去除与控制范文（精选7篇）
去除与控制 第1篇
关键词：氮氧化物,控制,去除
0 引言
氮氧化物是大气中的主要污染物之一,也是形成酸雨的重要因素。氮氧化物的人为排放量占到三分之一以上。研究表明:化石燃料在燃烧过程中有大量的氮氧化物气体产生。电力公司是燃煤大户,且氮氧化物的排放量在逐年增加,因此,控制氮氧化物的排放势在必行。
火电厂燃烧过程中生成的氮氧化物主要是NO和NO2,通常这两种氮的氧化物称为NOX,大多数的煤含氮量为1%~2%,它在进入燃烧区之前,产生某些热离解,因此,在NO之前会出现低分子氮氧化物。近年来由于国家对大型的燃煤电厂NOX排放提出限值要求,许多电厂对NOX控制越来越重视,通过各种途径来减少氮氧化物的排放。目前的去除技术主要有二种方法,一是采用低氮氧化物燃烧技术,降低炉内的氮氧化物生成量;二是在烟道尾部加装脱硝装置,把烟气中的氮氧化物转变为无害的氮气或有机肥料。此外,联合脱氮技术也被国内外研究应用。
1 氮氧化物生成机理
煤炭燃烧过程中NOX的生成有三种不同的途径。
a.热力NOX,它是燃烧过程中空气里的N2在高温下氧化而生成的氮氧化物,它占总的氮氧化物的20%左右。
b.快速NOX,它是燃料中的碳氢化合物与空气中的N2,在过量空气系数为0.7~0.8时,由于缺氧燃烧生成而且反应时间极短,在实际燃烧装置中,快速NOX极少。
c.燃料NOX,它是燃料中所含氮氧化物在燃烧过程中氧化而生成的氮氧化物,它占总生成量的60%~80%。
NOX生成的最大特点与煤的燃烧方式、燃烧工况有关系。NOX生成量强烈依赖于燃烧的温度水平,同时还与风煤比、传热以及煤、空气和燃烧产物的混合程度有关。
2 氮氧化物控制与去除方式
2.1低氮氧化物燃烧技术
该技术是指通过燃烧技术来降低NOX的生成量,其途径如下。
a.选用N含量较低的燃料,包括燃料脱氮。
b.降低过剩空气系数。
c.在适宜的过热空气条件下降低温度峰值。
d.在氧浓度较低的情况下,增加可燃物在火焰前锋和反应区中的停留时间。
目前,主要采用的方法是空气分段燃烧、燃料分段燃烧、烟气循环等。
空气分段燃烧是目前普遍采用的技术。在两段燃烧装置中,燃料在接近理论空气量下燃烧,通常空气总的需要量为85%~95%与燃料一起供到燃烧器,使燃烧分两段完成。
第一段的烟气温度低、氧量不足,因此NOX生成量很小。
2CO+2NO2CO2+N2
NH+NHN2+H2
NH+NON2+OH
第二段的燃烧使不完全燃烧产物燃尽,这时虽然氧已过剩,但由于温度低,限制了NO的形成。
CN+O2CO+NO
图1和图2对比了普通燃烧系统和两段燃烧系统的温度状况以及生成量。可见两段燃烧对NO浓度的影响。
烟气再循环法是把温度较低的烟气直接送到炉内或与燃烧用的空气混合,使燃烧区内的惰性气体含量增加,因烟气吸热和稀释了氧的浓度,使燃烧速度和炉内温度降低,从而抑制了NOX的生成。一般采用的再循环率表示为
再循环率r=再循环率/无再循环率时烟气量100%。
烟气再循环法效果与燃料中含氮量以及再循环率大小有关,当再循环率r增加时NOX减少,但进一步增加时,NOX趋近定值:含氮量大,该定值也大,反之则小。r值太大,因炉温降低太多,燃烧不稳定,不完全燃烧损失增加,因此,烟气再循环率限制在30%以内。
2.2烟气脱硝技术
烟气脱硝技术与NO的氧化、还原和吸附的特性有关,它可分为氧化法和还原法,前者把NO先氧化成NO2,NO2溶于水并制成HNO3或被碱性物质吸收(称为湿法),后者采用还原剂将NO和NO2还原成N2,然后排放到大气(称为干法)。
2.2.1 干式脱硝法
干式脱硝法反应温度高,处理后烟气不需要再加热;而且由于反应系统不采用水,省略了后续废水处理问题,因此干式脱硝是目前脱硝的主流。它的反应式如下:
CH4+4NO2NO2+CO2+2H2O
4NH3+6NH5N2+6H2O
2CO+2NON2+2CO2
2.2.2 湿法脱硝
湿法脱硝NO很难溶于水,往往要求将NO氧
化成NO2,为此,一般先把NO通过氧化剂氧化成NO2,就是把NO先通过氧化剂氧化成NO2,然后用水或碱性溶液吸收而脱硝。
3 技术应用与发展
在国内某合资电厂的1号炉安装采用了低氮氧化物燃烧技术,它的原理是将燃烧所需的空气量分成两级送入,一级所用的过剩空气系数为0.8,其余空气在燃烧器附近适当位置送入,使燃烧分级完成。试验中发现一级燃烧区内,由于缺氧,使燃烧处于“贫氧状态”,燃烧速度和温度降低,抑制了NOX的生成。二级燃烧区内,剩余空气以二次空气输入,使未燃尽的碳氢化物燃尽。同时也使一些中间产物被氧化NO。但因温度低,NO的生成量不大。热力数据见表1。
苦荞中黄曲霉毒素的控制及去除方法 第2篇
黄曲霉毒素 (Aflatoxins, AFT) 是寄生曲霉菌和黄曲霉菌污染了食物后生长并繁殖产生的毒素, 是一类化学结构类似的化合物, 其基本结构均含有一个双氢呋喃环和一个氧杂萘邻酮。它难溶于水、己烷、石油醚, 在水中的最大溶解度只有100 mg, 可溶于甲醇、乙醇、氯仿、丙酮及二甲基甲酰等有机溶液, 耐高温, 通常加热处理对其破坏很小。在碱性条件下, 黄曲霉素极容易降解;紫外线辐照也易使黄曲霉素降解从而失去毒性, 但此反应为可逆反应, 即在酸性条件下黄曲霉毒素复原。世界卫生组织 (WHO) 的癌症研究机构在1993年将AFT划定为一类致癌物[1]。许多国家、地区都对农产品及各种食品中的黄曲霉毒素含量做出了限量的要求。如欧盟规定了食品中AFB1的最高限量为2μg/kg, 花生、谷物、果脯和坚果中 (AFB1+AFG2+AFG1+AFB2) 的总量为4μg/kg。
2 苦荞中黄曲霉毒素的主要控制
苦荞被AFB1侵染的途径是多种多样的, 包括种植环节、收获环节、贮藏与运输环节、加工环节等。而适宜黄曲霉菌的生长温度为12~42℃, 最适温度是33℃, 适宜产毒温度一般为24~28℃, 适宜生长的相对湿度为80%~85%, 生长的最低水分活度是0.78, 最适宜的水分活度是0.93~0.98。因此, 对苦荞黄曲霉毒素的控制主要从以下几方面进行分析。
2.1 种植期的控制
首先, 选用分枝多, 结籽集中、结籽早、结实率高、抗寒力强、产量高的苦荞种。在播种前期, 进行2~7 d晒种, 杀灭细菌, 选种之后, 去小、去杂、去秕, 为了提高种子的发芽率, 用40℃温水浸种10 min。其次, 避免种子处于35℃以上高温、13%含水量的环境条件下, 防止苦荞被黄曲霉污染的问题发生, 密封保存。由于苦荞麦最适宜的土壤含水量为16%~18% (相当于田间持水量的60%~70%) 。调节田间土壤温度和湿度, 保持群体通风透气性、调整作物种植密度, 通过合理的排灌来保持土壤水分 (使田间持水量最好保持在40%~70%) 和调节土壤温度, 在收获前21~35 d内适当的灌溉, 可以防止作物遭受干旱胁迫, 起到降低收获前黄曲霉毒素污染的作用。生产试验证明, 适宜667 m2播量3.5~4 kg, 保苗14万~16万株/667 m2。播深3~4 cm, 覆土厚度一般为3 cm, 如超过3 cm则出土较为困难。通过以上措施可减少黄曲霉毒素对苦荞的污染。
2.2 适时收获
掌握不同作物生长发育特性, 明确成熟期的特征, 适当时候收获。采取良好的收获方式, 防止收获时作物果实受到损伤或破裂。选择适宜的收获时间, 在阴雨天时避免收获。对于刚收获的作物 (新鲜的玉米穗、苦荞穗和花生荚果等) , 要摊开晾晒, 避免堆放, 将其含水量迅速的降到安全储藏限度以下。如收获时遇到持续的阴雨天气, 在有条件的地区, 要及时采取相应的干燥处理, 以免黄曲霉菌的产生。收时最好在阴雨天或湿度大的清晨到上午11:00前, 然后在田间晒4~5 d至含水量小于12%, 避免苦荞粒在这期间受到黄曲霉毒素的污染以及受到落粒和鼠兽危害。
2.3 贮运
一般苦荞籽粒的含水量降至12%以下才可入库贮存。在装运时, 黄曲霉很容易污染苦荞籽粒。因此, 在雨雪天气尽量不装箱, 如若要装箱应做好防潮工作, 在装箱的时候多加些纸垫板。在长途运输的时候, 苦荞在潮湿和高温环境中极易发霉, 会产生黄曲霉毒素, 为防止发霉, 可使用防霉剂对其进行防霉。黄伟、谌先明[2提出常用的防霉剂有丙酸或其盐、山梨醇及其盐类、双乙酸钠、延胡索酸等, 其中以丙酸或其盐应用最广泛。但这类防霉剂需在p H<5时才有抑菌效果。他们对饲料进行试验后, 有些防霉剂 (如双乙酸钠) 不仅可防止霉变, 还可以改善饲料的适口性。因此, 要尽可能保证苦荞处于低温、干燥的贮运环境, 以减少黄曲霉对苦荞的污染。
2.4 加工
苦荞在加工过程容易产生黄曲霉, 然而, 加工过程中控制苦荞中黄曲霉毒素产生的关键环节将苦荞中的霉粒、虫蚀粒等不完善粒挑拣剔除。因此, 苦荞原料的挑选过程至关重要。对于少量苦荞原料可以通过人捡, 挑选, 筛选等方法将苦荞原料中的不完善籽粒捡出, 保留新鲜饱满的苦荞粒, 然后将挑选出来的不完善籽粒使用水洗、浸泡、吸附剂等方法进行去毒后加工, 以减少黄曲霉对苦荞制品的污染。用石灰乳水、纯碱水浸泡苦荞粒2~3 h, 然后用清水冲洗至中性, 2 h候烘干, 去毒效果可达60%~90%。
