[发明专利]基于线性群和广义特征优化的浮法玻璃熔窑火焰识别方法

说明书

本发明涉及一种基于线性群和广义特征优化的浮法玻璃熔窑火焰识别方法，属于先进制造、自动化和图像处理技术领域，其特征在于，针对玻璃熔窑恶劣生产环境(如粉尘、油污、高温等)下火焰图像所具有的大噪声、存在像素丢失和清晰度低等特点，提出一种基于线性群和广义特征优化的玻璃熔窑火焰识别方法。首先将不完备的玻璃熔窑火焰信息进行线性群变换，并利用矩阵完备方法对线性群变换后的不完备火焰信息进行恢复，从而得到完备的火焰图像；然后，将完备后的火焰图像信息映射到广义特征空间，在广义特征空间中根据近邻规则对火焰状态进行识别。本发明可有效应用于识别玻璃熔窑火焰，以优化玻璃熔窑燃烧状况。

技术领域

本发明属于先进制造、自动化和图像处理技术领域，具体涉及在复杂及不恶劣生产环境下浮法玻璃熔窑火焰监控图像识别方法。

背景技术

目前针对带噪声的图像识别问题，有如下几类图像处理方法：基于偏微分方程的方法、基于变分的方法、基于像素块的方法；基于偏微分方程的和基于变分方法仅适用小范围的修复，而通常浮法玻璃熔窑内的火焰信息不完备的范围比较大，因此该类方法无法适应于该问题；基于像素块的方法需要不断迭代匹配图像受损区域与已知区域的相似度来得到最佳匹配块，从而进行填充，每一次填充都需要遍历整幅图像，导致计算复杂度很高，无法满足浮法玻璃企业对玻璃火焰识别的要求。

发明内容

针对玻璃熔窑恶劣生产环境(如粉尘、油污、高温等)下火焰图像所具有的大噪声、存在像素丢失和清晰度低等特点，本发明提出一种基于线性群和广义特征优化的玻璃熔窑火焰识别方法。该方法是在计算机上按如下步骤实现的：

步骤(1)：初始化，设定如下基本变量

设定问题变量和算法参数：

pos：用来判断火焰每一层信息不完整的位置

m_i：火焰图像的第i(i＝1,2,3)层对应的行数

n_i：火焰图像的第i(i＝1,2,3)层对应的列数

U：奇异左正交矩阵

R：对角矩阵

V：奇异右正交矩阵

O：线性群矩阵

r：对变量奇异值分解所需的秩参数

tol：停止迭代的条件参数

T_max：最大迭代数次

μ：正则参数

μ_max：正则参数上限

τ：泰勒近似系数

α：矩阵V的共轭系数

β：矩阵U的共轭系数

ρ：用于对正则参数进行更新

x_i：完备后的第i副火焰图像

X：完备后的火焰图像集合

θ：完备后的火焰图像集合的均值

θ_j：完备后的第j类火焰图像集合的均值

N_j：完备后的第j类火焰图像集合的数目

E：混合噪声矩阵

矩阵E的噪声变量

噪声矩阵元素

M：不完备矩阵

P_Ω：采样矩阵