圖2展示了鐵水流從魚雷車倒入鋼包時的紅外圖像。圖像出自西班牙Avilé的ArcelorMit- tal煉鋼廠。一般情況下，根據溫度的不同在圖像中鐵水能被明顯區(qū)分出來，不過，為了準確的測量溫度，十分有必要確認哪些像素真正屬于鐵水。本測量方法是基于檢測鐵水流位置和消除因覆蓋在鐵水上的熔渣所形成的溫度區(qū)域。之所以確定鐵水流位置是為了避免可視范圍內其他熱源的干擾。比如附近的魚雷車。**掉鐵水范圍內以高溫呈現的溶渣影像是為了避免在*終溫度計算中出現錯誤。
用于測量溫度的紅外攝像機是Flir ThermoVision A325，其像素是320 ×240，*大采集頻率60Hz,即每16.67毫秒可獲得一個新圖像，溫度范圍可配置在幾個可用范圍內。實驗中，選中300 ? C, 2000 ? C范圍，制造商報告的測量精度為±2 ? C，靈敏度低于50 mK。攝像機通過專用的千兆以太網電纜鏈接計算機。紅外長波段攝像相可運轉8–12 μm。
在工廠中安裝此系統并不容易，因為周圍環(huán)境會很臟而且空氣中充滿灰塵。這種惡劣的環(huán)境嚴重影響昂貴的紅外攝像機，以及鍺造敏感鏡頭。因此，必須保護長久性安裝的攝像機，我們的建議是使用好的攝像機外殼，然而，當使用這個保障性的外殼時，紅外透射率會受到影響，為了解決這一問題，必須對在外殼中的攝像機進行發(fā)射率校正。因此，發(fā)射率補償將會降低溫度計算期間接收到的輻射量。我們還建議經常清潔玻璃表面，因為玻璃表面上可能會覆蓋上灰塵或其他微粒，而它們會減少攝像機測量的輻射和導致測量的誤差。該方法在接下來的章節(jié)中分成幾個步驟介紹。圖3 顯示了方法的總述
A.
鐵水流檢測
該測量方法是基于圖像的幾何特征的提取來檢測紅外圖像中的鐵水流。程序開始于先檢測魚雷車開口的位置，然后基于這一點，計算鐵水流的整個輪廓。
1
開口的檢測
當鐵水倒入銅包時，鐵水的起點是魚雷車開口的位置，因此，開口部位一直在紅外成像范圍內。開口位置的檢測可以提供圖像中鐵水流位置的精準信息。
采用邊緣檢測程序檢測開口位置的目的是檢測魚雷口的輪廓，為了減少所需的處理時間，以下的優(yōu)化已經應用到邊緣檢測。
1）由于開口部位始終位于圖像上方，所以只有圖像的1/3會被處理
2）只有像素在該溫度值高于*低闕值時被予以考慮，如，眾所周知的高于此溫度的鐵水.