3 苦荞中黄曲霉毒素的去除方法
黄曲霉毒素对苦荞的安全性的影响很大, 根据黄曲霉毒素的理化特性, 对黄曲霉毒素的去除可用的主要方法有物理、化学和生物方法。
3.1 物理方法
3.1.1 吸附法
吸附法是指为达到去除黄曲霉毒素的目的向样品中添加吸附剂的一种方法。常用吸附剂为蒙脱石、水合硅铝酸钙钠盐、活性炭、黏土和膨润土等。张国辉[3]等将水合铝硅酸钠钙、沸石、活性炭等加入到饲料中, 最终使大部分黄曲霉毒素被吸附, 甚至接近不含黄曲霉毒素饲料的水平。齐德生[4]等人证实了蒙脱石在p H值为8.0、2.0时对AFB1的吸附量分别达到了628.9、613.5μg/g, 所以吸附剂可以有效降低黄曲霉毒素含量。
3.1.2 辐射法
辐射法主要分为非离子辐射和离子辐射, 主要的离子辐射是紫外线, 能有效地破坏黄曲霉毒素的化学结构, 对毒素和霉菌都有较大的杀伤力, 用高压汞灯紫外线大剂量的照射能去除97%~99%的霉菌毒素。2006年, 达文政[5]报道经过射线辐照处理能够使黄曲霉素变性, 毒性减弱。Guilherme Prado等研究报道, 10 k Gy辐照处理时, 可使花生中AFB1完全失活, 超过20 k Gy能使55%~74%的AFB1被降解。2004年, Aziz[6]等研究表明, 4 k Gy辐照处理时, 玉米、鹰嘴豆和花生中60.8%~66.7%的AFB1被降解;6 k Gy辐照处理时74.3%~76.7%的AFB1被降解。黄曲霉毒素经非离子和离子辐射后, 可发生分解而转变成无毒或毒性较小的中间产物。
3.1.3 高温法
黄曲霉毒素的分解温度是237~306℃。用高温加热法能破坏部分黄曲霉毒素, 其降解程度与食品的湿度、加热时间和达到的温度、食品被黄曲霉毒素污染浓度、离子浓度和p H位等因素有关, 相对湿度高, 有助于毒素分解, 是因为水有利于打开黄曲霉毒素的内酯环, 从而形成羧酸被分解。Rustom[8]等研究了不同加热温度、加热时间和不同p H值对含黄曲霉毒素的饮料、花生致突变作用影响, 结果表明, 当p H为8.0的时候, 加热不能使致突变作用有效降低, 而温度130℃加热20 s、p H为10.2和121℃加热15 min、p H值10.2分别使致突变作用降低了78%和88%, 可能的原因是黄曲霉毒素内酯环在碱性条件下更有利于打开。
3.2 化学方法
3.2.1 碱处理
因为黄曲霉毒素遇碱能够迅速分解, 因此在氢氧化钙、氢氧化钠等碱性物质作用下, 其内酯环被打开后, 形成氧杂萘邻酮 (俗称香豆素) , 从而使黄曲霉毒素毒性消失。如果在数次的过氧化氢、氯气、氯酸钠等氧化剂的诱导作用下, 黄曲霉毒素分子结构上的某些基团如SO32-会与二氢呋喃环的15和16位结合, 致黄曲霉毒素毒性消失, 而该方法并不破坏黄曲霉毒素的内酯环。目前最常用来除去毒性的化学方法是运用亚硫酸氢钠溶液或石灰水处理。毛胜风[8]等的研究认为, 壳聚糖金属盐系列防霉剂是一种极有前途的高效低毒防霉剂, 其可以有效抑制黄曲霉的生长。
3.2.2 臭氧熏蒸法
臭氧熏蒸法是由化学和物理氧化双重作用的一种脱毒方法。臭氧具有极强的强氧化性, 通过破坏黄曲霉毒素分子结构中的双键, 从而达到降解黄曲霉毒素的作用。HIDE0 MAEBA[9]等人研究了臭氧对黄曲霉毒素的去毒效果, 发现臭氧对AFG1和AFB1有很好的去毒效果, 而AFG2和AFB2对臭氧较为不敏感。Alfredo用臭氧对玉米中的黄曲霉毒素进行处理, 并且对其降解产物进行分析, 用12~13wt%臭氧处理10 kg (10μg/kg AFT) 的玉米样品, 黄曲霉毒素被彻底降解, 双向薄层色谱结果显示产生了七种中间产物, HPLC分析色谱图中出现了6个主要的色谱峰, 利用基质辅助激光解吸电离质谱分析出几种分子量大于AFB1的物质;用14C标记AFB1, 通过液体闪烁计数器测定物质放射性, 发现臭氧处理后极性物质和水溶液中放射性增强, 表明有极性和水溶性降解产物生成, 推测可能是臭氧破坏了C8, 9双键, 并将AFB1转化为醛类物质。
3.3 生物方法
3.3.1 微生物降解
微生物降解是很多微生物, 包括细菌、霉菌、酵母菌、藻类和放射菌等利用某些微生物的生物转化作用使黄曲霉毒素降解, 使黄曲霉毒素解毒, 转变成毒性很低的物质的过程。德特罗伊等曾报道, 匍匐梨头霉 (Absidia repens) 、灰蓝色毛霉 (Mucorgriseo-cyanus) 能够将黄曲霉毒素B1, 转变成一种毒性低18倍的物质, 从而达到去除黄曲霉毒素的目的。Corsetti[10]等研究发现, 旧金山乳杆菌CBI (L.sanfrancisco) 抑制了曲霉等霉菌的生长是由于其合成的短链脂肪酸。一些乳杆菌、双歧杆菌和链球菌还可直接降解食品中的黄曲霉毒素。
3.3.2 酶的降解
酶的降解主要是利用酶的专一亲和性, 使黄曲霉毒素高效地催化、降解为无毒化合物或者小分子无毒物质而达到去毒的目的。吴肖[11]等用一种酶将花生粕水解后, 使微溶于水的黄曲霉毒素从结合的疏水性氨基酸残基上充分游离, 然后过滤, 截留住大部分的黄曲霉毒素而使黄曲霉毒素的含量显著下降。但实际应用中, 由于酶不耐热, 在苦荞产品的制作过程, 尤其苦荞籽在高温过程中易于失活, 限制了酶的作用发挥。
4 总结
近年来, 通过不断地研究和发展, 人们已经从各个学科领域了解并获得了黄曲霉及黄曲霉毒素的信息。对其控制及去除的研究很多, 在控制方面, 主要是对苦荞种植、收获、贮藏与运输、加工等环节进行控制;在去除方面, 目前发现的主要有物理、化学、生物学等方法, 会使产品中的黄霉菌毒素不同程度的失活或去除;随着生物技术的发展, 商品化的“黄曲霉毒素解毒酶”也渐渐被发现, 但目前以上的任何一种方法都有一定的局限性, 都不可能完全有效的去除黄曲霉毒素。为了解决黄曲霉毒素对苦荞的污染问题, 还要继续研究并发挥科学技术的力量, 争取将黄曲霉毒素从苦荞中消除, 减少它对人类的危害。
参考文献
[1]IARC-WHO.Some Naturally Occuring Substances Food Items and Constituens, Heterocys Licaromatic A Mines, and Mycotoxins[J].IARC Monographs on the Evaluation of Carcinogenic Risks to Humans, 1993 (56) :245-362.
[2]黄伟, 谌先明.黄曲霉毒素的危害及预防措施[J].畜禽业, 2014, 10:38-41.
[3]张国辉, 何瑞国, 齐德生.饲料中黄曲霉毒素脱毒研究进展[J].中国饲料, 2004, 16:36-38, 40.
[4]齐德生.蒙脱石改性前后对AFB_1和营养成分的吸附及对AFB_1的脱毒效果[D].武汉:华中农业大学, 2004.
[5]达文政.玉米霉菌毒素的危害和防治措施[J].中国草食动物, 2006 (26) :56-58.
[6]Aziz N.H., Moussa L.A.A.Reduction of Fungi and Mycotoxins Formation in Seeds by Gamma-radiation[J].Journal of Food Safety, 2004 (24) :109-127.
[7]Rustom I Y S, Lopez-Leiva M H, Nair B M.Effect of p H and Heat Treatment on the Mutagenic Activity of Peanut Beverage Contaminated with Aflatoxin B1[J].Food Chemistry, 1993 (46) :37-32.
[8]毛胜风, 孙芳利, 段新芳, 等.壳聚糖金属盐抑菌效果研究[J].浙江林学院学报, 2006, 23 (1) :89-93.
[9]Alfredo D.P.J..Evaluation of Aflatoxin-Related Products from Ozonated Corn[D].Baton Roμge:Louisiana State University, 2008.
[10]Corsetti A, Gobbetti M, Rossi J, et al.Antimould Activity of Sourdoμgh Lactic Acid Bacteria:Identification of A Mixture of Organic Acids Produced by Lactobacillus Sanfrancisco CBI[J].Applied Microbiology and Biotechnology, 1998 (50) :253-256.
