高炉料面自动成像控制系统的设计与研究
发布时间：2009-07-10 作者：李云霞
1 引言
高炉是一个大型的逆流反应器，其内部的环境非常复杂。传统上对高炉料面的监视主要是通过对料尺数据的分析来估计料面分布情况，表现形式不直观且比较简单。这种情况下，分析炉内料面分布的难度比较大，现场工人往往只能根据经验判断料面的分布情况，不利于现场操作的实时决策。本文设计一套高炉料面自动成像系统，它能把炉内情况以图片形式显现出来，使料面状况更加直观，大大降低炉内料面分析工作的难度。这也将是高炉自动化发展的一个必然趋势。
2 料面可视化监控系统结构
2.1 系统分析
鉴于传统高炉监控方法的优缺点，本课题对高炉料面的监控做了大胆的改进，从高炉料面成像入手，以期完全实现高炉操作的“可视化”。
本次设计研究的高炉料面可视化监控系统如图1所示。
图1 高炉料面可视化监控系统
主要设计设计思路是：
首先，通过风孔使加压气体在炉内吹开一条通路，到达料面时形成一小圆面，同时保证风压不影响炉内气流运动和炉面矿料分布。风孔的设计作用有两点，一是使摄像机在炉内粉尘烟雾较大也可以捕捉到较为清晰的炉内图像，减少粉尘遮挡的影响；二是可以间接地改善炉内环境对料面高度测量设备分辨能力的影响。
同时，同步配合光源，通过摄像机运动平台带动低照度彩色ccd摄像机摄取炉面图像，送采集卡，经过计算机处理得到局部感兴趣位置图像或比较理想的炉内料面分布全景图，从而为高炉操作者把握炉况进程、及时调节炉况提供有力的帮助。
2.2 图像获取平台设计
采用控制户外云台带动工业摄像机获得图像的方案。摄像头是针孔式摄像头，将摄像头装入通风管内层，通风管外层为加压气体，这样高压气体吹开粉尘烟雾，即能得到高炉内料面的清晰图像。视频采集系统采用天敏公司生产的sdk2500pci
视频采集卡。它采用philips 7130芯片，具有高品质的视频采集性能，具备二次开发功能 ，具备高速pci总线，兼容即插即用(pnp)，支持一机多卡。
3 图像处理
本章图像处理设计需要实现的基本功能是图像拼接，具体来说就是使用实验得到的图片，通过预处理，图像配准，图像融合，实现图像平滑、无缝的拼接。流程图如图2所示。
图2 图像拼接流程图
3.1 拼接预处理
摄取图像的过程中，不可避免地会在图像中形成噪声，例如:目标物体和透镜上的灰尘、图像采集中的量化误差等，都会在最终获得的图像中形成噪声。通过图像预处理，可以增强图像中有用的信息,
同时减少或去除图像中无用或有害的成分，保证下一步图像配准的精度，提高速度。
本文采用加权平均值法对图像进行灰度化处理，采用高斯平滑模版对图像进行平滑处理。
3.2 图像配准
图像匹配大致可分为以下三类：基于模板的匹配、基于特征的匹配和基于频域变换的匹配。由于待配准图像存在大的扭曲变形，而且从时间、准确率角度和算法难易程度考虑，本文采用基于sift特征点的图像配准。
david g.lowe在2004年总结了现有的基于不变量技术的特征检测方法，并正式提出了一种基于尺度空间的，对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子-sift算子，其全称是scale invariant feature transform，即尺度不变特征变换。
sift算法首先在尺度空间进行特征检测，并确定关键点(key points)的位置和关键点所处的尺度，然后使用关键点邻域梯度的主方向作为该点的方向特征，以实现算子对尺度和方向的无关性。
sift算法的实现主要包括4个步骤：
(1) 检测尺度空间极值，以初步确定关键点位置和所在尺度。
(2) 精炼特征点位置。通过拟和三维二次函数以精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点(因为dog算子会产生较强的边缘响应)，以增强匹配稳定性、提高抗噪声能力。
(3) 计算特征点的描述信息，利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性。
(4) 生成本地特征点描述符
本文实验算法采用vc++6.0开发。图3是对实验图片进行sift特征点提取的结果。
图3 提取sift特征点
sift特征匹配算法包括两个阶段，第一阶段是sift特征的生成，即从多幅待匹配图像中提取出对尺度缩放、旋转、亮度变化无关的特征向量；第二阶段是sift特征向量的匹配。
当两幅图像的sift特征向量生成后，下一步我们采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量。取图像(a)中的某个关键点，并找出其与图像(b)中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点。降低这个比例阈值，sift匹配点数目会减少，但更加稳定。如图4是基于sift特征匹配进行图像配准的结果。
图4 基于sift特征的图像配准
3.3 图像融合
在融合过程中需要对缝合线进行处理，进行图像拼接缝合线处理的方法有很多种，如颜色差值和加权平滑算法等，本文采用了多分辨率样条技术处理拼接缝问题。首先，它将图像分解为一组带通图像；然后，在每一频率带内使用不同的加权函数和拼接区域宽度将分解的带通图像拼合成对应的带通图，在每一个频率带内，加权函数的系数和拼接区域宽度是由两幅图像在该频率带内的差异决定的。最后将相邻的几幅图像拼合成一幅图像，这样使拼合成的图像既清晰又光滑无缝。
实验图像最终拼接结果如图5所示。
图5 图像拼接结果
4 实验结果
图6给出了使用本文设计的高炉料面自动成像控制系统实现的由7幅待拼接图像生成的全景图示例。实验结果表明该系统能快速、自动地完成高炉料面图像序列的实时拼接操作，效果较好。
图6 多幅图像拼接结果
5 结束语
本文设计的高炉可视化监控系统，主要有以下两方面特点：
首先，为生产工艺技术人员提供基本的影像资料。通过分析拼接得到的料面图像，例如由矿石颜色推断燃烧状况从而设计最佳炉料布局等，为高炉高效生产、节能、延长使用寿命等方面新措施的实现提供有力验证。
其次，对于一些意外事故，像布料溜槽掉落、卡料、磨穿等故障，如果不能及时发现，将影响高炉生产，造成严重后果。本文设计的系统可以实时、清晰观测到炉内生产情况。技术人员通过观看实时录像，就可避免这样的事故发生。
整个系统有待继续完善，争取取得更好的效果！