烧结矿主要矿物相自动识别方法

文档序号:6112310阅读:565来源:国知局
专利名称:烧结矿主要矿物相自动识别方法
技术领域
本发明涉及烧结矿矿相分析技术,尤其涉及烧结矿主要矿物相的自动识别方法。(二) 背景技术烧结矿是多种物料混合经高温部分熔融的人造富矿,为非均质物 相,其矿相组织结构十分复杂。烧结矿矿相组织通常有赤铁矿、磁铁矿、铁酸钙、硅酸盐这4大类物相。在烧结矿显微图像中,各物相成 分交混、嵌套存在,各成分间界限不清,颜色信息不丰富,大多数矿 相类别只有灰度信息,而且这些物相的灰度分布交混在-起,有些成 分的灰度峰值和分布规律并不明显,由此造成很难找出实现图像分割 的准确灰度阈值。这些因素给烧结矿矿相光学显微影像组织成分的自 动识别和分析造成很大困难。现有的烧结矿矿相分析技术主要是使用传统的人工分析方法,即 在光学显微镜下通过人眼对各种矿物相的观察、分析,并进行手工统 计。根据各种显微光学组织的灰度、形状、以及与周边组织结合状态 等因素进行目视区分和识别,采用人工数点法统计, 一般一个试样要 在显微镜卜-人工移动两千多点,对图像的中心点实施人工目视判断, 根据人眼判别该点的类别,并对各类别按点计数,最后按该类别点数 占全部统计点数的百分比,得出各类成分的比例。因而人工方法存在 工作量大、效率低、以点代面的统计方法准确度低下、容易误识等多 方面缺点。现有的利用计算机进行铁矿石烧结矿显微图像组织成分的识别与 分析技术,是需要人工输入不同成分的灰度阈值范围,因各成分在显 微图像中的灰度是随实验条件而变化的,即使有经验的实验师也很难 确切地给出准确的分类灰度阈值,而人工介入的方法无论从效率方面 还是准确性方面,都有很大弊端。
发明内容本发明的目的在于提供一种烧结矿主要矿物相自动识别方法,该 识别方法能够自动区分烧结矿矿相显微图像中赤铁矿、磁铁矿、铁酸 钙、硅酸盐及粘结剂这五大类物相,从而实现烧结矿赤铁矿、磁铁矿、 铁酸钙、硅酸盐这四大物相的准确识别和含量统计。本发明是这样实现的, 一种烧结矿主要矿物相自动识别方法,其 步骤是第1步,图像采集,利用数码影像采集设备成批采集烧结矿的微 观数字图像一组多幅;第2步,直方图提取,对同一批组的每一幅图像进行红、绿、蓝 三个通道的统计形成对应的红色直方图、绿色直方图、蓝色直方图以 及经过灰度转换的灰度直方图;然后把每一幅直方图进行累加,分别 得到这--批组图像对应的红色、绿色、蓝色及灰度总直方图分布;第3步,直方图的高斯分布拟合,将各个矿物相类别的灰度分布 均看成是高斯分布,采用基于期望值最大化(Expectation Maximization, 简称EM)的方法,对步骤2得到的总直方图分布,用几个分解开来的 高斯分布来进行拟合;通过数学拟合,可以将红色、绿色、蓝色及灰 度原始总直方图分布分别分解成由A、 B、 C、 D、 E五个高斯分布;第4步,确定阈值,阈值就是五个高斯分布曲线之间的最小概率 处,即相邻曲线的交叉点;在对红色、绿色、蓝色及灰度总直方图分 布进行拟合后分别得到四组阈值;第5步,类别划分,将每一幅图像根据最优阈值分割为各成分区 域,将赤铁矿、磁铁矿、铁酸钙、硅酸盐、粘结剂五大类区分开;第6步,定量分析,对同一批组的多幅图像的各成分区域面积进 行统计,得到最终的成分含量分布,即赤铁矿、磁铁矿、铁酸钙、硅 酸盐、粘结剂的含量分布。所述在同一批组图像的最优阈值选择中,选择灰度阈值结合红色 通道阈值就可以得到最优阈值,也就是赤铁矿、磁铁矿、铁酸钙、硅
酸盐、粘结剂这五大类矿物相的最佳分割阈值。本发明提出了一种适用于烧结矿各类物相类别的灰度分布交混和 峰值分布规律不明显的情况下自动找出最优分割阈值的方法。即基于期望值最大化(Expectation Maximization,简称EM)的方法;它采用数学 期望最大化直方图逼近算法,通过不同成分高斯分布的拟合,获得最 优化的图像分割灰度阈值;对烧结矿的一批数字显微图像进行分析, 得到分割赤铁矿、磁铁矿、铁酸钙、硅酸盐及粘结剂这五大类物相的 最优阈值参数,从而能够实现烧结矿矿相图像中赤铁矿、磁铁矿、铁 酸钙、硅酸盐及粘结剂的计算机智能识别方法,进而由计算机实现各 物相面积含量的准确统计计算,为烧结矿矿相自动分析奠定了坚实准 确的基础。(四)