浅谈水体与原水藻类的去除 第3篇
水体可分为两种概念, 即“类型”概念和“区域”概念。按“类型”划分为海洋水体和内陆水体两种。在环境污染的研究中, 区分水和水体的概念也是十分重要的。例如重金属污染物易于从水中转移到底泥中, 水中重金属的含量一般都不高, 若着眼于水, 似乎未受到污染, 但从水体看, 可能受到较严重的污染, 使该水体成为长期的次生污染源。
各种天然水, 都不是纯水, 而是由水和其中的杂质组成, 水和其中的杂质不是单纯的混合关系, 他们相互作用, 共同决定了天然水的特性。天然水体是一个水生态系统, 生态系统是英国科学家坦斯利提出的。所谓生态系统是指生物群落和他的周围环境所组成的具有一定结构和功能, 并有一定自我调节相对稳定的综合体。
淡水生态系统一方面与大气保持连续的气体交换, 另一方面通过径流与陆地, 农田和相邻的水体有着广泛的物质交流。水中溶解的气体主要有氧、氮和二氧化碳。在某些条件下还有其他溶解性气体。其中氧对水生生物的生活和分布有极大的影响, 水中氧的来源有几种, 其中有一种是水生植物 (藻类和水生高等植物) 的光合作用释放的氧。当藻类生长旺盛的时候, 水中溶解氧常达到饱和或者过饱和程度。而原水中的藻类会产生异臭、异味, 影响净水厂出水水质。
1 藻类对供水的影响简介如下:
1.1 堵塞滤池、影响凝聚、沉淀
藻类进入滤池在滤池表面形成一层毯状物堵塞滤池, 造成滤速减低, 冲洗频率加大。由于水中藻类的存在, 混凝剂也会增多, 导致沉淀去除率下降。此外由于光合作用, 水中p H值升高, 水中溶解氧增加, 使矾花上浮也影响沉淀。
1.2 味和臭
藻类使水产生甜、苦、酸等不同味道。一般湖泊水中春季易于繁殖针杆藻、直丝藻等硅藻, 使水发生鱼腥臭, 夏季如有颤藻等, 则会发生霉臭。
1.3 干扰水处理操作
由于藻类在水中存在使水质变化, 也造成处理上的麻烦, 生长着和死亡的藻类都会使水的p H、碱度、硬度、溶解氧和有机物起变化, 而干扰了水处理操作。藻类也使有机物增加, 这样处理就得增加氯剂, 添设处理措施。
1.4 污染配水管网
供水的水大部分由氯消毒, 但管道内有容易繁殖的一些耐氯的藻类, 这些藻类抵抗着氯消毒。管网内还有有生命的藻类消耗余氯, 结果使水中有机物增加, 有机物又成为细胞及其他令人生厌生物的营养成分, 污染管道。
1.5 腐蚀
有的藻类对混凝土和金属构筑物构成很大的威胁, 它们直接在这些物质上生长;也可在水通过时, 藻类以物理和化学作用而间接腐蚀。一些种类的藻可生在混凝土上造成小坑, 使混凝土破坏。
1.6 粘质物
藻类细胞成层成为粘质物, 多数硅藻和绿藻产生粘质物粘附在混凝土及其他物质的表面上, 形成一层润滑层。
2 针对以上这些问题, 总结了一些除藻方法和经验, 现详述如下:
2.1 直接过滤除藻
直接过滤不适宜处理含藻量极高的水, 这时应在过滤池前增加沉淀池或澄清池, 但这样还可能出现滤池出水含藻量>1000个/m L的情况, 需要进一步处理。直接过滤适用于原水中藻类和悬浮物数量较少的情况, 该工艺的关键是滤速的大小。采用均质砂滤池或双层滤料滤池进行直接过滤的工艺, 藻类去除率约为15%~75%。若进行预氯化并在投加混凝剂后采用白煤-砂双层滤料滤池直接过滤, 则藻类的最优去除率约为95%。
2.2 混凝除藻
投加硫酸铝作为混凝剂可同时去除浊度和藻类, 若同时投加聚丙烯酰胺或阳离子型助凝剂则可减少硫酸铝用量。
采用混凝法除藻时应根据藻的种类选择药剂。去除硅藻时可单独投加硫酸铝。去除绿藻一般需要预氧化, 预加氯时其去除率约为95%~98%, 无预氯化时其平均去除率为85%。蓝、绿藻会产生臭味, 并且会分泌黏液造成配水管网中出现后絮凝现象, 因此是水处理中较难去除的藻类, 也是多数富营养化水体中主要生长的藻类, 它对混凝剂投量的调整极为敏感。
另外, 藻类代谢产生的有机物对絮凝和过滤也有影响, 其原因是该有机物中的酸性物质与混凝剂的水解产物发生反应, 因此必须增加混凝剂的投量。
2.3 沉淀或过滤除藻
向反应沉淀池中投加粉末活性炭作为助凝剂 (可有效去除泥土气味) , 可以强化反应、沉淀效果, 特别是在藻类大量繁殖的季节此法可作为应急措施。
研究表明了水中藻类对过滤效果的影响:当藻类数量<500个/m L时, 不会引起滤池堵塞;当藻类数量为500~1000个/m L时, 滤池有稍许堵塞;当藻类数量为1000~2000个/m L时, 有明显堵塞现象。
2.4 预氧化除藻
对于某些藻类 (例如绿藻) 可以用氯、臭氧、高锰酸钾、二氧化氯等氧化剂进行预氧化, 以提高去除效果。有一些藻类在预加氯后常会产生臭味, 这时应加过量的氯, 使之产生游离态的余氯, 随后再根据水质要求进行脱氯。利用高锰酸钾除藻也有较好的效果, 对碱性水的除藻效果优于中性或酸性水。一般高锰酸钾投加量为1~3 mg/L、接触时间≥1~2 h, 如果预氧化过程中高锰酸钾投量过多, 可能会穿透滤池而进入配水管网, 出水的含锰量增加, 有可能不符合生活饮用水水质标准。过剩的高锰酸钾可在沉淀池中去除。有些水厂采用直接过滤工艺, 则需要有检测设备, 以防止多余的高锰酸钾穿透滤池而进入配水管网。有时也可投加粉末活性炭去除过剩的高锰酸钾, 但是粉末活性炭也可能穿透滤池而进入配水管网, 宜在滤速上加以控制。
臭氧是唯一不增加处理水中总固体的有效氧化剂, 投加量为0.5~5 mg/L, 除藻效果很好, 现在臭氧和活性炭联合除藻已受到人们的重视。近年来, 人们认为二氧化氯可以作为一种有效的除藻剂。其除藻机理是二氧化氯对藻类叶绿素中的吡咯环具有一定的亲和性, 二氧化氯作用于吡咯环, 氧化叶绿素, 致使藻类因新陈代谢终止且合成蛋白质中断而死亡。二氧化氯与藻类的反应速度极快, 能够有效地控制霉味和鱼腥味等, 但是价格昂贵。
2.5 气浮除藻
近年来溶气气浮法除藻得到了广泛应用, 此法在固液分离速度 (5~8 m/h) 、污泥浓度及节约药耗等方面都有比较满意的效果。气浮法除藻比之澄清法优点主要是:a.当原水中藻类的数量为 (3~5) 104个/m L时, 气浮池和澄清池出水中藻类数量均为1000~1200个/m L, 但气浮法可节约混凝剂20%~40%;b.气浮池污泥干固体浓度为25~30g/L, 澄清池的干固体浓度仅为气浮池的1/10, 因此在污泥处理时气浮法可省去污泥浓缩阶段;c.气浮工艺比较节约运行费用, 但要求原水的悬浮固体含量不高, 并且设备发生故障时能及时检修。在我国武汉和无锡等地的水厂采用了气浮池, 可同时达到澄清和除藻的目的。
目前处理水生生物, 尤其是除藻还没有找出百分之百的去除办法, 除了努力在这方面加强研究外, 更应当在水源中去除和防治, 以减轻供水处理的压力, 保证供水的数量和质量。
摘要：目前处理水生生物, 尤其是除藻还没有找出百分之百的去除办法, 除了努力在这方面加强研究外, 更应当在水源中去除和防治, 以减轻供水处理的压力, 保证供水的数量和质量。
去除与控制 第4篇
磨料流加工 (abrasive flow machining, AFM) 是应用黏弹性磨料流加工工件的特种光整加工方法, 它能够抛光零件中使用常规方法难以加工到的区域, 如窄缝、交叉孔、微孔、空腔等;AFM可同时完成去毛刺、倒圆角和抛光等工艺;AFM不仅能加工金属材料, 而且能加工陶瓷、硬塑料等。由于流体具有良好的仿形特性, 可以使流体与加工表面形成“完美”接触, 故磨料流加工技术在一些特定的加工场合有着不可比拟的优势[1,2]。为了分析磨料流的加工机理, Gorana等[3]指出影响磨料流抛光效果的因素有磨料流动速度、加工压力、磨料浓度和磨粒尺寸等, 并指出切削力和磨粒浓度决定工件表面的最终粗糙度, 还研究了加工压力、磨粒浓度和磨粒粒径对材料去除率和表面粗糙度的影响, 并设计了一套测量磨粒受到的轴向力和径向力的装置。计时鸣等[1,2]根据液固两相流体耦合理论, 建立了磨料流动力学模型, 利用标准k-ε湍流模型和离散相模型相结合的求解方法, 以环形截面约束流道为研究对象, 选择不同的约束模块配合参数, 对流道内压力和速度分布及湍流动能进行数值分析研究, 试图找到两者与抛光效果的关系;文献[1-2]还对Preston方程、k-ε湍流模型以及SIMPLEC算法进行了研究, 得到了适用于磨料流加工细微尺寸结构化表面的磨粒选择条件和切削经验公式。Sankar等[4]分析了流变参数 (如静态参数、剪切应力和黏性系数、动态参数、应力松弛模量和应力张力模量) 对工件表面粗糙度和材料去除率的影响。汤勇等[5,6]指出径向流速差决定了磨粒受力大小, 切向力和流速决定了加工效果。宋桂珍等[7]通过分析非牛顿流体的流动指数来计算剪切力。
本文将影响工件表面质量和材料去除率的因素分为直接因素和间接因素、可控因素和不可控因素, 并通过应用“力”这一物理量来分析磨粒微去除机理。
1 磨料流微去除力学模型的建立
磨料流由高分子材料介质、磨粒微粉和添加剂组成。其中, 介质是硅橡胶等高分子材料;添加剂在加工过程中起到润滑作用, 其含量较少;磨粒由碳化硅、碳化硼、氧化铝等微粉组成, 且不与介质和添加剂发生化学反应或物理溶解。
在磨料流抛光中, 磨料中的磨粒在介质作用力、磨粒间作用力和磨粒冲击载荷三个方面的作用力下微去除工件表面, 取得抛光工件表面效果, 下文所述作用力如未加特别说明, 均指作用应力。
1.1 介质对壁面层磨粒的作用力
