火焰圖像處理與狀態(tài)識(shí)別.pdf

1、準(zhǔn)確實(shí)時(shí)地監(jiān)測鍋爐燃燒火焰狀態(tài)對(duì)于提高燃燒有效性，預(yù)防潛在危險(xiǎn)的發(fā)生具有重要的意義。因此，對(duì)火焰圖像處理與狀態(tài)識(shí)別的關(guān)鍵技術(shù)進(jìn)行研究具有重要的理論和實(shí)際意義。本文在現(xiàn)有成果的基礎(chǔ)上，研究了火焰圖像去噪、增強(qiáng)、閾值分割、邊緣檢測和狀態(tài)識(shí)別的方法，主要工作如下：
　　首先，研究了一種基于雙樹復(fù)小波變換和隱馬爾可夫樹(HMT)模型的鍋爐煤燃燒火焰圖像去噪方法。該方法利用雙樹復(fù)小波變換的多尺度，多方向和平移不變性的特點(diǎn)，將其與HMT模型相

2、結(jié)合，從而能夠準(zhǔn)確地描述雙樹復(fù)小波變換域系數(shù)在相鄰尺度間的相關(guān)性。通過對(duì)實(shí)驗(yàn)結(jié)果的定量分析可知，該方法取得了良好的去噪效果。
　　其次，提出了基于Contourlet變換和參數(shù)對(duì)數(shù)圖像處理(PLIP)模型的鍋爐煤燃燒火焰圖像增強(qiáng)方法。該方法利用Contourlet變換將火焰圖像分解為低通子帶和各帶通方向子帶，對(duì)低通子帶采用PLIP Lee算法進(jìn)行增強(qiáng)，對(duì)各帶通方向子帶系數(shù)采用非線性增益函數(shù)進(jìn)行處理，同時(shí)利用NCPSO算法優(yōu)選增強(qiáng)算

3、法中的參數(shù)。實(shí)驗(yàn)結(jié)果表明該方法能夠有效地對(duì)火焰圖像進(jìn)行增強(qiáng)。
　　再次，實(shí)現(xiàn)了一種基于倒數(shù)交叉熵的鍋爐煤燃燒火焰圖像多閾值分割方法。首先給出了倒數(shù)交叉熵的定義，導(dǎo)出了最小倒數(shù)交叉熵單閾值選取公式，然后將此推廣到多閾值選取，給出最小倒數(shù)交叉熵多閾值選取的改進(jìn)粒子群優(yōu)化算法。由實(shí)驗(yàn)結(jié)果可知，與基于改進(jìn)粒子群優(yōu)化的最大Shannon熵、灰度熵、Otsu、Shannon交叉熵等方法相比，提出的方法有明顯的優(yōu)勢。
　　接著，提出了一種

4、基于各向異性數(shù)學(xué)形態(tài)學(xué)的鍋爐煤燃燒火焰圖像邊緣檢測方法。在圖像的各個(gè)不同像素點(diǎn)上，根據(jù)各個(gè)點(diǎn)的方向信息構(gòu)造適合的形態(tài)結(jié)構(gòu)元素，并計(jì)算各個(gè)點(diǎn)的形態(tài)學(xué)梯度，根據(jù)形態(tài)學(xué)梯度的計(jì)算結(jié)果檢測火焰圖像的邊緣。與現(xiàn)有的邊緣檢測方法相比，提出的方法檢測出的邊緣定位更加準(zhǔn)確，邊緣更加完整。
　　最后，給出了一種基于灰度熵多閾值分割和支持向量機(jī)(SVM)的火焰圖像狀態(tài)識(shí)別方法。該方法對(duì)火焰圖像進(jìn)行基于灰度熵準(zhǔn)則的多閾值分割，提取火焰圖像的10個(gè)特征參