下面结合附图和具体实施方式
对本发明作进一步说明。图1 (a)为烧结矿矿相样品灰度直方图,图中实线是原始直方图, 虚线是用高斯逼近的直方图;图1 (b)为高斯分布(虚线)以及叠加得到的近似分布(实线)图;图2为根据灰度和红色通道的阈值划分五大类物相示意图; 图3为实施例烧结矿矿相样品原始直方图;图4为图3的高斯分布图以及叠加得到的近似分布(与原始直方 图比较)图;图5 (a)为烧结矿矿相显微图像原图;图5 (b)为烧结矿矿相显微图像识别分类结果图;图6为对同一批组的400幅图像的各成分区域面积统计结果图。
具体实施方式
一种烧结矿主要矿物相自动识别方法,是利用数码影像采集设备 采集烧结矿的微观数字图像一组多幅,运用图像处理与模式识别的算 法对一组图像进行分析,根据亮度把烧结矿显微图像中的组份粗分成
五个大类,分别是高亮度赤铁矿、中亮度磁铁矿、中亮度铁酸钙、 低亮度硅酸盐、低亮度粘结剂;标识出不同组份所涵盖的区域,然后 统计这些区域的面积,最后得出统计结果。其步骤是第1歩,成批图像采集,利用数码影像采集设备成批采集烧结矿 的微观数字图像一组多幅。第2步,直方图提取,对同一批组的每一幅图像进行红、绿、蓝 三个通道的统计形成对应的红色直方图、绿色直方图、蓝色直方图以 及经过灰度转换的灰度直方图;然后把每一幅直方图进行累加,分别 得到这一批组图像对应的红色、绿色、蓝色及灰度总直方图分布。对一批图像进行直方图统计的算法是设有N幅WXH大小的彩色图像G(i) { i = 1,2,...N},对应红(R), 绿(G),蓝(B)以及灰度(〗)4个通道的直方图数组为HR、 HG、 HB、HI,其运算步骤为 Ll.令i= 1:NL2.对图像G(i)上的每一个像素点,其颜色值为n g, b<formula>formula see original document page 6</formula>
) 重复Ll.第3步,直方图的高斯分布拟合,将各个矿物相类别的灰度分布 均看成是高斯分布,采用基于期望值最大化(Expectation Maximization, 简称EM)的方法,对步骤2得到的多物相混合的总灰度分布图,用几 个分解开来的高斯分布来进行拟合。如图1所示,对于总的灰度分布 原始混合直方图,图1 U),通过数学拟合,可以将红色、绿色、蓝 色及灰度原始总直方图分布分别分解成由A、 B、 C、 D、 E五个高斯 分布,图1 (b)。这是需要指出的是,图l (a)、图l (b)只是一种颜色的总直方 图和高斯分布,如红色直方图和其拟合的高斯分布。图1 (b)是取
M=5,迭代误差为1(T3,运用EM算法平均经过200次迭代可以达到稳 定。即由A、 B、 C、 D、 E五个高斯分布可以完美地拟合成原始混合直方。第4步,确定阈值,阈值就是五个高斯分布曲线之间的最小概率 处,即相邻曲线的交叉点;在对红色、绿色、蓝色及灰度总直方图分 布后,应用EM算法进行对直方图的逼近分别得到四组阈值。确定最优阈值,最优阈值的选择是确定利用那个通道的阈值区分 能力最大;经过试验表明,红色直方图在区分中间亮度的能力较强, 灰度在区分高亮度、中间亮度、低亮度三大类较为准确;故选择灰度 阈值结合红色通道阈值就可以得到最优阈值,这就是赤铁矿、磁铁矿、 铁酸钙、硅酸盐、粘结剂这五大类矿物相的最佳分割阈值;如图2所 示。第5步,类别划分,将同一批组的每一幅图像根据最优阈值分割 为各成分区域,将赤铁矿、磁铁矿、铁酸钙、硅酸盐、粘结剂五大类 区分开;第6步,定量分析,对同一批组的多幅图像的各成分区域面积进 行统计,得到最终的成分含量分布,即赤铁矿、磁铁矿、铁酸钙、硅 酸盐、粘结剂的含量分布。