﻿ 基于层次聚类算法的二氧化硅熔融表征模型
 计算机系统应用  2001, Vol. 29 Issue (9): 205-211 PDF

Silica Melting Characterization Model Based on Hierarchical Clustering Algorithm
HU Hao-Tian, ZHENG Ya-Zhi, ZHENG Jian-Nan, PAN Jia-Hui
School of Software, South China Normal University, Foshan 528225, China
Foundation item: General Program of National Natural Science Foundation of China (61876067); General Program of Natural Science Foundation of Guangdong Province, China (2019A1515011375); Special Fund for S&T Innovative Talent under Pearl River S&T Star of Guangdong Province, China (201710010038)
Abstract: Transformation of silica complex melting process to its data information establishes a reliable timing rule for the high temperature melting process, and is of great significance for improving the direct fiber forming technology of blast furnace slag. Firstly, hierarchical clustering algorithm is used to detect the edge of gray image. The region growing and morphological processing are used to segment the image, so as to determine the position coordinates of the silica particle’s center of mass and draw the motion track. Secondly, the area and the generalized radius are selected as the indexes of edge contour feature. The experimental results show that the relationship between the area, generalized radius and time of silica and the fitting degree of quadratic curve is the highest. The above two indexes can be used to represent the melting process of silica and to estimate the actual melting rate of silica.
Key words: melting representation model     hierarchical clustering     conic     silica     image processing

1 引言

2 国内外相关工作

3 二氧化硅颗粒目标跟踪的基本原理和实现

 图 1 二氧化硅颗粒目标跟踪的流程图

4 基于层次聚类的边缘检测

4.1 中值滤波模块

 图 2 3ⅹ3滑动窗口输出结构图

4.2 第一次分裂的层次聚类模块

 ${P_i}_ = \left| {{P_k} - {P_5}} \right|$

PiV则分为簇A, 反之分为簇B.

4.3 层次凝聚聚类模块

 ${{{P}}_a} = {{\left( {\sum\limits_{i = 1}^8 {{P_j}} } \right)} / 8}\;\;\;({{j}}=1,2,\cdots,8)$ (1)

 $P_j^!\;\left( {j = 1,2,\cdots,8} \right)$
4.4 自适应阈值模块

 图 3 自适应模块阈值示意图

4.5 第2次分裂的层次聚类模块

${{P}}_{{j}}\ge {{P}}_{{T}}$ , 则说明簇C中的点为边缘点; 否则不是边缘点.

5 基于区域生长与形态学处理的分割算法

5.1 区域生长处理

(1)首先定义“生长规则”, 即像素间相似条件, 选取相似灰度级来定义, 若像素间灰度值距离小于0.06即为相似;

(2)确定初始种子点位置(x0,y0), 迭代开始;

(3) 计算种子点相邻8元素(x,y)是否符合已定义的生长规则(如图4), 若(x,y)符合则将其纳入种子点(x0,y0)所在区域, 同时将此点位置入栈, 否则便跳过此元素;

 图 4 种子点及相邻元素

(4)下一次迭代则从栈中取出新的种子点继续计算相邻像素, 直至所有待分析的邻域像素点和已经分割好的区域像素点的灰度值距离大于0.1则计算结束, 得到一个边缘闭合的二氧化硅目标区域.

5.2 形态学处理

(1)首先, 从区域生长处理中得到的二氧化硅掩模图开始计算;

(2)选择图像形态学运算中的膨胀算法对区域图像进行求局部最大值操作, 即选择四连通结构元进行膨胀运算, 将掩模区域中的孔洞填补完整, 连接外围突出点并向外延伸;

(3)膨胀运算结束后, 继续选择四连通结构元进行腐蚀运算, 对区域图像进行求局部最小值操作, 将膨胀重建导致向外延伸的点腐蚀掉, 使得掩模图更接近实际.

