瓦斯灰是高炉冶炼的重要副产物,含有大量的可燃性含碳物和丰富的金属资源。含碳物的含量可反映高炉供料结构的合理性以及生产参数的稳定性,金属及其氧化物可进行资源回收再利用。因此,实现瓦斯灰成分的定量分析对于指导高炉顺行、低耗生产以及瓦斯灰的高效、洁净化利用具有实际意义。本文在分析瓦斯灰中不同目标成分显微图像特点的基础上,采取分割与分类相结合的方式对于含碳物和金属氧化物进行识别,鉴于两者尺寸不一以及识别的难易,制定了不同的识别方案,最后融合识别结果实现瓦斯灰显微图像的多目标识别。论文的主要工作内容如下:(1)在查阅大量文献及现场调研的基础上,综述瓦斯灰处理与分析以及图像分割与分类方法的国内外研究现状,并阐明论文的研究背景与意义。(2)分析瓦斯灰中不同目标成分显微图像特点,综合考虑成分之间与内部的特征差异,确定目标识别的整体方案。(3)针对MeanShift聚类的不足,采用SLIC超像素算法与区域合并算法对原MeanShift聚类算法进行改进,提出一种基于改进MeanShift聚类的瓦斯灰显微图像分割方法,并与其他方法的分割结果对比与分析,以验证改进方法的有效性。(4)针对分割区域形状不规则且特征提取受限等问题,研究在限定条件下不规则区域(包括含碳物与背景区域)纹理等特征量提取方案,并对新方案下提取的颜色、纹理及边缘特征等33维特征量进行可视化分析,验证不规则区域特征提取方法的可行性和准确性。(5)基于支持向量机(SVM)的非线性判别能力及对于小样本分类问题适宜性,构建支持向量机分类器,采取特征量组合、特征量降维及“二叉树”的分类方案对分割区域进行分类实验,并选取最优分类方案用于含碳物识别。(6)针对金属氧化物的亮度特点及其通过阈值分割进行识别的不足,制定金属氧化物的“固形+定位+排异”识别方案,并基于超像素分割、规则分类及邻域差异实现方案,用实验结果验证了方案的有效性。本文的特色与创新之处主要在于:利用图像分割与分类方法从微观视角对瓦斯灰进行成分分析;提出一种基于改进MeanShift聚类的图像分割方法,实现了含碳物的快速有效分割;给出了提取不规则区域相关特征的解决方法,并结合多种特征量从不同分类角度进行分类实验;提出一种金属氧化物识别方案,由此实现了目标的有效识别,该方案对其他高亮度小目标识别亦有借鉴意义。