本发明采用期望值最大化(EM)方法,对烧结矿的一批数字显微 图像进行分析,得到分割赤铁矿、磁铁矿、铁酸钙、硅酸盐及粘结剂 这五大类物相的最优阈值参数。经过试验,发现烧结矿数字图像的红 色分量区分能力比其他通道要强,所以在以下处理中,都是以红色直 方图作为分析的目标,可参见图l(a)、 (b)。下面是期望值最大化(EM) 方法,即高斯分布拟合的具体数学算法假设图像含有N个像素,样本《(/=7,...^)为第/个像素点的灰度。 设图像中存在M个待识别的类,且每个类的灰度分布都服从高斯分布, 那么样本x,出现且属于类j'的联合事件",乂)就构成完全数据集,其概率分布为<formula>formula see original document page 7</formula> (1)其中<formula>formula see original document page 8</formula>(2)
由(x,.,乂)所构成的完全数据集的对数似然函数为<formula>formula see original document page 8</formula>(3)
设i为图像的灰度集合(一般为0...255), /^c)为图像直方图,其中x", 则式(3)又可化为<formula>formula see original document page 8</formula> (4)这样在下面的EM算法中就可以脱离图像,仅对直方图进行运算。 EM算法是对不完全数据集进行参数估计的一个有效工具,它是一 个迭代求解参数的过程。其中每个过程可分成以下两个步骤第1步 是E步,即根据上一步的结果来估算完全数据集似然函数的期望值; 第2步是M步,即求出让完全数据集的似然函数期望最大化的参数; 然后反复这个两个步骤直到参数迭代稳定为止。令0—^A,…;^包含所有要估算参数的参数向量,(9"'为第/次迭代步骤所估计的参数向量。以下为EM算法逼近直方图的具体实现。 a.E步,求完全数据集数学期望值其中,P(')表示以第f次迭代结果0('M乍为参数的概率密度分布函数。由 式(2)式(4)式(5)联立得<formula>formula see original document page 8</formula>(6)
b.M步,求出让Q(化0"))最大化的参数0。对于A,^等参数可以 通过直接对式(6)求偏导得出,<formula>formula see original document page 9</formula>对于各类概率/V可利用限制条件;^=1,用拉格朗日乘数法求出<formula>formula see original document page 9</formula>=並其中I x)可以利用上一次迭代的结果a/'),,》"再利用贝叶斯公式(9)求得。重复a、 b两个步骤,直到参数0迭代稳定为止。最后即可得到逼近的 直方图<formula>formula see original document page 9</formula>乂=1一般情况下,灰阶集合丄为0到255的整数。在实际运用中,可 以取直方图的部分区间进行估算。也就是说,设直方图的灰度范围为 『,首先取灰度子集lc『作为感兴趣区域,然后对各类参数进行估算。最优阈值化利用EM算法对直方图进行逼近,得到上述公式(IO),然后按照多 类贝叶斯判别准则,类j对应的判别函数为g,Wi(刈/)P,。如果<formula>formula see original document page 9</formula>则把x判为j。 一般情况下,只要各类的概率分布交叠情况不是太严重,把各类按灰度均值A从小到大排列,相邻两类j和j+l之间的阈值/,可以根据g,W与g,+,(x)相交点来确定。即首先对直方图进行自动逼近,然后实现阈值的自动选取,如图1 (a)、 (b)所示。该算法能够对直方图进行估算和逼近,最终得到最 佳的分割阈值tl、 t2、 t3、 t4等。
