爐內(nèi)火焰圖像特征提取關(guān)鍵技術(shù)研究.pdf

1、近年來，隨著多媒體技術(shù)日新月異的發(fā)展和進步，人們在日常生活中接觸到大量的圖像信息，推動了圖像處理技術(shù)的研究和發(fā)展。伴隨著各種圖像本身所包含的豐富迥異的內(nèi)容信息，圖像處理技術(shù)在社會各行各業(yè)得到飛速發(fā)展，爐內(nèi)火焰圖像處理技術(shù)就是其中一個重要應用領(lǐng)域。通過高清CCD攝像機對火焰圖像進行視頻采集，并通過圖像采集卡轉(zhuǎn)化為計算機可處理的數(shù)字圖像，使得對爐內(nèi)火焰的定性分析轉(zhuǎn)化為對火焰圖像的定量分析。同時，通過對爐內(nèi)火焰圖像的處理，使得計算機監(jiān)控爐膛內(nèi)

2、燃燒情況、測量爐內(nèi)火焰的燃燒溫度等成為可能。因此，爐內(nèi)火焰圖像處理技術(shù)受到越來越多的國內(nèi)外研究者們的關(guān)注，成為該領(lǐng)域的一個研究熱點。
　　圖像的特征分析是圖像分析的關(guān)鍵因素之一，通過對圖像特征的描述和表達，提取圖像所包含的原始特性或?qū)傩?，從而為圖像分析或識別奠定基礎。本文的主要研究內(nèi)容是應用圖像處理技術(shù)提取爐內(nèi)火焰圖像的特征信息，包括火焰圖像的顏色特征、形狀特征、紋理特征等特征信息。針對爐內(nèi)火焰圖像特點，提出一種基于分層顯著點的爐

3、內(nèi)火焰圖像特征提取方法，首先利用Haar小波變換計算二維圖像的顯著值，然后按照四叉樹的層次結(jié)構(gòu)，該算法自頂向下根據(jù)四叉樹每個象限的顯著值占雙親節(jié)點顯著值的比例提取圖像最顯著的點集。在此基礎上，為了使提取的顯著點能更多的表現(xiàn)邊緣特性，提出一種改進的分層自適應的爐內(nèi)火焰圖像顯著點提取方法。在該算法中，首先利用塊逆概率差模型將原圖像轉(zhuǎn)換為塊逆概率差圖像（block difference of inverse probabilities，BDI

4、P）圖像。在此基礎上，將得到的BDIP圖像進行 Haar小波變換，利用改進的加權(quán)方法計算出二維圖像的顯著值。針對不同狀態(tài)下爐內(nèi)火焰圖像顏色特征復雜多變難分類的特點，提出一種分層自適應快速 K-means算法（Hierarchical Adaptive Fast K-means，HAFKM）。HAFKM根據(jù)提出的分層策略構(gòu)建一棵非平衡聚類樹，通過自適應的方法CEC（Cluster Evaluation Criterion）確定了除根節(jié)點外

5、的每棵子樹的分支數(shù)目，而在聚類樹的每一層聚類中使用一種提出的判別函數(shù)（the cost-function）在顏色直方圖上根據(jù)顏色等級直接聚類，從而可以在整棵樹上快速聚類。
　　在算法分析的過程中，通過將本文提出的算法與傳統(tǒng)經(jīng)典算法在相同的實驗環(huán)境條件下進行結(jié)果比較，證明在本文算法顯著點提取過程中，克服了傳統(tǒng)小波變換提取圖像顯著點數(shù)目過多以及容易出現(xiàn)圖像局部顯著點聚集的缺點，同時算法還表現(xiàn)出了魯棒性以及根據(jù)顯著點特征進行圖像檢索的高