HUNANUNIVERSITY畢業論文論文題目基于圖像序列動態特征的燃燒工況檢測方法研發學生姓名學生學號專業班級自動化2班學院名稱電氣與信息工程學院指導老師學院院長2015年 5月25日湖南大學畢業論文原創性聲明本人鄭重聲明：所呈交的論文是本人在老師的指導下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內容外，本論文不包含任何其他個人或集體已經發表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律后果由本人承擔。學生簽名： 日期：200年月日畢業論文版權使用授權書本畢業論文作者完全了解學校有關保留、使用論文的規定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權湖南大學可以將本論文的全部或部分內容編入有關數據庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本論文。本論文屬于1、保密，在______年解密后適用本授權書。2、不保密√。（請在以上相應方框內打“√”）學生簽名： 日期：200年月日指導教師簽名： 日期：200年月日摘要近年來利用回轉窯燒結帶圖像的區域特征對窯內燃燒過程的研究逐漸受到國內外學者的廣泛關注，但利用火焰圖像序列的動態特征進行煤粉燃燒工況檢測的研究少有出現。本文結合數字圖像處理和模式識別相關知識，提出了一種基于圖像序列動態特征的燃燒工況檢測方法。首先采用數字圖像處理技術對單幀火焰先后進行灰度化和去噪處理，并分割出火焰區，然后從火焰輻射能量和燃燒穩定程度兩方面綜合分析，提取出火焰平均豐度、短時能量、火焰平均灰度和火焰平均灰度方差這四個統計特征量，在此基礎上構成時間序列，通過仿真實驗總結特性并描繪出各自的變化趨勢曲線，討論其與窯內燃燒狀況之間的關系，最后由此進行燒結溫度判斷。實驗結果表明,本文方法可以快速檢測回轉窯內的燃燒工況,且檢測系統計算方便。關鍵詞:回轉窯；煤粉燃燒；數字圖像處理；模式識別；BasedondynamicimagesequencefeaturedetectionmethodofcombustionconditionofresearchanddevelopmentAbstractInrecentyears,regionalcharacteristicsoftherotarykilnsinteringzoneimageisusedforfurnacecombustionprocessresearchisincreasinglywideattentionofscholarsbothathomeandabroad,buttheuseofdynamiccharacteristicsoftheflameimagesequenceisusedtodetecttheworkingconditionofpulverziedcoalcombustionresearchisveryfew.Inthispaper,combingtheknowledgeofthedigitalimageprocessingandpatternrecognition,thispaperproposesadynamicimagesequencebasedonthecharacteristicsofthecombustionconditiondetectionmethod.FirstusingDigitalimageprocessingtechnologytothesingleframeflamehasgrayandnoisereductionprocessing,andsplitsouttheflamezone,thenfromtowaspectsoftheflameradiationenergyandcombustionstabilitycomprehensiveanalysis,extracttheflameaverageabundce,short-timeenergy,theflametheaveragegraylevelandaveragegrayvarianceoffourstatisticalcharacteristics,onthebasicoftimeseries,throughthesimulationexperimentcharacteristicsanddescribethechangetrendofeachcurve,thediscussitwiththerelationshipbetweenthefurnacecondition.Finallyresultinginsinteringtemperature.Theexperimentalresultsshowthatthemethodcanquicklydetecttherotarykilnburningcondition,andconvenientdetectionsystemcalculation.KeyWords：Rotarykiln；Pulverizedcoalcombustion；Digitalimageprocessing；Patternrecognition；目錄1緒論1.1研究背景及目的 