磨料流抛光中磨料去除作用力是通过壁面层磨粒实现的, 整个磨料流是一种非牛顿流体。本文通过分析具有牛顿流体性质的介质对壁面层磨粒的作用力来计算磨料对壁面的剪切力。
磨料流黏度大小与温度和压力有关, Reynolds和Barus提出的黏压温关系式分别为[8]
式中, μ为磨料流黏度;μ0为标准大气压下温度为T0时的流体黏度;T、p分别为当前温度和压强;α、β分别为黏压系数和黏温系数。
介质具有黏弹性质, 介质运动时层与层之间存在剪切力τ, 即
式中, R为孔半径;Rm为测量点与孔中心的距离;v为流体速度。
介质与流体运动垂直方向上存在压力F, 即
式中, h为测量点与磨料入口端距离。
1.2 中间磨粒对壁面层磨粒的挤压力
磨料流为密集流, 磨粒间形成很多“力”链, 且相互作用支撑整个颗粒流质量和外载荷的网络, 其构型及局部强度在外载荷下演化, 这也是磨料流整体摩擦特性和接触应力的一个来源[9,10]。
使用颗粒流分析程序 (partical flow code, PFC) 从微观结构角度研究介质的力学特性和行为, 通过PFC仿真能够准确计算任意时刻任意颗粒的速度与受力, 也能够自动求出整个作用过程的平均接触力、平均不平衡力以及速度等物理量随时间变化的关系, 因此可以方便地计算中心层磨粒对壁面层磨粒的作用力。通过PFC3D内部命令“range”将壁面层磨粒归为一类, 并计算其数量, 然后用“print ball range”等命令查询壁面层磨粒受力状况;输入实际加工参数即可自动计算出中心层磨粒对壁面层磨粒挤压力的大小和方向, 然后根据力的合成与分解原理求解作用在壁面层磨粒上的轴向力fa和径向力fr。
1.3 磨粒自身的冲击载荷
磨料流抛光过程中, 磨料流中的磨粒和流体介质一起以相同的速度运动, 金属工件内壁表面微观的不平整性使得靠近壁面处的微粒在运动过程中必然要与金属表面的微凸发生碰撞, 即产生了冲击载荷。工件表面的微观形貌千变万化, 磨粒作用在不同高度和形状微凸上的冲击力是不同的, 为此, 对工件表面微观形貌进行统计学分析并建立了形貌模型, 然后根据该模型应用能量守恒理论计算磨粒作用在工件表面的切向力。
1.3.1 工件表面建模
工件表面的微凸高度近似呈现Guass分布[9], 如图1所示。为了取得一种平均效果, 根据Guass理论, 将工件表面的微观形貌近似为Guass钟形微凸, 如图2所示。
Guass分布的概率密度分布函数为
其中, x为随机变量;σ为固体表面轮廓平均方差, 其值越大, 则表面微凸高低层次越不齐, Guass曲线越尖, 反之, σ越小, Guass曲线越平整。
1.3.2 磨粒冲击载荷计算
由于磨料流黏度高且磨粒粒径较小, 故磨粒的整体速度等于活塞的移动速度, 即磨粒的轴向 (切向) 速度和活塞的轴向速度相等, 磨粒的径向 (法向) 移动速度为零。由于工件表面存在微凸, 磨粒必然与其发生冲击碰撞而产生冲击载荷。
壁面磨粒对工件表面的冲击过程如图3所示。其中Δd为磨粒与微凸接触点A最大偏离距离, zm为轮廓的最大高度, ew为磨粒作用在微凸上的高度。根据能量守恒理论, 可计算其轴向冲击载荷σc:
式中, m为磨粒质量;ρ为磨粒密度;ra为磨粒与微凸接触圆半径;E为磨粒与工件的复合弹性模量。
壁面处的流体介质做层流运动, 磨粒径向的运动速度为零, 磨粒径向冲击载荷近似为零。
1.3.3 磨料流中磨粒去除力分析与计算
磨料流中的磨粒对壁面产生作用, 其去除作用力主要来自三个方面:流体介质黏弹性力、磨粒间作用力和运动磨粒的冲击载荷。磨粒作用在工件表面的轴向作用力τa和径向作用力τr分别为
其中, fa、fr分别为内部磨粒对壁面层磨粒的平均轴向作用力和平均径向作用力。轴向作用力使得壁面层磨粒对工件表面产生微刻划效果, 而径向作用力使得壁面层磨粒对工件表面产生犁沟挤压效果。无论何种作用力, 都对工件表面质量产生了影响。其影响的程度大小, 也间接地反映了各因素对流体抛光效果影响的程度。
1.4 磨粒受到的主动力分析与计算
磨粒受到三个方面的作用力:介质作用力、磨粒间挤压力和磨粒自身冲击载荷, 三者的作用力合力可分解为平行于活塞运动方向的轴向力和垂直于轴向力方向的径向力。
加工参数的改变必然改变磨粒所受的三个方面的作用力, 进而改变磨粒所受的轴向力和径向力。不同加工参数或因素对轴向力和径向力影响程度不同, 本文正是基于这一根本思想, 进行理论和试验分析, 如图4所示。轴向力和径向力的改变量不同, 是影响磨粒抛光效果的根本性原因。
2 磨粒作用力与工件表面塑性变形
2.1 表面塑性变形临界法向力
根据Mises准则[11], 工件表面微凸发生屈服所需最小法向的载荷W为
式中, rm、rw分别为磨粒棱角球冠半径和工件表面微凸近似球半径;νm、νw分别为磨粒和工件材料泊松比;Em、Ew分别为磨粒和工件材料的弹性模量;σs为法向应力。
工件表面微凸塑性变形的最小径向应力σr为
2.2 表面塑性变形临界切向力
磨粒在大部分工作时间里是以球形状态抛光工件表面的[7]。工件表面的微凸大约仅相当于粒径的1/50[9], 因此, 剪切挤压塑性变形以及工件表面的材料去除量和表面粗糙度试验均将工件表面近似作为平面处理。
依据Bowden理论[10], 表面承载后, 在某些微凸体的顶端 (真实接触点) 产生了很大的接触应力, 导致两表面 (接触点) 焊接 (黏着) 在一起。当两个表面做相对滑动时, 必然要将这些焊接点剪断;同时, 因表面上的凸起部分穿入软表面, 从而使软表面犁成沟槽, 剪断接点的力和在表面上犁沟的力之和, 即为本文中的切向力, 如图5所示。
球形磨粒能够微去除工件表面的最小应力σr为
其中, Fa、Fr分别为单个磨粒产生的轴向力和径向力。面积S的计算公式为
根据磨粒轴向力和径向力计算模型, 给定相关加工参数即可计算出当前磨粒对工件表面的轴向力和径向力, 进而可以计算出磨粒对工件表面材料的去除量以及表面粗糙度。
3 磨粒微去除工件运动分析
作用在磨粒上的力大小和方向各异, 可以合成轴向合力FA和径向合力FR, 两作用力传递到磨粒与工件的接触面上, 产生均匀分散的作用力F1, F2, , 如图6所示。
设轴向力和径向力的理论比值U为
式中, θ为合力与水平方向的夹角。
假设工件材料在各方向下塑性变形能力相同, 实际作用在磨粒上的轴向力和径向力比值为C, 忽略磨粒自身的重力, FA大于材料变形的临界应力, 则磨粒微切工件存在以下三种状态: (1) 若C>U, 则磨粒在工件表面滚动; (2) 若C=U, 则磨粒直线微切工件表面; (3) 若C
径向力的增大有利于增大磨粒切削工件表面的深度, 增大工件表面材料的去除率;但当径向力过大, 轴向力太小 (小于材料发生塑性变形的临界应力) , 切削挤压深度过大, 轴向力不足以产生耕犁运动时, 磨粒将处于非切削状态, 不利于工件表面材料的去除。因此, 在保证磨粒切削运动状态的情况下, 保持合理的轴向力与径向力的比值是提高抛光效率的关键。对于一种特定的流体磨料, 磨粒的种类和大小一般是相同或近似的, 即假定磨粒的半径r是确定的, 可知磨粒切削工件表面的深度b, 则
其中b与rw有以下关系:
一旦θ确定就可以确定最佳切削力比值。
4 磨料流加工试验
4.1 夹具及轴径向力测量装置与测量过程
为了准确测量磨粒对工件表面轴向力和径向力, 本文设计的测量装置如图7所示。测试工件有轴向力测量工件和径向力测量工件。传感器主要采用Interlink Electronics公司生产的Force Sensing Resistor片式传感器, 量程为0~440N, 温度误差小于0.36%/℃, 是一种超薄型电阻式压力传感器。为了准确测量, 本文附带采用了柱式力敏传感器, 其额定载荷为98~19 600N, 工作温度为-20~65℃, 且配备独立数字显示装置。将上述片式传感器贴在圆柱式传感器底面, 该传感器的有效面积为71.3mm2。
磨料流经夹具中心孔时, 磨料与图7中轴向力测量工件产生的轴向力 (切削力) 由底部的两个压阻传感器测得, 磨料与图7中径向力测量工件产生的径向力 (挤压力) 由侧面两个压阻传感器测得。
压阻传感器测得数值由处于欧姆档的万用表显示并记录, 再进行数据处理。根据压阻传感器固有的力与阻值换算关系, 可换算出当前作用力的数值, 此处的作用力单位为N。然后, 根据工件与夹具的结构参数 (长宽高) , 计算磨料作用在工件上的有效作用面积, 并除以相应的作用力 (非应力) 得到对应的平均轴向力与径向力 (应力) , 即为本文要分析和讨论的物理量。
依据当前钢工件和磨粒物理性质参数 (工件硬度、泊松比和屈服强度等, 通过查询钢材型号获取) 、夹具的形状参数 (高度、中心孔半径等) 设定基本初始非加工参数 (加工过程中不改变的物理量) , 其他加工参数 (加工压力、加工速度等) 则根据试验需要设置。
4.2 加工试验材料及测试装置
本试验中的磨粒为SiC, 粒度有20目和200目两种。加工对象为经调质处理的45钢, 其屈服强度为750MPa, 轴向力和径向力测量实物装置如图8所示。
4.3 理论计算与加工试验结果分析
根据实际加工条件, 设定当前各因素的值:磨料黏度180Pas, 磨料缸活塞速度0.2m/s, 加工压力8 MPa, 试验温度41℃, 磨粒粒径75μm。应用单因素法[3], 将各因素物理量提高10%, 理论计算时各可控因素对轴向力和径向力影响程度的相对大小见表1。