以上是采用期望值最大化(EM)方法,对烧结矿的一批数字显微 图像进行分析,得到分割赤铁矿、磁铁矿、铁酸钙、硅酸盐及粘结剂 这五大类物相的最优阔值参数。实施例一种烧结矿主要矿物相自动识别方法,其步骤是1、 对编号为3DL0603的铁矿石进行采样分析,共采集大小为800 X800像素大小的图片400张。首先对每一幅图像进行红、绿、蓝三个 通道的统计以及经过灰度转换的灰度直方图;然后把每一幅直方图进 行累加,分别得到这一批组图像对应的红色、绿色、蓝色及灰度总直 方图分布;参见图3,图3为原始的红色总直方图分布。2、 用EM算法进行直方图逼近,得到四个最优阈值,tl=62, t2 = 99, t3 = 145, t4 = 171,参见图4。取M-5,迭代误差为l(T3,运用EM 算法平均经过200次迭代可以达到稳定。3、 得到最优阈值后,重新返回到第一张图片开始进行分析统计过 程,根据阈值将图像分割为各成分区域。参见图5 (a)为原图,图5(b)为识别分类结果图^4、 对400幅图像的各成分区域面积进行统计,得到最终的成分含 量分布,参见图6。
权利要求
1.一种烧结矿主要矿物相自动识别方法,其步骤是第1步,图像采集,利用数码影像采集设备成批采集烧结矿的微观数字图像一组多幅;第2步,直方图提取,对同一批组的每一幅图像进行红、绿、蓝三个通道的统计形成对应的红色直方图、绿色直方图、蓝色直方图以及经过灰度转换的灰度直方图;然后把每一幅直方图进行累加,分别得到这一批组图像对应的红色、绿色、蓝色及灰度总直方图分布;第3步,直方图的高斯分布拟合,将各个矿物相类别的灰度分布均看成是高斯分布,采用基于期望值最大化的方法,对步骤2得到的总直方图分布,用几个分解开来的高斯分布来进行拟合;通过数学拟合,可以将红色、绿色、蓝色及灰度原始总直方图分布分别分解成由A、B、C、D、E五个高斯分布;第4步,确定阈值,阈值就是五个高斯分布曲线之间的最小概率处,即相邻曲线的交叉点;在对红色、绿色、蓝色及灰度总直方图分布进行拟合后分别得到四组阈值;第5步,类别划分,将每一幅图像根据最优阈值分割为各成分区域,将赤铁矿、磁铁矿、铁酸钙、硅酸盐、粘结剂五大类区分开;第6步,定量分析,对同一批组的多幅图像的各成分区域面积进行统计,得到最终的成分含量分布,即赤铁矿、磁铁矿、铁酸钙、硅酸盐、粘结剂的含量分布。
2. 根据权利要求l所述的烧结矿主要矿物相自动识别方法,其特 征是在同一批组图像的最优阈值选择中,选择灰度阈值结合红色通 道阈值就可以得到最优阈值,也就是赤铁矿、磁铁矿、铁酸钙、硅酸 盐、粘结剂这五大类矿物相的最佳分割阈值。
全文摘要
本发明涉及烧结矿矿相分析技术。本发明公开了一种烧结矿主要矿物相自动识别方法,该方法是一种适用于烧结矿各类物相类别的灰度分布交混和峰值分布规律不明显的情况下自动找出最优分割阈值的方法,即基于期望值最大化(EM)的方法;它采用数学期望最大化直方图逼近算法,通过不同成分高斯分布的拟合,获得最优化的图像分割灰度阈值;对烧结矿的一批数字显微图像进行分析,得到分割赤铁矿、磁铁矿、铁酸钙、硅酸盐及粘结剂这五大类物相的最优阈值参数,从而能够实现烧结矿矿相图像中赤铁矿、磁铁矿、铁酸钙、硅酸盐及粘结剂的计算机智能识别方法,进而由计算机实现各物相面积含量的准确统计计算,为烧结矿矿相自动分析奠定了坚实准确的基础。
文档编号G01N21/25GK101131365SQ200610030318
公开日2008年2月27日 申请日期2006年8月23日 优先权日2006年8月23日
发明者刘其真, 李咸伟, 邹丹平 申请人:宝山钢铁股份有限公司;复旦大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1