基于視頻圖像α通道的火焰檢測技術(shù).pdf

1、隨著我國工業(yè)的迅猛發(fā)展，對工業(yè)生產(chǎn)的各個環(huán)節(jié)的要求也日趨嚴(yán)格。火炬系統(tǒng)作為工業(yè)廢氣處理的主要設(shè)施，其穩(wěn)定性、環(huán)保性和經(jīng)濟性是石化企業(yè)關(guān)注的焦點。因此，對火炬系統(tǒng)燃燒狀態(tài)的檢測與診斷具有重要的現(xiàn)實意義。
　　本文分析了目前火焰檢測技術(shù)中的優(yōu)缺點，并結(jié)合遼寧省電子信息研究所給定的實際應(yīng)用場景，提出了一種融合了火焰的顏色、形狀和透度信息的火焰描述方法，并基于這種描述方法對火焰進行檢測，繼而實現(xiàn)燃燒狀態(tài)的智能診斷。本文的主要工作包括以下幾

2、部分:
　　首先，本文使用火焰的顏色先驗與形狀先驗判斷當(dāng)幀圖像中是否存在火焰，采用基于HSV彩色空間的MeanShift算法定位火焰的前景區(qū)域，采用Canny邊緣檢測算法獲取火焰的形狀信息。由于傳統(tǒng)Canny算法需要預(yù)先給定閾值，而閾值的選取會直接影響前景圖像的分割結(jié)果，所以本文實現(xiàn)了一種自適應(yīng)閾值的算法。實驗表明，本文的自適應(yīng)Canny算法具有理想的檢測效果。
　　其次，考慮到火焰的透明度信息，本文提出了一種基于α通道圖像

3、的燃燒狀態(tài)診斷方法。該方法采用導(dǎo)向濾波器提取火焰的前景圖像即α通道圖像，由于導(dǎo)向濾波器需要較多的用戶交互，而在火焰圖像檢測與識別過程中，人機交互過程無法實現(xiàn)用戶信息的逐幀輸入，針對上述問題，本文提出了一種改進的區(qū)域生長算法，實現(xiàn)火焰前景圖像的自動提取，為后續(xù)的燃燒狀態(tài)診斷提供較為可靠的數(shù)據(jù)統(tǒng)計信息。
　　再次，本文建立了一套火焰的燃燒狀態(tài)分析機制。主要包括以下幾個部分:(1)定義了表征燃燒狀態(tài)的特征參數(shù)及其計算方法;(2)提取并統(tǒng)

4、計多幅火焰圖像的特征參數(shù);(3)通過實驗分析了這些特征參數(shù)與實際燃燒狀態(tài)的對應(yīng)關(guān)系。從仿真實驗結(jié)果可以看出本文所定義的多個特征參數(shù)能夠較為真實的反映出燃燒狀態(tài)的變化。
　　最后，本文對支持向量機的相關(guān)理論進行了研究，在LIBSVM實驗環(huán)境下對本文的數(shù)據(jù)進行分類測試，實驗結(jié)果較為理想，能夠滿足火炬系統(tǒng)運行的安全性、經(jīng)濟性和環(huán)保性的要求，有助于工作人員準(zhǔn)確地判斷火炬系統(tǒng)燃燒的實際工況。因此，本文基于圖像α通道的火焰檢測技術(shù)具有可行性和