使用Excel计算得到各因素 (可控因素和不可控因素) 对轴向力和径向力的影响结果, 并进行方案1~方案5的试验, 见表2。
将上述五种方案中的参数值代入式 (7) 和式 (8) 即可求出轴轴向力和径向力的理论值。试验中实际测量值如图9和图10所示。可看出在不同的方案中, 理论值和实测值比较接近, 且其差值也是比较稳定的, 说明理论模型具有一定的参考意义。理论值和试验值存在差异的一个重要原因是在活塞的每个行程中磨料的温度不可避免地会发生变化, 进而影响磨料的黏稠度和磨粒与工件表面的结合程度。
同时可发现, 磨粒轴向获得的动力主要来自冲击载荷;径向上获得的动力则主要由磨粒间作用力决定。可控因素中, 加工压力的改变对磨粒作用在工件表面的轴向作用力和径向作用力影响较为明显;温度的升高使径向力减小, 磨料流速和粒径的增大使磨粒的轴向力减小。
工件表面材料的去除量与轴向力与径向力的实际比值C的理论计算结果与实际测量结果如图11所示。可以看出, 工件表面材料去除量随C的增大而增大, 但当轴C>1.05后, 工件表面材料的去除量会随之减小。
再进行如下试验。切取4个同样形状的工件, 编号分别为1号、2号、3号和4号, 初始表面粗糙度各不相同。其中1号、3号、4号工件的线切割方向与AFM中磨料流向一致, 2号工件线切割方向与磨料流向垂直。在方案1的加工条件下, 1号和3号工件每加工1次循环 (行程为190mm) 记录并计算各自的表面粗糙度平均改变量和材料的去除量;2号和4号工件进行了5次、7次、11次、15次、20次后记录并计算各自的表面粗糙度平均改变量和材料的平均去除量, 如图12和图13所示。加工轨迹方向与磨料流流向相同时表面粗糙度显著减小, 而垂直时的工件表面粗糙度会增大。在相同的加工条件下, 加工轨迹方向与磨料流向垂直的工件表面材料去除量明显高于与加工轨迹方向相同的工件。
5 结论
(1) 本文设计的夹具与轴向力和径向力测量装置能够方便准确地测量工件受到的磨料轴向的作用力。对影响磨料流加工效果因素进行分类有利于更加全面统一地研究对磨料流抛光机理以及磨料流抛光工参数的规划。
(2) 关于磨料流抛光微观机理, 本文提出的建模方法经试验证明具有一定的合理性。理论分析和试验结果均表明, 增大磨粒作用在工件表面轴向力与径向力的比值会提高抛光效率, 但该比值大于1.05后, 不会继续提高其抛光效率。
(3) 试验结果表明, 工件加工的纹理方向对磨料流加工也会产生一定的影响。在AFM抛光中, 加工轨迹方向与磨料流流向垂直的工件表面粗糙度值会增大, 外观光洁度仍然会提高, 表面材料的去除率仍然会增大。
参考文献
[1]计时鸣, 唐波, 谭大鹏, 等.结构化表面软性磨粒流精密光整加工方法及其磨粒流动力学数值分析[J].机械工程学报, 2010, 46 (15) :178-184.Ji Shiming, Tang Bo, Tan Dapeng, et al.Structured Surface Softness Abrasive Flow Precision Finish Machining and Its Abrasive Flow Dynamic Numerical Analysis[J].Chinese Journal of Mechanical Engineering, 2010, 46 (15) :178-184.
[2]计时鸣, 李琛, 谭大鹏, 等.基于Preston方程的软性磨粒流加工特性[J].机械工程学报, 2011, 47 (17) :156-163.Ji Shiming, Li Chen, Tan Dapeng, et al.Study on Machinability of Softness Abrasive Flow Based on Preston Equation[J].Chinese Journal of Mechanical Engineering, 2011, 47 (17) :156-163.
[3]Gorana V K, Jain V K, Lal G K.Experimental Investigation into Cutting Forces and Active Grain Density during Abrasive Flow Machining[J].International Journal of Machine Tools and Manufacture, 2004, 44:201-211.
[4]Sankar M R, Jain V K, Ramkumar J, et al.Rheological Characterization of Styrene-butadiene Based Medium and Its Finishing Performance Using Rotational Abrasive Flow Finishing Process[J].International Journal of Machine Tools and Manufacture, 2012, 12 (5) :947-957.
[5]汤勇, 陈澄洲, 张发英.磨料流加工时磨料流动形态的研究[J].华南理工大学学报 (自然科学版) , 1997, 25 (9) :1-5.Tang Yong, Chen Chenzhou, Zhang Faying.Morphological Research on Abrasive Flow during Abrasive Flow Machining[J].Journal of South China University of Technology (Natural Science Edition) , 1997, 25 (9) :1-5.
[6]汤勇, 张发英, 陈澄洲.磨料流加工流动形态及加工效果的研究[J].华南理工大学学报 (自然科学版) , 1994, 22 (5) :100-104.Tang Yong, Zhang Faying, Chen Chenzhou.Study on the Flowing State and the Practical Effiency of Abrasive Flow Maching[J].Journal of South China University of Technology (Natural Science Edition) , 1994, 22 (5) :100-104.
[7]宋桂珍.磨料流加工技术的理论分析和实验研究[D].太原:太原理工大学, 2010.
[8]黄平.摩擦学教程[M].北京:高等教育出版社, 2008.
[9]葛世荣, 朱华.摩擦学的分形[M].北京:机械工业出版社, 2005.
[10]孙其诚, 王光谦.颗粒物质力学导论[M].北京:科学出版社, 2009.
[11]Bhushan B.摩擦学导论[M].北京:机械工业出版社, 2007.
去除与控制 第5篇
运动目标的检测是视频监控系统的首要问题,运动目标提取的好坏直接影响后续的目标跟踪、行为分析等问题[1,2,3]。光线的强弱、方向会随着天气、时间的不同而发生无规律的变化,使得阴影具有很强的不确定性。阴影和运动目标与背景之间有很大的灰度差值,而且阴影与产生阴影的目标具有相同的运动特征,这使得运动目标检测中会产生与阴影有关的一系列问题,如阴影会造成运动目标形状的变化、目标的合并、目标丢失,这些问题的存在会对视频监控的后续工作带来负面影响。而目标检测算法本身并不能识别和消除阴影,因此必须有特定的算法对检测出的前景目标进行后处理。
与RGB颜色空间相比,HSV颜色空间更接近人眼视觉模型,能直接体现颜色的亮度信息,可以更好地量化阴影和运动目标之间的差别[4]。基于HSV颜色空间的阴影模型,利用阴影具有色度与背景相差不大,只是亮度比背景暗的特性,分离亮度和色度成分,并通过对亮度进行阈值分割,去除阴影,保留目标部分。
目前对于目标检测和阴影去除存在着大量的研究,文献[5]中用高斯混合模型进行背景重建,并根据阴影的光学特性进行了阴影区域的预检测,得到疑似阴影区域,再用基于局部纹理分析的方法消除阴影;文献[6]中基于模糊集建立颜色和空间信息之间的关联,通过模糊逻辑检测运动目标并消除阴影。本文提出了一种基于颜色空间转换的自适应背景建模和阴影消除算法,在RGB空间进行目标检测,并将检测出的前景目标锁定在活动轮廓矩形框内进行连续实时地跟踪,对于目标中的阴影,利用其亮度信息,转换至HSV空间消除。在HSV空间去阴影的最大优势是能在检测阴影的同时就消除阴影。
1 自适应背景建模
由于室内环境变化相对简单,同时也为了提高运算速度,本文在运动目标检测中没有选取当前的研究热门混合高斯背景差算法[7,8],而是采用一种简单、快速的自适应背景建模法分离前景背景。
1.1 运动目标的检测
默认视频第一帧图像为背景,将其与当前帧图像做差,将差值取绝对值与阈值比较,判定是否为前景目标,Mt(x,y)=1时,即认为是目标,判决公式如下
Mt(x,y)=0时,判定不为前景,则进行背景更新,学习速率α取经验值,更新公式如下
用半径为3的圆盘型结构元素对检测出的前景图像进行形态学膨胀操作,去除图像边缘噪声,填充图像内部空洞,完善细节,结构元素如图1所示。
1.2 目标标记
