基于像素特征提取的球團礦性質研究

李天龍，李 娟(通訊作者)，王保榮，胡正凱

（1華北理工大學以升創(chuàng)新教育基地，工程計算實驗室 河北 唐山 063210)

（2華北理工大學化學工程學院，工程計算實驗室，數(shù)學建模實驗室 河北 唐山 063210）

（3華北理工大學電氣工程學院，工程計算實驗室，數(shù)學建模實驗室 河北 唐山 063210）

1 引言

球團礦具有含鐵品位高、粒度均勻、還原性能好、機械強度高、微氣孔多等特性，是高爐煉鐵的重要原料之一。有相關學者基于球團礦冶金性能決定其微觀結構，微觀結構反映其冶金性能的角度出發(fā)，對礦物礦相進行分析，用以反映球團礦的質量。球團礦不同的微觀結構，對應著不同堿度，堿度與結構之間存在的關聯(lián)有待研究。基于此，本文通過對不同堿度下的球團礦在顏色特征、紋理特征、分形特征三個方面進行提取分析，以期更好預測球團礦冶金性能。

2 基于像素的聚類與方差分析

2.1 K-means聚類分析理論

K-means算法將一組N樣本X劃分成K不相交的簇C，每個都用該簇中的樣本的均值μj描述。這個均值通常被稱為簇的“質心”，雖然它們是處在同一個空間，但是一般不是從X中挑選出的點，K-means算法旨在選擇最小化慣性的標準的質心。

2.2 單元素圖像的顏色特征提取

選取K-means聚類算法對顏色進行聚類，像素在3D空間中表示，K-means被用來找到2個顏色的簇，選取Ga元素的圖像進行顏色聚類，發(fā)現(xiàn)該算法的聚類效果與上述的像素值0，1規(guī)劃的結果完全符合，該算法同時節(jié)省了很多時間。圖1、2是原圖與聚類圖比較。

一階顏色矩：采用一階原點矩，反映了圖像的整體明暗程度：

二階顏色矩：采用二階中心矩的平方根，反映了圖像顏色的分布范圍：

三階顏色矩：采用三階中心矩的立方根，反映了圖像顏色分布的對稱性：

圖1 Ga元素的圖

圖2 K-means聚類

2.3 對單元素的位置和堿度方差分析

通過對單元素的像素提取和所占比例的統(tǒng)計，計算元素在不同位置和不同堿度下的方差，發(fā)現(xiàn)Mg，C，Si，F(xiàn)e在不同堿度下變化相似，Ga，O在不同堿度下變化相似，Mg，C，Ga，O在不同位置下的變化相似，Si，F(xiàn)e，Al在不同位置下變化相似。

3 基于RGB的提取和SVM的分類

3.1 SVM分類分析理論

在兩類中，給定訓練向量和一個向量，SVC能解決如下主要問題subject to:

它的對偶是

其中是所有的向量，是上界，是一個n由個半正定矩陣， 而，其中是內核。所以訓練向量是通過函數(shù)°φ，間接反映到一個更高維度的（無窮的）空間。

3.2 RGB值的提取和計算

3.3 基于SVM分別對元素，堿度，位置分類

選取80%作為訓練集，20%作為測試集，用訓練集樣本對模型進行訓練，用測試集樣本對模型性能進行評價。圖3、4、5所示各自得分類圖。利用accuracy_score函數(shù)計算準確度得分。如果是第i個樣本的預測值，yi是相應的真實值，則nsamples上正確預測的分數(shù)被定義為

如表1所示為得分精度：

表1 得分精度表

圖3 元素分類

圖5 堿度分類

4 結語

本文在分析球團礦性質時，得到Mg，C，Si，F(xiàn)e在不同堿度下變化相似，Ga，O在不同堿度下變化相似，Mg，C，Ga，O在不同位置下的變化相似，Si，F(xiàn)e，Al在不同位置下變化相似，再通過提取RGB值的三個通道利用SVM算法進行分類元素，不同位置，不同堿度，結果顯示分類精度較高，通過提取顏色特征代替實驗檢測球團礦冶金性能，減少檢測性能消耗成本，節(jié)約時間成本等，有效提供了改善鋼鐵企業(yè)煉鐵效果的理論依據。