 ${{X}} \cdot S = \left( {X \oplus S} \right) \odot S$ (2)

6 实验和结果 6.1 实验数据

6.2 实验过程

 图 5 数据集示例图

 图 6 二氧化硅颗粒图像处理的全过程

 ${{x}} = \dfrac{{\displaystyle \sum\nolimits_{i = 1}^n {{x_i}} }}{A}$ (3)
 $y = \dfrac{{\displaystyle \sum\nolimits_{i = 1}^n {{y_i}} }}{A}$ (4)

 $\dfrac{{{{area}}1}}{{area2}} = \dfrac{{silarea}}{{cruarea}}$ (5)
 图 7 二氧化硅质心的运动轨迹图

6.3 模型对比

 图 8 本文算法优化效果对比图

6.4 实验结果及效果分析

 图 9 时间与面积的变化曲线图

 ${{s}} = 32.592 - 0.103 \times t$ (6)

 图 10 时间与广义半径的变化曲线图

 ${{R}} = - 0.577 + 0.009 \times t$ (7)

 ${{v}} = 0.098 - 0.021 \times \ln \left( {{T}} \right)$ (8)

7 结论

 [1] 杨淑敏, 张伟. 利用高炉渣及粉煤灰制备废渣微晶玻璃的研究. 硅酸盐通报, 2015, 34(2): 487-491. DOI:10.16552/j.cnki.issn1001-1625.2015.02.015 [2] 李杰. 高炉溶渣直接成纤调质工艺基础研究[博士学位论文]. 沈阳: 东北大学, 2015. [3] 杨铧. 高效利用高炉熔渣显热的一步法矿棉生产技术. 新型建筑材料, 2003(3): 54-55. DOI:10.3969/j.issn.1001-702X.2003.03.021 [4] 胡俊鸽, 赵小燕, 张东丽. 高炉渣资源化新技术的发展. 鞍钢技术, 2009(4): 11-15, 21. DOI:10.3969/j.issn.1006-4613.2009.04.002 [5] 李小兵, 王德永, 姜茂发, 等. 氧化镁颗粒在高温熔渣中的溶解行为. 中国金属学会. 第八届(2011)中国钢铁年会论文集. 北京. 2011.4621–4625. [6] Monaghan BJ, Chen L. Dissolution behavior of alumina micro-particles in CaO- SiO2 - Al2O3 liquid oxide . Journal of Non-Crystalline Solids, 2004, 347(1–3): 254-261. DOI:10.1016/j.jnoncrysol.2004.09.011 [7] 丁伟安, 牛慧贤, 郭先键. 高品位铜冰铜转炉吹炼中石英熔剂熔化行为的研究. 稀有金属, 1999, 32(6): 417-420. DOI:10.3969/j.issn.0258-7076.1999.06.005 [8] Zhong LC, Mukai K, Zeze M, et al. In-situ observation of penetration of molten slag into solid lime at high temperature. Steel Research International, 2007, 78(3): 236-240. DOI:10.1002/srin.200705885 [9] 黄友亮, 孙广彤, 战胜, 等. 基于自适应中值滤波高炉渣颗粒小波去噪. 矿业研究与开发, 2019, 39(9): 141-145. DOI:10.13827/j.cnki.kyyk.2019.09.030 [10] 刘晴晴, 杨友良, 马翠红. 熔融金属的CCD图像传感测温方法研究. 工业控制计算机, 2018, 31(2): 41-43. DOI:10.3969/j.issn.1001-182X.2018.02.018 [11] 刘逸凡. 铁尾矿高温熔化过程中的图像分析聚类模型研究. 中国金属通报, 2018(6): 156-157. DOI:10.3969/j.issn.1672-1667.2018.06.085 [12] 刘紫燕, 祁佳. 层次聚类算法的实时图像边缘检测及FPGA实现. 红外技术, 2014, 36(1): 53-57. DOI:10.11846/j.issn.1001_8891.201401009 [13] 齐千慧, 田益民, 韩利利, 等. 关于图像分割算法的研究. 北京印刷学院学报, 2019, 27(7): 102-106. DOI:10.3969/j.issn.1004-8626.2019.07.026 [14] 钱月. 基于MATLAB的图像形态学处理技术与应用. 内江师范学院学报, 2019, 34(10): 51-55. [15] 陈浩. 图像经典边缘检测算子的研究与比较. 电脑编程技巧与维护, 2019(12): 150-152.