然科学基金项目（０６Ｅ０１０６）

《电子技术应用》２００８年第４期

欢迎订购《电子技术应）２０００－２００６年合订光盘（ｏｌｏ．８２３０６０８４）１２９

１．１利用红基色图像分割去除杂散光干扰

杂散光干扰处于短波段，其干扰图像与高温辐射体的绿基色图像相近，因此在对绿基色图像进行分割时，杂散光干扰图像会被误作目标，而对红基色图像进行分割却可以有效去除杂散光干扰。

设ｃ＠，，，）为原始图像像素点０，，，）处的灰度值，月＠，Ｙ）、Ｇ（髫，Ｙ）、Ｂ（茗，Ｙ）为原始图像像素点＠，Ｙ）处的红、绿、蓝基色值，％是运用直方图阈值化分割算法求得的红基色图像的分割阈值，ｃ一＠，Ｙ）是（石，ｙ）处的红基色目标图像像素值，则：

１Ｒ（ｘ，ｙ，＝雌翥碧

㈩

靠＠，，，）＝尺＠，ｙ）ｘＩＲ（ｘ，ｙ）

（２）

１．２利用绿基色图像分割去除雾状、点状噪声和光晕干扰

雾状、点状噪声和光晕干扰主要集中在红色波段，因此对绿基色图像进行分割可以有效地去除这类干扰。

设ｃｃ（石，Ｙ）是＠，Ｙ）处的绿基色目标图像像素值，死是运

用直方图阈值化分割算法求得的绿基色图像的分割阈

值，则有：

Ｉｔ（ｘ，ｙ，＝雌舅瑟

㈤

．ｃｃ（ｘ，，，）＝Ｇ＠，ｙ）ｘｌｃ（ｘ，Ｙ）

（４）

对高温辐射体的红、绿基色图像进行分割后，若取

分割结果的交集作为高温辐射目标图像的识别结果，则

既可以消除杂散光干扰，又可以消除光晕和雾状、点状噪声干扰，即：

厶簖（髫，ｙ）＝（：Ｒ‘算’ｙ’≥篓惹Ｇ‘菇，ｙ’≥％

（５）ｃＪｗ（菇，，，）＝ｃ（石，ｙ）ｘＪ玉ｘ，Ｙ）

（６）

式中，ｃ瞄＠，，，）是高温辐射体目标图像的分割结果。

２改进的最大类间方差算法

’