在图像分析中,以一种方式表示检测到的或跟踪过程中的物体,以减少冗余信息,就是目标标记。常用的有点标记法、矩形框标记法、外轮廓标记法、块标记法等。本文选用矩形框标记,即用包含目标区域的矩形框表示目标。
1) 初步确定目标轮廓
对膨胀后的图像进行行列扫描,若存在某一像素值dim(x,y)=1,则判定为前景,所有值为1的像素构成一个矩阵dim,用bwtraceboundary函数跟踪dim中目标的轮廓,非零像素表示目标,零像素构成背景。
2) 目标轮廓面积分析
判定各前景目标轮廓边界长度,进行轮廓面积分析,如果轮廓面积小于规定的阈值,则滤除这些轮廓标记,以避免检测环境中的微小噪点被误判为运动目标;大于阈值的则进一步确定为目标。在目标轮廓面积分析中,设定的轮廓阈值可根据室内监控环境面积以及摄像头与主要监控地点的距离进行调节。
3) 模板与后续帧图像的匹配
剪切前景目标图像,读取其轮廓行列边界作为模板,将模板边界与后续帧图像检测的前景轮廓边界进行比较,更新模板确保其足够小,用函数normxcorr2计算模板与后续帧前景轮廓的互相关矩阵,返回互相关中的最相关为最佳匹配,最终确定最佳匹配为标记运动目标的矩形框。
4) 活动轮廓里的跟踪
活动轮廓匹配跟踪的基本思想是:取匹配后的轮廓模板,在后继帧的前景图像中跟踪目标轮廓,并且该轮廓能够自动连续实时地更新。即始终检测视频每一帧中出现的运动目标,更新并确定矩形框为最佳匹配,对目标进行锁定跟踪。
2 HSV空间去除阴影
检测出的前景,通常包括运动目标、阴影以及一些杂小噪点,去除阴影的原则就是只保留运动目标。基于色调(H)、饱和度(S)和亮度(V)的颜色模型称为HSV颜色模型。HSV模型可在彩色图像中消除亮度分量的影响从而获得色调和饱和度的彩色信息,这反映了人的视觉系统感知色彩的方式,所以人能更自然、更直观地解释和感受颜色[9]。
基于HSV颜色空间的阴影模型,比RGB颜色空间更准确地检测出阴影。该方法通过分析阴影与背景在HSV颜色空间中的亮度特性,利用阴影与运动目标在HSV的3个分量的不同特点,计算每个分量相应的阈值,通过阈值分割并消除阴影。本文对当前帧像素和其对应的背景像素采用如下公式判断并去除阴影,公式为
式中:IH(x,y),IS(x,y),IV(x,y)分别表示当前帧图像像素点I(x,y)的HSV分量; BH(x,y),BS(x,y),BV(x,y)分别表示背景图像像素点的HSV分量;当I(x,y)被判定为阴影,则该点的sp(x,y)值为1,否则sp(x,y)值为0;参数αS和βS控制亮度,取值范围均为(0,1);αS取值要考虑阴影的强度,背景上投射的阴影越强,αS越小;βS用来调节当前帧的亮度不能和背景太相似[3];参数τS和τH为饱和度差和色调差的阈值。本文采用实验方法获得参数取值,利用部分训练数据进行阴影检测和性能分析,选取性能较好的参数组合。一般来说,通过实验获得参数的方法在相近的场景和光照条件下都能获得较好的分割结果。
3 算法流程
算法流程主要分为两个阶段:目标检测和阴影去除。在运动目标检测过程中,通过路径读取视频,将视频转换成帧图像,确定第一帧为背景图像,将循环读取的帧图像与当前背景用差分法得到差分数据,若阈值判定是前景,则进行后处理,判定不是前景则进行背景更新。然后对前景目标进行轮廓面积分析,以便找出最佳匹配的模板,进行矩形框里的跟踪。在阴影去除过程中,将第一阶段得到的视频图像进行颜色空间转换,通过阴影判决公式检测出误检目标,对其进行阈值分割、消除阴影,最终得到清晰的运动目标。算法流程如图2所示。
4 实验结果
实验选取了2段室内视频进行验证,分别为下载视频video1、采集视频video2,2段视频由于场景中不同静态物体的光线变化产生阴影,造成目标误检,使得检测中出现了2个矩形框,实验目的是去除误检矩形框中的虚假目标。由于2段视频光源不同,分别为灯光和日光,导致HSV各分量不同,去阴影时所选取的阈值也就不同,具体参数值如表1所示。
视频video1中第50帧,由于人经过使金属桶表面光线发生变化,产生虚假目标,造成阴影误检,如图3所示。
视频video1中第65帧,由于电压不稳使顶灯照射的光线发生变化,产生虚假目标,造成阴影误检,如图4所示。
视频video2中第119帧,由于人在地面的投影,产生虚假目标,造成阴影误检,如图5所示。
视频video2中第217帧,由于人经过使桌子侧面光线发生变化,产生虚假目标,造成阴影误检,如图6所示。
5 结论
在运动目标检测中,运动目标的阴影由于与背景有较明显的差别,所以经常被误检为前景,会影响后续的跟踪、识别和行为分析的结果。本文针对室内视频监控中运动目标检测常出现的误检,提出了一种基于颜色空间转换的自适应背景建模和阴影消除算法,在RGB空间采用自适应背景差对视频图像进行前景背景分离,并对检测出的前景目标进行矩形框目标跟踪,对于误检的虚假目标(即阴影),利用其亮度信息,在HSV空间去除。经过2段视频处理验证,该算法运算简单,对阴影的去除有良好的效果,能准确检测出真实目标,有一定的实用性。
参考文献
[1]丁忠校.视频监控图像的运动目标检测方法综述[J].电视技术,2008,32(5):72-76.
[2]蒋巍,张健,曾浩.基于智能视频监控系统的运动目标检测和跟踪[J].电视技术,2012,36(5):110-114.
[3]GIACINTO G.Moving targets in computer security and multimedia re-trieval[J].Trans.Machine Learning and Data Mining,2011,4(1):30-52.
[4]林庆,徐柱,王士同,等.HSV自适应混合高斯模型的运动目标检测[J].计算机科学,2010,37(10):254-256.
[5]任建强.一种自适应的运动目标阴影消除新算法[J].计算机工程与应用,2010,46(36):188-191.
[6]ZHU Mingfeng.A novel approach for shaded moving object detectionbased on Fuzzy sets[J].Advanced Materials Research,2012(33):5293-5297.
[7]刘鑫,刘辉,强振平,等.混合高斯模型和帧间差分相融合的自适应背景模型[J].中国图象图形学报,2008,13(4):729-734.
[8]黄鑫娟,周洁敏,刘伯.自适应混合高斯背景模型的运动目标检测方法[J].计算机应用,2010,30(1):71-74.
去除与控制 第6篇
在工程中常常需要将栅格图像数据转换为矢量化数据, 以便工程的数字化设计和分析。为方便人工读数, 有的栅格图像中设有稠密的坐标网格 (如图1所示) 。由于网格线与矢量化对象图元的粘连而导致对象线素的识别困难, 使得现有矢量化算法的识别效率极低且误差增大。如利用美国Able Software公司所提供的一种高级光栅图形矢量化软件系统R2V5.5版, 对具有稠密坐标网格的水轮机模型综合特性曲线图88%效率曲线进行矢量化, 在过滤后共使用了数十余步的人工鼠标择取导引。将矢量化结果的各点到曲线像素的最小距离作为该点误差, 其分布如图2所示。从图可见, 由于网格的影响, 导致误差较大。另外, 当栅格图像中具有较多的非网格图素时处理尤其缓慢、繁琐, 需大量的人工引导矢量化跟踪。很难满足工程的快速矢量化要求。因此, 剔除栅格图像内稠密坐标网格以减少图像的交叉线素是提高矢量化处理精度和效率的有效方法。
坐标网格可通过直线的识别来进行剔除。直线的检测与识别[1]是图像处理中最基本且又是十分重要的内容之一, 它被广泛地应用于街道、建筑物和表格线的识别。直线识别的经典算法有Hough变换算法[2], 它将图像内直线的检测转换为参数空间点的检测, 能较好地检测断裂的直线。但不能检测接近竖直的直线和倾斜的直线, 虽有一些改进算法[3], 但对稠密的坐标网格线, 其检测成功率极低。另外Hough极坐标 (θ, r) 变换的间隔大小直接影响检测的成功率, 而它们的最佳值对各网格图像均不同, 且难以用理论的方法确定。目前, 直线检测活跃的另一领域为文档表格线的检测, 文献[4]提出了基于有向单连通链算法;文献[5]中提出了线宽阈值算法。另外一些学者则提出了基于整体特征的识别算法[6,7];文献[8]提出了依据笔画相交于直线上、下边沿的特征, 定义笔画穿透形和未穿透形, 并求出笔画在直线上边沿或下边沿的切线来剔除直线。以上算法应用于具有网格线的曲线图时会将变化平缓而趋于直线变化部分的曲线像素剔除。文献[9]依据所定义的用户坐标及所选线宽来剔除坐标网格, 虽处理速度最快, 但损失的曲线像素较多且遍及整个曲线上, 而文献[10]依据7 7十字丝模板对图像进行匹配计算, 找出坐标网格的交点, 通过构筑相邻交点的直线方程, 并沿直线逐一扫描该区域各像素, 若沿它前方向±45°有像素点则保留该点, 否则将其去除, 其处理速度较慢且由于图像中网格线宽大都不均匀, 致使剔除效果较差 (如图3所示) 。文献[11]提出了根据图像在过滤后与坐标网格剔除后的差异, 将网格剔除过程中被连带去除的曲线像素进行重建即自动修复, 取得较好的效果, 但存在缺口端点的识别问题, 以致需要指定缺口区域。据此, 有必要研究稠密网格的除去方法。
1 基于线检测的网格快速剔除
