转炉吹炼数据预测能够有效地对终点进行判断控制。随着数字图像处理技术的快速发展,利用火焰图像得到吹炼数据的方法被许多学者所关注。吹炼过程中,熔池内的温度变化,碳、磷等化学元素的氧化速度变化,必然会从火焰上表现出来,形成炉口火焰的颜色、亮度、形状、长度等特征的变化。构建适当的特征描述子,准确表达火焰特征值随温度、碳、磷变化的特点,是基于火焰图像分析的转炉吹炼数据预测的关键所在。火焰的燃烧过程快速动态变化,具有短暂的稳态瞬间；边界线的变化既表现在其外形轮廓的宏观形态方面,又体现在小尺度范围内有意义的拐点变化；火焰的纹理是一种非周期的自然纹理,表现为随机微纹理的特点,这些都成为提取火焰图像特征值的难点。本文旨在对解决这一难点问题展开较为深入的研究,并提出一些新的方法和改进,论文的主要内容如下：1、火焰图像在采集过程中,光路上的烟尘及杂质可能影响火焰图像的清晰度,研究基于数学形态学的彩色火焰图像预处理方法。在分析二值形态学和灰度形态学图像处理算法和原理的基础上,将灰度矢量形态学图像处理推广至彩色矢量形态学处理,提出了基于均匀空间色差度量的矢量形态学图像处理方法。根据在均匀的Lab色彩空间中,颜色之间视觉上的差距与颜色坐标上的欧几里得距离成正比的特点,将量化后的色差大小作矢量排序的准则,然后利用四元数法建立彩色图像模型和形态学结构元素模型,在此基础上定义新的彩色形态学腐蚀、膨胀、开、闭运算子,利用定义的形态学图像处理方法对彩色测试图像作去除椒盐噪声,边界提取等预处理,并与已有方法进行图像处理效果的对比,表明本文方法能较好地提取边界和去除椒盐噪声。2、对彩色火焰图像做分割处理和色度信息提取。分别利用色彩相似度系数评定方法和欧几里得距离判定的方法分割火焰和背景,并对其性能进行评价。在彩色火焰分割的基础上,统计火焰色彩的三阶矩特征,利用广义回归神经网络(generalized regression neural network,GRNN)建立基于色彩信息的吹炼预报模型,并与色彩均值方法识别结果作比较,分析比较证明火焰三阶矩特征具有较好的运行速度和预测精度,可以作为彩色火焰色度信息的特征值。3、为了准确表达火焰边界弯曲复杂程度,描述熔池内碳的氧化速率。定义一种差分链码曲率计算方法,能准确表达火焰边界的弯曲度,同时为了消除边界小尺度拐角对曲率计算精度的影响,提出采用多边形重建的方法对火焰边界进行重构,在保证火焰外形轮廓的同时,能有效去除干扰拐点。提取转炉火焰在不同吹炼时期的边界复杂度特征,用广义回归神经网络建立基于火焰边界复杂度的吹炼数据预报模型,对比线不变矩、圆形度边界描述方法,分析和对比证明本文方法的有效性,可用于提取火焰边界复杂度特征值。4、为了表达火焰纹理粗糙度,用于描述熔池内杂质的氧化速率及燃烧的状态,提出了基于灰度差分统计的纹理复杂度描述方法,给出一种适用于随机微纹理处理的差分统计策略。在此基础上,建立灰度差分直方图,计算其特征值,由于熵值代表了复杂度的概念,符合本文应用的场合,利用广义回归神经网络建立基于纹理复杂度熵值特征的转炉吹炼数据预报模型,对比Laws纹理、灰度共生矩阵方法的预测结果,分析和对比本文方法的有效性,可用于提取火焰纹理复杂度。5、设计基于图像识别的转炉吹炼数据预测系统,包括硬件结构和软件功能。设计了系统的硬件组成、结构。利用MATLAB GUIDE可视化操作平台设计操作界面,编写回调函数火焰图像读取、分割预处理、色度特征提取、边界弯曲复杂度特征提取、纹理粗糙复杂度特征提取,利用广义回归神经网络建立多图像特征和转炉吹炼数据之间关系的预测模型。提出一种对跳变数据的修正方法,能有效提高识别率,与BP网络进行结果对比,证明本文方法的有效性及可行性。转炉吹炼过程中,炉口火焰图像快速多变、各种自然特征呈现复杂变化,本文旨在通过研究适合火焰图像处理的特征提取方法和理论,建立起火焰图像特征与转炉吹炼数据之间的关系模型,能够达到对实际吹炼过程中的数据实时预测,进而对转炉终点进行有效控制。