２．１传统的最大类问方差算法

最大类问方差算法一直被认为是最优的阈值自动选取方法［７－ｓ］。记以ｉＪ）为ＭｘＮ图像（ｉＪ）点处的灰度值，

灰度级为ｍ，设以ｉｄ）取值为【０，ｍ—ｌ】，记Ｐ（ｋ）为以ｉｄ）灰度值为ｋ的频率，则有：

ｐ（Ｊ｜｝）２亩，（；杀。１

（７）

假设用灰度值ｆ为阈值分割出的目标与背景分别为

敝ｉｊ）ｓｔ｝和仉ｉ√）＞ｆＪ，则目标所占比例为：

ｔＯｏ（ｔ）＝∑ｐ（ｉ）

（８）

目标部分的像素点数为：

Ｎｏ（ｔ）＝ＭＮ．；ｐ（ｉ）

（９）

背景部分所占比例为：∞。（ｆ）＝∑ｐ（ｉ）

（１０）

背景部分的像素点数为：

１３０

欢迎网上投稿ＷＷＷ．ｃｈｉｎａａｅｔ．ｔｏｍ　

Ｎｏ（ｔ）＝ＭＮ∑Ｐ（ｉ）（１１）

目标的灰度均值为：脚（ｆ）＝∑ｉｐ（ｉ）／ｗｏ（ｔ）（１２）

背景的灰度均值为：ＩｔＩ（ｆ）＝∑ｉｐ（ｉ）／‘ｏ－（￡）（１３）

总均值为：

Ｉｔ＝Ｗｏ（ｔ）ｇｏ（ｔ）＋ｗ，（ｔ）ｉｔｌ（ｆ）

（１４）

根据方差的定义，目标图像的最佳阈值班为：

ｔｈ＝Ａｒｇ

Ｍａｘ【ｔｏｏ（ｔ）（ｇｏ（ｔ）－ｉｔ）２＋∞ｌ（ｆ）啦ｌ（ｔ）－ｉｔ）２】（１５）

式（１５）中，右边括号内实际上就是类间方差值，阈值味着错分概率最小。

最大类间方差算法是以灰度均值来区分目标与背为图像的灰度平均方差反映了图像灰度分布的均匀性差值近似地反映了图像边界点的灰度跃变情况。如果分ｔｈ＝Ａｒｇ

Ｍａｘ【ｔＯｏ（ｆ）（Ｄ分（ｔ）－ｏ－２）２＋（ｃＪｌ（ｔ）（∞２（ｚ）一ｃｒ２）２】（１６）

酊（ｆ）２丽１。曩；（ｉ－ｇｏ（‘））２ｐ（ｆ）（１７）

嘲）２丽１Ⅲ曼一．（ｉ－ｌｔ删２ｐ（ｆ）

（１８）矿（ｔ）＝

∑

（ｉ－Ｉｔ）２Ｐ（ｉ）

（１９）

（１）选取分色分割算法得到的‰（省，Ｙ），将，船（名，ｙ）所

（２）采用改进的最大类间方差算法求矽的分割阈值

％’，利用下式得到厶’（ｘ，ｙ）：

厶‰，，，）：ｆ？

“ｘ，ｙ）＜靠’

【１

ｅｌｓｅ

（２０）

（３）对二值图像厶７（戈，Ｙ）进行二值图像形态学操作。首先采用闭操作对前景区中的细小空洞进行填充，然后运用开操作去除背景区的孤立块，平滑前景区边缘。

《电子技术应用》２００８年第４期

ｍ分割出的目标和背景两部分构成了整幅图像。目标灰度取值为／ｔｏ（ｔ），其概率为∞－（ｔ）；背景灰度取值为Ｉｔ－（ｆ），其概率为０３０（ｆ），总均值为肛。因方差是灰度分布均匀性的一种度量，方差值越大，说明构成图像的两部分差别越大。部分目标错分为背景或部分背景，错分为目标都会

导致两部分的差别变小，因此使类间方差最大的分割意

２．２改进的最大类间方差算法

景的，而灰度分布参数除了有灰度均值外还有方差，因（离散程度），图像目标与背景区内部灰度分布相对较均匀，而边界及其附近点的灰度跃变通常较大，灰度平均方割出的两部分中，某部分的平均方差与总图的平均方差

很接近，则说明有可能把整个边界及其附近点都分割到该部分了，即出现了错分。据此分析，以灰度平均方差代替传统的最大类间方差算法中的均值是合理的，即：

其中：

２．３改进的最大类间方差分割步骤

标明的前景区域所有的像素的红色分量值逐列生成一个列向量口。

（４）由厶’（ｘ，ｙ）得到最终的分割结果：ｃ’（省，，ｒ）＝ｃ昭（菇，ｙ）ｘｔＲ’（茗，，，）

（２１）

表１对熔体图像识别后测温结果

测温结果／Ｋ

实际温度／Ｋ

ｌ１

３实验结果

高温熔体识别效果比较如图１所示。图ｌ（ａ）、图１（ｄ）是在用ＣＣＤ图像传感器拍摄的含有烟雾干扰的某铜冶炼厂闪速炉放铜口的铜熔体图像。图ｌ（ｂ）、图１（ｅ）是运用分色分割算法进行识别的效果。可见该方法虽能较准确识别高温辐射体，但是对目标区边缘的烟雾分割效果并不明显。而图ｌ（Ｃ）、图１（ｆ）是在分色分割基础上运用改进的最大类间方差算法分割的效果，?可见本文的方法有效地去除了目标图像边缘烟雾的干扰，准确识别出了目标辐射体。

分色分割

计算温度／Ｋ

相对误差，％

１．６０２．６５３．０３

组合分割

计算温度／Ｋ

ｌ２２９．７ｌ２２８．５１２３３．８

相对误差，％

０．３８

２３４．４２４３．３

ｌ２１４．６

ｌｌ

２ｌＯ．３２１１．５

１．２ｌ１．２８

ｌ２４９．４

大程度上减小了分割出的前景区的烟雾干扰，并表现出了很好的自适应性，不受灰度值的线性变化（图像对比度变化）和平移变化（图像亮度变化）的影响，某些导致平均方差有线性变化和平移变化的干扰不影响分割阈值的求取。实验结果表明，本文提出的组合分割方法能够有效地分割出目标区域，并有效地减小高温熔体表面的各类噪声干扰对测温带来的不利影响，使基于ＣＣＤ图像传感器的测温结果更加准确，因而具有较强的实用性。参考文献