为了加快处理速度, 首先选择线检测模板 (如图4所示) [10]对直线坐标网格进行非细致的剔除。
按式 (1) 对图像进行卷积计算, 获得 (i, j) 点在p方向响应值的绝对值 (后称响应值) :
式中 (i, j) 为图像像素位置;p为模板的线方向; (k, m) 为模板各点位置;w, h为图像的宽度和高度;gk, m为模板 (k, m) 处的图像灰度;c
或通过45°和-45°来检出非坐标网格像素来获得的矢量化对象图像, 即:
式中T为所选阈值;gi, j为像素点 (i, j) 的灰度。若矢量化对象存在趋于或等于水平和垂直的像素, 则依据线检测模板不可避免会导致部分趋于水平和垂直的矢量化对象像素 (VOP) 被连带去除, 即坐标网格的除去以及被连带去除的VOP依赖于所选阈值。阈值越大, 由式 (2) 所剔除的网格像素和被连带去除的VOP越少, 反之亦然。而由式 (3) 所获取的VOP及网格像素越少。目前还难以用解析的方法确定最佳阈值。因此, 可采用设置阈值选取滚动条, 通过随滚动条的滚动而显现出坐标网格剔除后的图像来获取它的最佳值。由于在坐标网格线交点邻域的各方向线的影响, 使得线响应度降低而导致交点邻域的像素滞留在矢量化对象图内。可采用检测图像每点 (x, y) 66邻域Ω66的边界B66像素小于背景灰度的个数是否等于边界像素数来去除斑点, 即:
式中b为背景灰度。
图5为利用不同模板, 通过观察所选阈值下的网格被除去的最佳图像。然后再去除斑点后的图像。从图上可见, 由于图纸印刷质量等的因素, 曲线像素所覆盖灰度范围较大, 致使直接采用0°和90°模板来剔除坐标网格的效果较差, 不仅残留大量的网格线像素, 而且还连带大量的曲线像素被去除。有鉴于此, 采用45°和-45°模板来剔除低于所选阈值的坐标网格像素。
2 曲线像素的自动重建
非坐标网格的矢量化对象可以看作为广义曲线, 它们的部分像素在上述坐标网格的剔除中被连带地除去。因此, 需将这些被连带除去的曲线像素进行重建即恢复。由于坐标网格像素灰度范围与曲线像素的灰度范围大部分重叠, 因而在坐标网格剔除前, 首先过滤掉低于曲线像素最小灰度的那部分坐标网格像素点。而要自动区别图像中的曲线点还是坐标网格点是困难的。因此, 可采用设置阈值选取滚动条, 通过人工观察它的不同选取值所显现出的图像来获取它的正确值。若将过滤后的图像 (FI) 各像素灰度记入gf, 而坐标网格被剔除后的当前图像 (CI) 各像素灰度记入gc, 则依据如下算法检出坐标网格被剔除后所形成的曲线端点并重建曲线。即:
(1) 分别依据gf和gc按式 (1) 计算FI和CI图像各像素的0°和90°模板的线响应值, 将其中最大值的检测方向度数 (0°或90°) 作为该点的导向标FIOS值和CIOS值;
(2) 对当前图像进行扫描, 当点 (i, j) 的灰度gc (i, j) >0, 且有相邻于 (i, j) 的点 (k, m) 满足:
则 (i, j) 点可视为曲线像素被连带去除后所形成的曲线端点。在扫描完成后可获得全部曲线端点{ (xu, yu) }, u=0, 1, , n;
(3) 逐一从每一个端点开始重建被连带去除了的曲线像素, 即:
若CIOS (xu, yu) =0, 满足:
或CIOS (xu, yu) =90, 满足:
式中k+1和m+1是基于图像过滤后若曲线存在连续的两个断点情形时也能修复曲线。当满足式 (6) 或式 (7) 的点为复数点时取与端点边相邻的点 (k, m) (对CIOS (xu, yu) =0则m=yu) , 则:
gc (k, m) ⇐gc (xp, yp) (8)
此时相邻点 (k, m) 被修复并作为曲线的新端点, 将它放入修复集recData中, 返回式 (6) 或式 (7) , 继续找寻新的曲线像素。反之若不满足式 (6) 或式 (7) 则转到下一步;
(4) 若:
则修复集recData内的像素点具有很大的概率为坐标线像素。此时将修复集recData内所有坐标点的灰度置于0;
(5) 清空修复集recData。若u≠n回到步骤 (3) , 对新的一个端点进行曲线重建。反之转到下一步;
(6) 以新的图像灰度重绘图像。
3 曲线像素的半自动修整
由于图像印刷质量等的影响, 使得图像曲线在过滤处理后存在断点, 而导致不能识别这部分曲线端点以致这部分被连带除去的曲线像素的修复。为此, 采用以下方法, 用鼠标选取包含曲线缺口的区域R并进行拖动来修复曲线。即[11] 逐一扫描所选区域R。
(1) 若:
则:
式中 (xc, yc) 为所选区域内的像素点; (xp, yp) 为相邻于 (xc, yc) 的上一行点 (CIOS (xp, yp) =90) 或前一列点 (CIOS (xp, yp) =0) ; (xn, yn) 为接近于 (xc, yc) 的上两行点或前两列点。
将它放入修复集recData中, 继续进行下一个像素点的检测。否则若不满足式 (10) 或式 (11) , 则转到下一步;
(2) 若recData≠ϕ则从recData检出所有不同的{xi} (CIOS (xp, yp) =0) 或{yi} (CIOS (xp, yp) =90) , i=1, 2, , k。当k=1则recData中数据具有很大的概率作为坐标网格线, 因而将recData中的所有像素点的灰度又重新置于0;
(3) 以所选区域R内新的灰度信息gc (x, y) , (x, y) ∈R重绘图形。
以上半自动修复与自动修复方法的基本雷同, 仅是以鼠标在包含曲线缺口区域的选取来重建曲线, 而不需要知道曲线端点。它仅是在曲线的自动重建而不能奏效的情况下使用。
4 实 验
图6为本文的算法对水轮机HL240D41模型的综合特性曲线 (图1) 进行处理的结果。它的效果显著。在曲线自动重建后仅需再花较少的时间进行半自动修整, 就可获得更为满意的效果, 使得欲矢量化图像的复杂度大为降低。
5 结 论
本文依据±45°线检测模板来剔除低于所选阈值的坐标网格像素点, 它显著地优于基于直线方程的坐标网格的剔除, 但仍然会存在趋于水平和垂直的曲线像素被连带地除去。为此在剔除坐标网格前先将低于曲线像素的那部分坐标网格线素过滤掉, 然后依据过滤后的图像与网格剔除后的图像差异来检出曲线的端点, 并依次从各端点开始进行搜索和重建被连带去除的曲线像素。通过使用显示该算法效果较好。但由于图像印刷和扫描等的影响, 使得曲线像素灰度极其不均匀, 致使图像过滤后存在着连续的数个像素断点。这会导致曲线端点不能被识别而不能重建该部分曲线像素。基于目前对此问题还未有有效的算法, 本文提出了基于计算机技术的半自动的曲线重建方法, 取得了满意效果。
摘要：针对栅格图像中稠密坐标网格是影响矢量化效果和速度的重要原因, 提出了先基于±45°线检测模板来快速剔除低于所选阈值的坐标网格, 然后依据坐标网格剔除后的当前图像与过滤后的图像差异, 识别曲线的端点。并逐一地沿各端点的走向进行扫描识别和重建被连带去除的曲线像素。另外, 对某些图像瑕疵的影响而不能识别的曲线端点, 采用基于计算机技术来选取曲线缺口区域, 并沿区域内各点的走向进行识别和重建被连带去除的曲线像素。实验显示所提出的算法对剔除稠密坐标网格具有较好的效果。
关键词：稠密坐标网格,±45°线检测,网格剔除,被连带除去的曲线像素识别与重建
参考文献
[1]Song J Q, Su F, Chen J.B et al.Line net global vectorization:an algo-rithm and its performance evaluation[J].IEEE Proceedings ofCVPR’00, 2000 (1) :383-388.
[2]D.C.W.Pao, H.F.Li, R.Jayakumar.Shapes Recognition Using theStraight Line Hough Transform:Theory and Generalization[J].IEEETransactions on PAMI, 1992, 14 (11) :1076-1089.
[3]周云燕, 杨坤涛.基于RHT-LSM直线检测方法的研究[J].光电工程, 2007, 34 (1) :55-58.
[4]郑冶枫, 刘长松, 丁晓青等.基于有向单连通链的表格框线检测算法[J].软件学报, 2002, 13 (4) :790-796.
[5]胡钟山, 娄震, 杨静宇, 等.文档处理中消除线噪声的研究[J].计算机研究与发展, 1999 (36) :992-995.
[6]王金鹤, 欧宗瑛, 夏晓东.工程扫描图像的直线整体识别算法[J].中国图像图形学报, 1998 (3) :912-917.
[7]宋晓宇, 崔明霞, 魏志勇.基于像素群体特征的直线识别算法研究[J].沈阳建筑大学学报:自然科学版, 2007, 23 (1) :147-150.
[8]张重阳, 陈强, 娄震.基于灰度图像的表格框线去除算法[J].计算机研究与发展, 2005, 42 (4) :635-639.
[9]Mark Mitchell.Engauge Digitizer.http://digitizer.sourceforge.net/.
[10]叶建栲, 刘玉峰.扫描地形图中方里网的自动去除[J].解放军测绘学院学报, 1998 (15) :290-292.
