1.基于高阶奇异值分解的硅料溶化进程监测方法，其特征在于，先采用CCD照相机对硅料熔化过程进行实时的图像序列采集；用当前时刻之前的若干二维图像序列构成三维张量，对该张量进行高阶奇异值分解得到用于表征之前熔化状态的基图像；然后，对当前硅料熔化所采集的图像与包含主要信息的基图像进行相关性计算，依据相关性的大小判定硅料溶化状态是否改变。

2.如权利要求1所述的基于高阶奇异值分解的硅料溶化进程监测方法，其特征在于，具体按照以下步骤实施：步骤1：CCD照相机采集并存储当前时刻硅料熔化状态的图像，并进行相应的裁剪和两度变换等预处理，得到用于检测硅料熔化状态的图像数据；

步骤2：计算当前时刻图像数据Pt与之前相邻时刻图像{Pt-1,Pt-2,…,Pt-k}的差异d(Pt,Pj)；当差异大于预先设定的阈值{δ1,…,δk}时，将对应的图像数据选取用于表征之前硅料熔化状态；

步骤3：将张量At从模-3方向展开为大小M×(N·k)的矩阵A3，然后对矩阵A3进行奇T异值分解，A3＝W·Σ·U ；左特征向量矩阵W即为张量At模-3方向的特征向量矩阵；如下式所示，在对张量At进行模-3的高阶奇异值分解后所求得的张量B，即由基图像{B1,B2,…,Bt}构成，其中B(:,:,i)＝Bi；

步骤4：根据预先设定的阈值Tt选取最少的基图像Bi，使得

即所选的基图像为{B1,B2,…,Bt}；然后对所选的基图像和当前时刻的图像进行如下式的归一化处理，步骤5：计算当前状态图像与每个基图像的相关性cti，然后，由每个所选的基图像在所有所选基图像中的信息比例作为权重wi，将所有的 和 相关性的大小按照权值wi进行融合得到最终的当前状态图像Pt与表征之前硅料熔化状态的基图像{B1,B2,…,Bt}相关性ct；

其中，

和 分别为Pt和Bi归一化后的结果，

将当前状态图像Pt与基图像{B1,B2,…,Bt}的相关性ct与预设的阈值Dt比较，进行硅料熔化状态的变化检测，实现对硅料熔化状态进程的监测。