【ｌ】周海叶．基于ＣＣＤ图像传感器的高温熔体表面温度场

测试技术的研究ｆＤ】．长沙：中南大学出版杜，２００４．【２】张玉杰，吕岑．基于彩色ＣＣＤ炉膛火焰温度场测量方法

（ａ）高温熔体图像（”分色分割的识别效果（ｃ）本文方法分割的识别结果

研究【Ｊ】．量子电子学报，２００４，２１（５）：６７４—６７８．【３】宋海鹰，彭小奇，刘征，等．基于非接触式温度测量中

的高温辐射体识别方法【Ｊ】．中南大学学报，２００５，３６

（３）：４２６－４２９．

【４】丁剑，彭小奇，刘征．Ｂｕｂｂｌｅ小波在高温辐射体图像分

割中的应用【Ｊ】．能源技术，２００５，２６（４）：１３９—１５４．

【５】ＰＡＬＮＲ，ＰＡＬＳ．Ａｒｅｖｉｅｗ

ｏｎ

ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｔｅｃｈ－

ｎｉｑｕｅｓ［Ｊ］．ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，１９９３，２６（１２）：１２７７－１２９４．

（ｄ）高温熔体图像

（ｅ）分色分割的识别效果（ｆ）车文方法分割的识９０结果

【６】席砺莼，闫宏伟．彩色图像的分割技术【Ｊ】．微机发展，

２００３，１３（４）：４６—４８．

图１高温熔体识别效果比较

【７】孙元，彭小奇，王一丁．基于彩色图像分割的高温辐射

运用本文所提出的第一级分色分割算法和第二级改进的最大类间方差算法分割图像后，分别对识别出的高温熔体图像用标定过的比色测温公式Ｉｉｏ）进行测温，测温结果如表１所示。

本文提出了一种组合分割方法，先对原始图像采用分色分割算法，分割出前景区域，再对该区域采用改进的最大类间方差算法，分割出实际目标图像；分色分割算法针对雾状、点状噪声和光晕干扰的噪声特点，通过对红、绿基色图像分别进行分割，可以减小甚至消除高温辐射体图像的这类噪声；改进的最大类间分割算法很（上接第１２８页）

本文针对医院ＨＩＳ系统的现状，尝试一种利用数据仓库与ＯＬＡＰ技术对海量数据进行分析的新方案，以解决医院管理的辅助决策问题。系统采用数据仓库总线架构形式。保证了系统的可行性与可扩展性；在客户端工具选择上则根据应用环境的划分策略，这是一种有益尝试。为了更好地支持辅助决策，系统应该引进数据挖掘

【９１

‘４体识别方法【Ｊ】．中国图像图形学报，２００７，２６（５）：３５—３７。［８１

ＳＡＨＯＯＰＫ．Ａ

Ｓｕｍｙ

ｏｆ

ｔｈｒｅｓｈ。ｌｄｉｎｇＩｍａｇｅ

ｔｅｃｈｎｉｑｕｅ［Ｊ】．

ＣｏｍｐｕｔｅｒＶｉｓｉｏｎｇｒａｐｈｉｃ８２３３—２６０

ＹＥＸ。ＣＨＥＲＩＥＴｃｈａｒａｃｔｅｒｅｘｔｒａｅｔｉｏｎＩＥＥＥＴｒａｎｓａｃｔｉｏｎ

Ｐｒｏｃｅ髓，１９８８，３５（４１）：

Ｍ，ＳＵＥＮＣＹ．Ｓｔｒｏｋｅ—ｍｏｄｅｌ—ｂａｓｅｄｆｒｏｍ

ｇｒａｙ—ｌｅｖｅｌｄｏｃｕｍｅｎｔ

ｉｍａｇｅｓ

ｆＪｌ．

ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，２００１，１０（２）：１１５２—１１６１．

【１０】刘征，彭小奇，丁剑，等．彩色ＣＣＤ比色测温的修正方

法［Ｊ】．工业仪表与自动化装置，２００６，（３）：２２—２５．

（收稿日期：２００７—０９—０６）

ｊ‘｝ｊｋ?壹ｋ：业—｝■｝ｊｋｊｋ—｝ｊｋ业，—章ｊ譬叫皓－重｝?誓｝１警｝誓｝誓｝ｊｋｊＩ｝—睡■｝１重｝■ｋ■｝’■ｅ?ｊ●｝■‘ｊ断ｊｋｊｋｊＩ‘ｊ｜函ｊ－｝■｝■｝?９●｝ｊ－｝业蕾ｔ■｝■｝ｊｋ—‘■｝－■章■寥

手段，这也是本系统下一步的目标之一。参考文献

【１１张文君，胡淑涛，张磊，等．ＯＬＡＰ技术在医院决策支持系

统中的应用．医院数字化，２００５，（１２）．【２】ＫＩＭＢＡＬＬ

Ｒ，ＲＯＳＳ

Ｍ著．数据仓库工具箱．谭明金译．

北京：电子工业出版社，２００３．

（收稿日期：２００７—１１—１２）

．

《电子技术应用》２００８年第４期。欢迎订购《电子技术应用）２０００－２００６年合订光盘（０１０－８２３０６０８４）１３１