去除与控制 第7篇
交通监控系统是目前交通事故以及交通管理中极其重要的一环。通过交通监控系统,相关管理部门可以实时、准确的获得各种交通参数信息。而车辆的检测是交通监控系统的核心与关键。
目前较常用的车辆检测方法有:环形磁感线圈检测、超声波检测、微波雷达检测、红外线检测、气动导管检测、光电式检测、基于视频车辆检测等。视频检测,是计算机视觉应用的一个分支,是一种将视频图像和电脑化模式识别结合起来的技术。通过视频摄像机和电脑模仿人眼的功能,视频检测技术日益成为交通监控系统中最具优势、最有发展潜力的检测方法。
在基于视频的车辆检测中,背景差分法因为计算量小、检测效果较好且容易实现,已成为应用最多的检测方法。背景差分法首先通过一定的算法构建背景模型,然后将当前图像帧与背景模型相减,然后根据差值判别为前景或背景,从而实现运动车辆的检测[1]。
在背景差分的实际应用中,运动车辆产生的阴影经常会作为运动目标的一部分同时被检测出,影响对运动车辆的定位和跟踪。因此阴影问题已成为背景差分法车辆检测中影响检测精度的重要因素之一,如何有效去除阴影也已成为背景差分法中的研究热点之一[2]。
2 阴影的检测与消除
2.1 阴影的产生及影响
阴影的产生是由于物体对光线的遮挡而引起的。由于阳光或照明设备的照射,在交通场所中存在的阴影一般有两种,一种为静态阴影,是由建筑物或树木等静态物体产生的阴影;一种为动态阴影,是由运动车辆等动态物体产生的阴影。
通过视频对交通场所进行车辆检测时,无论是利用背景差分法,还是利用帧间差分法,虽然能同时将静态阴影滤去,但无法解决动态阴影问题。动态阴影会随同运动目标一起被检测出,且同运动目标粘连在一起,影响运动目标的定位和轮廓的确定,甚至会造成多个运动目标的合并,为运动目标的分离以及跟踪带来困难。因此在利用差分法对交通视频进行车辆检测与跟踪时,动态阴影的检测与消除是非常重要的一个环节[1]。本文将就背景差分法中动态阴影的检测与去除进行探讨研究。
2.2 已有的阴影检测方法
目前在基于视频的车辆检测系统中检测阴影的方法主要有两种:
1)基于空域信息和先验概率模型的阴影检测
认为在RGB 颜色空间中,阴影对背景的影响可以用一个线性变换来近似[4],假设ν=[R, G, B]T 是背景上某点没有阴影时的颜色值,因阴影遮盖,该点的颜色变化可表示为ν′= Dν,其中D = diag(dR,dG,dB)=diag(0.48,0.47,0.51)是个对角矩阵,其中的经验参数由实验测得。 该检测方法,将当前图像中被判为前景的每个点与背景在阴影遮盖时的值相比较,再结合该点的属于三种区域(物体、背景、阴影) 的先验概率,求对应的三个后验概率,作最大相似判定[5]。
2)基于HSV颜色空间的阴影检测
HSV 空间是一种比较直观的颜色模型。这个模型中颜色的参数分别是: 色彩(Hue), 饱和度(Saturation), 亮度(Value)。模型的三维表示从RGB 立方体演化而来, 对应于圆柱坐标系中的一个圆锥形子集。
这种去除阴影的方法是在进行HSV 转换、背景差分之后用如下的算法来去除阴影:
undefined
其中I(x,y)表示当前图像, B(x,y)表示当前背景图像, TS,TH分别表示色彩、色度分量的阀值。因为阴影点的V(亮度)值通常总是小于非阴影相应点的V 值, 所以β 取值小于1, 而α 则考虑了当前光线的强弱, 通常光线越强, 太阳高度越高(如中午), α 值就取得越小[6]。对于S 来说, 阴影通常具有比较低的值, 而且, 阴影同背景模型的差异往往为负值; 之所以考虑H,只是想得到一个更好的处理效果。TS,TH的选取可通过试验来确定。这种方法实现了很好的阴影去除效果, 基本上能够满足目前车辆检测的需要。
2.3 一种新的背景差分时检测与去除阴影方法
前面所提到的两种方法,都是在彩色空间中处理,算法复杂,计算量大,在实时检测中不是很适合[6]。本文利用灰度图像,在分析了灰度图像中动态阴影的具体特点后,综合利用灰度图像及其差分后的二值化图像,提出了一种背景差分时检测与去除阴影的新方法。
经过分析,我们可以得到灰度图像中动态阴影的特点:
1)阴影区域由于光线被遮挡,其像素点的灰度值比背景模型中对应点的灰度值要低,但其差值存在一定范围,具体差值取决于当时的光照强度,在光照最强时取得最大差值Tmax,Tmax可以通过试验取得。
2)阴影区域附着在车辆前后左右的一侧或相邻两侧,形成同一个运动区域。在图像帧中表现为:阴影区域位于运动目标区域内上、下、左、右四个部位中的一个或相邻两个部位,大多情况下为相邻两个部位。
通过这些特点可以得知,正常情况下,即如果采集的图像帧中存在阴影,背景差分后得到的运动目标区域,在其上、下、左、右四个部位中的一个或两个相邻部位存在阴影,而且所有的阴影区域形成一个连通区域,阴影区域内像素点差分前的灰度值It(x,y)处于该时刻背景模型对应像素点灰度值Bt(x,y) ～ Bt(x,y)- Tmax 之间。
本文正是根据这些特点,提出了一种新的阴影检测与去除方法,具体步骤为:
灰度图像帧I背景差分后,经过二值化及滤波去噪,得到二值化图像D。对图像D中的运动区域(包含阴影)进行标记。标记后,第一个运动区域的像素点全为1,第二个运动区域的像素点全为2,依次,背景点则全为0。
根据标记的结果定义两个二维数组Xn4与Yn4,n即为图像D中运动区域的数量。将数组n4与Yn4所有元素初始化为-1。
从上到下、自左至右扫描标记后的二值化图像D。
if D(x,y)>0,则
t = D(x,y) -1
if Xt1<0,则
Xt1=x
Yt x 1 = y
else if x > Xt3,则
Xt3= x
Yt3= y
if Yt2<0,则
Xt2= x
Yt2= y
Xt4= x
Yt4= y
else if y> Yt4,则
Xt4= x
Yt4= y
else if y< Yt2,则
Xt2= x
Yt2= y
其中,D(x,y)为图像D中像素点(x,y)标记后的值。扫描结束后,图像D中每个运动区域最上、下、左、右像素点的坐标已被保存到数组Xn4与Yn4对应元素中,即数组Xn4第m(0<=m
根据图像中阴影的特点,一个完整的运动区域,其四个极点中有一个或者相邻的两个极点可能为阴影。所以只要从数组Xn4与Yn4中取出同一个运动区域的四个极点坐标,然后根据坐标值,在原灰度图像I中取出四个极点的灰度值(为保证精确度,每次取值时同时取两个与极点相邻且在图像D中被标记像素点的灰度值,然后取三者平均值),在背景模型中取出四个极点的背景灰度值(取值方法同前),一一进行判别,原灰度值It(x,y)位于Bt(x,y) ～ Bt(x,y)- Tmax之间的极点为阴影,进而可初步判别运动区域中阴影的方位,而且判为阴影的极点,其在原灰度图像中的取值可作为阴影灰度值的采样;如果不存在符合条件的极点则表明此时无阴影。
另外,为了保证用来判别阴影的运动区域完全位于图像帧中,即避免该运动区域只有部分区域位于图像帧中,在从数组Xn4与Yn4中取出用以判别的运动区域四个极点坐标时,应保证最上点的X坐标即其位于的行大于0,而最下点的X坐标小于图像帧像素的最大行数;同理,最左点的Y坐标大于0,而最右点的Y坐标小于图像帧像素的最大列数。如果所取出的运动区域不符合条件,则继续取下一个运动区域的极点坐标,直到取到符合条件的运动区域极点坐标。
确定了阴影的方位后,可根据阴影方位及每个运动区域的矩形区域范围,分别扫描图像D中的每个运动区域。每次扫描的范围为该运动区域四个极点坐标确定的矩形区域,扫描的方向取决于阴影的方位,在横向上,如果阴影位于运动区域的右侧,则扫描时自右至左,否则相反。在纵向上,如果阴影位于运动区域的左侧,则扫描时从下到上,否则相反。扫描时,如遇到被标记的像素点,则取得其在原灰度图像中的灰度值,并与阴影灰度值的采样进行比较,如果其差值小于某一阈值T,则可视为阴影,在图像D中将其置零。一旦遇到差值大于该阈值的标记像素点,则终止对该行的扫描,这样即使目标车辆内部存在灰度值接近阴影灰度采样的部位,也不会被误当做阴影去除。完成对一个运动区域的扫描后,再进行对下一个运动区域的扫描。最终去除所有运动区域中的阴影[8]。
3 实验验证
3.1 实验环境
为验证算法的有效性,本文采集来自市区一主干道的某路段一段交通监控场景,在Windows平台下运用本文涉及的算法,利用Matlab 7.0 对一段视频进行检测实验:
3.2 实验数据分析
图2和图3分别给出了图1中没有经过背景处理的车辆目标图像以及本文算法获得的车辆目标图像。
通过试验可以发现,通过本文的方法的处理,有效地去除了大部分阴影,分割的目标图像比较接近真实目标,对后续的目标跟踪和识别十分有利。
在试验中,我们也注意到,此阴影去除方法在运动车辆相互分离时,会取得较好效果,但当运动车辆因其阴影而与其他车辆粘连在一起形成一个运动区域时,由于部分阴影在横向上会位于标记点中间而不会被检测出,因此在完成所有运动区域的阴影去除后,要对图像D再扫描一次,获取每个运动区域新的极点坐标,从而得到新的包含运动区域的矩形区域,分析该矩形区域,并根据事先确定的单个目标车辆矩形区域的正常变化范围,判断是否存在多目标粘连现象。这将是我们在下一步中继续探讨的课题。
4 总结
本文利用灰度图像及其差分后的二值化图像,在仔细分析了阴影的灰度取值范围及其空间区域特点后,提出了一种新的阴影去除方法,该方法在二值化图像中完成运动区域标记后,首先初步判别阴影在运动区域中的方位;然后根据运动区域中阴影的方位,在原灰度图像中进行阴影的灰度值采样;最后根据阴影灰度值的采样值,结合其在运动区域中的位置进行阴影去除。该方法算法简单,计算量较小,经试验验证具有较好的阴影去除效果。
摘要：本文针对视频车辆检测系统中的关键步骤—视频检测中的阴影去除进行深入研究,在分析了阴影产生的原因和阴影的特点之后,综合利用灰度图像及其差分后的二值化图像,提出了一种基于背景差分的检测与去除阴影的新方法。实验证明,该方法能够较好地去除运动车辆的阴影,保留比较完整的车辆目标信息,为准确提取车辆目标奠定了基础。
关键词：视频检测,阴影去除,灰度图像,二值化图像
参考文献
[1] 张丽.车辆视频检测与跟踪系统的算法研究.浙江大学硕士毕业论文,2003,3.
[2] Texas Instruments.SPRS200F,TMS320DM642Video/Imaging Fixed-Point Digital Signal Processor Data Manual[S].2004.
[3] 伍友龙.基于图像分析的高速公路交通事件检测算法研究.长沙理工大学硕士学位论文,2005,3.
[4] ANZAIY,KATOT,HIGASHIKUBOM,etal.Development of an integrated video imaging vehicle detector[J].SEI Technical Re2view,2005,59(6).
[5] 王圣男,郁梅,蒋刚毅.智能交通系统中基于视频图像处理的车辆检测与跟踪方法综述[J].计算机应用研究,2005,(9):9-14.
[6] 袁基炜,史忠科.一种运动车辆的阴影消除新方法.西安交通大学学报,2005,39(6):598-602.
[7] 张修军,郭霞,金心宇.带标记矫正的二值图像连通域像素标记算法.中国图像图形学报,2003,8(2):198-202.
