瓦斯灰是高炉冶炼的副产物,含有大量的含碳物质及铁、铅、锌等金属及碱金属氧化物,其中未燃烧煤、焦炭等含碳物质的含量可以反映高炉配料的合理性,锌、铝、铜等杂质的循环富集亦会对瓦斯灰的再利用产生影响。因此,对瓦斯灰的成分进行定量分析,对于指导高炉生产及瓦斯灰的的优化利用具有重要意义。瓦斯灰中未燃烧煤、焦炭、金属氧化物等目标的提取则是实现瓦斯灰成分自动分析的前提。本文根据瓦斯灰显微图像中不同成分在颜色、纹理等特征上存在的差异,尝试采用K均值、ISODATA等聚类算法对其进行分割,并采用空间-色度域的Mean Shift算法对其进行聚类,取得了较为理想的效果。论文的主要工作如下:(1)在查阅国内外相关文献的基础上,综述瓦斯灰综合利用及图像分割算法的国内外研究现状,阐明课题的研究背景与意义。(2)分别对瓦斯灰显微图像的颜色特征和纹理特征进行分析,提取基于RGB和LUV颜色模型提取的6个颜色分量信息;基于灰度共生矩阵提取的能量、熵、惯性矩、局部平稳性、最大概率等5个纹理特征量;基于灰度分布统计量提取的亮度比、均值、标准差、偏度、一致性、峰度等6个纹理特征量。分析瓦斯灰不同成分在各特征量间的差异性与可区分性,为后续的目标提取与识别工作提供依据。(3)设计目标提取方案,分别采用K均值聚类算法、ISODATA聚类算法对典型的瓦斯灰显微图像中的目标区域进行聚类分析,并提出结合空间-色度域的Mean Shift聚类算法,获得了比较满意的聚类效果。(4)用Visual C++6.0和OpenCV搭建图像处理的基本框架,并编程实现了本文所需的特征分析与目标提取算法,为实现瓦斯灰显微图像中不同成分的自动分析与识别提供软件平台。本文的特色与创新之处主要在于:利用数字图像处理技术对瓦斯灰进行分析;采用一种空间-色域度相结合的Mean Shift聚类算法对瓦斯灰显微图像中目标区域进行了有效聚类;结合颜色和纹理两类视觉特征对瓦斯灰显微图像中含碳物质的目标提取。