3）邊緣計算將只考慮梯形水平分量
4）圖像區(qū)域中要考慮的每一行，只有**個正面的和*后一個負面的邊緣被視為有效。這確保了檢測到的是開口邊緣的輪廓而不是開口部位里溫度變化的材料。
T
圖4a顯示邊緣檢測的結果。可以看出，由于只有圖像的上三分之一被處理，此過程只是部分生成開口的輪廓，不過，這些數據足以運用*小二乘法來計算出橢圓的整個輪廓。結果如圖4b所示，在那里可以看到該程序如何正確檢測魚雷開口。此檢測過程即快速又穩(wěn)定的生成了圖像中魚雷車的開口坐標。
2
2）ROI定義：ROI是常用術語，指對圖像的一部分很感興趣。這種情況下，ROI是指對鐵水流在圖像上的那部分，一旦ROI確定，就沒有必要處理整個鐵水流圖像來測溫。
鐵水流的位置取決于魚雷車沿縱軸旋轉的角度，識別圖像中魚雷車開口的橢圓坐標的知識極大的簡化了圖像中鐵水流的檢測。設置兩條線作為ROI的垂直與水平方向的限制，鐵水流將始終位于魚雷車開口下方，即，位于橢圓*底點相切的水平線以下，沿橢圓主軸的大體方向也可以找到鐵水流的位置，因此，可以設定與橢圓短軸*低點相交的垂直線為界線。ROI的位置如圖4c所示。這種保守的ROI可以進一步縮小，但這些限制可以確保魚雷車旋轉時的任何角度都可以精準的進行檢測。ROI也適用于魚雷車從左到右的傾注鐵水。
圖4d 顯示的是從原圖中提取的ROI。提取的比原圖小75%的ROI將用于下面的所有步驟，這種方法不僅避免了其他熱源的干擾，也大幅度了降低了應用于下一個圖像處理的計算需求。
3）鐵水流輪廓的計算：**步，計算鐵水流外形是一個應用ROI的邊緣檢測應用程序。ROI只有每一行的**個*正面和*后一個負面的邊緣梯度的水平分量將予以考慮。在圖4e可看到有兩組結果，:每組是一邊（左右）。
鐵水流沒有完整的邊界，因此，噪聲出現在檢測邊緣，這類型的問題在圖4e左上方可以看出來，同時，該區(qū)域的其他熱源，如現場地面上的鐵水滴或其他發(fā)熱的物體都可能產生虛假的邊緣，為克服這一問題，將會運用到邊緣連接程序。
邊緣連接法首先使用單一的二次函數來確定所有左邊界的邊緣。每當近似函數和邊緣間的*大誤差εmax大于預設的闕值ε時，該時段在εmax發(fā)生的位置分成兩部分，每一部分會再都由二次函數f1 (x)和 f2 (x)重新確定。此分割過程遞歸運行，直到*大誤差εmax低于闕值ε時停止。
圖5顯示邊緣連接程序是如何運用在正弦函數上的。**步，設一條符合正弦函數的直線，然后這條線會在近似和正弦函數間*大的區(qū)別出現時被分解為兩個子分段（正弦波的*低值），在接下來的步驟中可以看出來每段都出現兩個新函數。接下來直到正弦函數正確安裝，短段才停止分裂。這種情況下，七段足夠了，就像看到的，每個組段都能精準描述正弦函數的輪廓。
某些分段因一些噪聲可以創(chuàng)建出近似偽邊緣，這些分段，因為沒有被檢測到一個超過預定闕值的，所以會被**并形成空白輪廓。必要時，連接程序的*后一步填補了空白，只要相鄰的空白點是兼容的，此程序就可以使鄰近兩段的邊緣增長。同樣的過程也會應用到右邊界的邊緣，*后，左右兩邊的邊界端點連接。邊緣連接程序是為應用在重型噪聲條件下的低計算需求而設計的。
圖4f顯示應用了邊緣檢測和連接程序的鐵水流輪廓計算，(ε=1 E=8像素)。可以看到，不符合的邊界被移除。連接程序可以檢測到偽邊緣并從鐵水流輪廓中**，結果證明，此程序即使在嚴酷的環(huán)境下也不影響鐵水流的計算。
B 熔渣的檢測
從圖6a可以看出鐵水流被部分熔渣所覆蓋，因此，一些被測的鐵水流輪廓像素不是鐵水的溫度而是熔渣的。所以使用屬于鐵水和熔渣混合像素的任何類型的計算都會引起很大的誤差，因為熔渣發(fā)出的輻射大于鐵水在相同溫度下發(fā)出的輻射，因此，一個從熔渣中區(qū)分鐵水的方法是很必要的。
這個方法是利用在紅外圖像中出現的明顯溫差把鐵水從熔渣中區(qū)分開。此方法是隨著區(qū)域增長的一個溫度闕值法。
圖5 適用于正弦函數的邊緣連接程序
1）溫度閾值:閾值是一個簡單但有效的圖像分割方法，使用這種方法分割鐵水和熔渣的圖像部分，因為鐵水和熔渣間的明顯溫度差異，所以使用靜態(tài)闕值Ths。所有高于這個闕值的像素點被視為熔渣，所以，在鐵水流中不能應用它來測量鐵水的溫度。校準中Ths值將會稍后計算。
Thresholdingisappliedusing(2),whereI(i,j)represents thepixelvalueatrowicolumnjandThS isthethreshold. Pixelswithzerovaluewillnotbeconsideredforthenextsteps
闕值使用（2）計算，I 代表像素值行i 列j，Ths是闕值。像素為零時不考慮下一步
T
闕值Ths必須高于*大可能的鐵水溫度，在幾乎相同的溫度下，相對于鐵水，熔渣使用相同測量配置時會出現超過這個闕值的溫度。因此,選擇的閾值可以區(qū)分渣和鐵水。為Ths使用1800?C 的溫度閾值如圖6(b)所示，礦渣的像素已被移除。
2）增長區(qū)：關閉已檢測到的受熔渣影響的像素的ROI區(qū)域，因為它們的反射會改變材料的輻射特性。于是，對于這些“像素”，測量過程無法正確應用，即計算出來的溫度不正確。為了探測這些像素，將使用一種“區(qū)域增長”過程。過程如下：
1）在感興趣區(qū)內的像素即某個熔渣區(qū)域相鄰的像素，如果其溫度與該區(qū)域的平均溫度水平近似，這些像素將會合并到該區(qū)域中。
2）)重復**步，區(qū)域不斷增長，直到無法滿足合并的標準
此過程將刪除歸類在鐵水像素組的熔渣影響的像素。如圖6c所示，剩余的所有像素都來自鐵水。
此過程的結果是，擁有一個完全屬于倒出鐵水流時紅外圖像像素的分類，基于此分類，可通過分析每一個像素的溫度水平來進行溫度測量，同時，每一幀可有多個測溫點，有多種選項可以用來計算單一穩(wěn)定的溫度測量值，比如使用所有可用像素的溫度水平的平均值，其他的選項,例如溫度分布的計算，是否能使用，取決于安裝有溫度測量系統的設備要求
C 執(zhí)行時間
本文的方法可快速又穩(wěn)定可靠的提供檢測結果，很多不同類型的應用，如工業(yè)檢測系統，需要快速的圖像處理算法，以便及時發(fā)現問題和盡可能快的應用糾正行為，該方法的設計已考慮到這點。
為了測試該方法的速度，需要足夠的時間從多個紅外圖像中測量鐵水的溫度，實驗采用運行于2.67 GHz的特爾酷睿i5 750（RAM 4 GB）。該算法使用c++編寫。
圖7 顯示了測量的執(zhí)行時間為10000張圖像，像素是320× 240的直方圖。平均時間為13.70毫秒，在約95%的水平，執(zhí)行時間間隔是2.23ms 和14.86ms.
計算成本低是本方法的*大優(yōu)勢，例如，它可以實時用于高幀頻率，在低幀頻時，對其他種類的任務留有足夠的時間。如特征提取或網絡通訊。此外，它使低中端嵌入式計算成為可能。
D 實時測量系統
如圖7所示，60hz的攝像頭不能處理所有低于16.67(A310,9hz)的幀。然而，一個基于分離采集和處理任務的低藕合架構的實時系統可以解決這一問題，采用這種方式，采集和處理任務可以并行運行，通過一個靈活的行列進行連接。系統可獨立又并行的運行兩個任務：“采集任務”在行列中存儲幀，“處理任務”在行列中檢索幀并對其進行處理，如果處理任務在下一個幀來前還沒有完成這個幀的處理，行列會隨著畫面存儲并等待處理。之后，當處理花費的時間變少，行列就會縮小，因為這種情況下處理任務的速度要快于采集任務。在一個穩(wěn)定的狀態(tài)下，一個系統設計遵循建議的體系結構，在考慮到執(zhí)行時間所需要的方法和指定的期限時，是能夠滿足實時約束的。