1.2國內外研究現狀1.3課題來源及研究內容安排2圖像處理技術2.1數字圖像處理概述2.2數字圖像處理在工業領域的研究2.3火焰圖像灰度化處理2.3火焰圖像噪聲消除處理2.3.1中值濾波法2.3.2均值濾波法2.4火焰圖像分割2.4.1Otsu單閾值法3燃燒火焰圖像靜態特征提取3.1基于火焰的輻射能量提取3.2基于燃燒穩定程度的提取4實驗研究4.1回轉窯火焰圖像處理4.2火焰圖像序列動態特征的描述4.3實驗結果分析5結論致謝參考文獻1緒論1.1課題背景及目的我國是一個燃煤大國，在我國的能源結構中，燃煤約占70%。工業生產中應用比較廣泛的是燃煤窯爐，這是是一種把燃料化學能轉化為熱能，并把物料加熱到所需溫度的工業設備。回轉窯是工業生產中最典型的燃煤窯爐。在工業生產過程中,煤粉在轉動的窯體內燃燒，對生料(石灰、氧化鋁等)進行燒結，當回轉窯在不穩定燃燒工況下工作時,將會降低工業生產效率,造成污染物的大量排放,而且易引起爐膛爆燃造成重大安全事[1]。因此釆取有效措施控制回轉窯內火焰燃燒的均勻和穩定,是提升生產效率、節約成本并促進鍋爐安全運行的基本要求。這表明對回轉窯內煤粉燃燒工況的檢測工作極為重要?；剞D窯燃燒火焰圖像能直接反映爐窯內燃燒狀況，所以用火焰圖像來監控爐內煤粉燃燒工況更具有直接性和實時性。由于回轉窯現場工業環境惡劣，窯內各類物質在高溫空氣中的物理化學反應產生火焰閃爍、物料運動、回轉窯窯體傾斜、旋轉的影響，以及窯內各個區域間的對流換熱等因素的影響,導致窯內視頻拍攝環境污染嚴重，物料區、火焰區、火圈等區域無法分辨的問題,這種情況下火焰圖像清晰度較低，溫度檢測的準確性和可靠性較差，用常規儀表檢測技術很難實現。還有現場電磁環境的影響導致視頻信號受到干擾,難以實現在線準確監測溫度。而通過提取可以反映火焰燃燒溫度的靜態特征量來對燃燒工況進行檢測,并將這些定量判據來應用于燃燒工況診斷中去,更能提高爐窯燃燒工況診斷的準確性和適應性,因此開展基于火焰圖像靜態特征的爐窯燃燒工況檢測研究具有重要的實用意義。1.2國內外研究狀況基于工業爐窯所具有的良好的混合性能和高效的傳熱能力,能適應多種工業原料的燒結、焙燒、揮發、燒結等過程,因此被廣泛地應用于電力、紙漿、化工、環保等行業。結構復雜、體積龐大是這些爐窯設備的特點,內部的燃燒狀態與最終產品的產量、質量、能量消耗等息息相關。隨著工業生產規模的不斷擴大,工業爐窯越來越大型化、復雜化。在工業生產中，爐窯燃燒狀態監測具有重要意義，但受現有檢測技術所限,近年來，采用圖像處理技術對窯內燃燒工況進行檢測逐步受到國內外學者的重視，很多學者嘗試利用圖像處理技術進行工業爐窯燃燒狀態的實時在線監測研究。他們從火焰圖像中提取特征量，然后用人工智能等方法來判斷燃燒工況，然而這些方法大都是針對單角燃燒器的火焰圖像，并未將火焰圖像劃分出一系列特征區，并針對各個特征區的圖像信息進行爐窯的燃燒分析[2]。在國外學者的努力下,圖像處理技術在電站鍋爐燃燒工況監測研究領域首先取得了顯著成果。文獻[3]提出了一種類似比色法的圖像溫度檢測法,而且提出了多燃燒器碳未燃盡生成了預測模型,該方法在日本仙臺電廠175MW機組上獲得了實際應用。加拿大McMasterAdvancedControlConsortium的HongluYu等[4]開發了基于多變量圖像分析技術和偏最小二乘法的燃燒火焰圖像監測系統,該系統能實時提取燃燒火焰圖像中的特征信號,并且根據這些信號來預測鍋爐系統的性能。通過國外對爐窯燃燒過程的圖像處理技術研究的技術基礎,國內學者根據我國爐窯工業過程的特點對基于火焰圖像處理的爐窯燃燒狀態監測技術進行了深入研究,取得了顯著成果。在理論研究方面,推導出了火焰溫度和爐窯圖像亮度間的關系,對火焰溫度分布檢測進行了研究,并且經黑體爐標定得到多項式的回歸模型,引起了國內學者對爐窯火焰圖像處理研究的熱烈關注和探討[5]。在應用研究方面,對采集得到的爐窯火焰圖像用三色波長光譜檢測法和溫度分段線性化方法來進行處理，并計算煤粉燃燒火焰的溫度,把火焰溫度從高到低分成幾段,由溫度的標定實驗對溫度進行線性化分段處理,然后解出由溫度標定和三個彩色分量組成的方程組,得出比較準確的火焰溫度分布[6]。1.3課題來源及及研究內容安排根據輻射測溫原理，利用火焰圖像進行燃燒溫度檢測在眾多文獻中早有研究，但利用火焰圖像序列的動態特征進行燃燒工況異常檢測的研究卻少有出現。本文的研究內容主要是：針對回轉窯視頻中截取的連續燃燒火焰模糊圖像幀，采用適當的圖像預處理方法分割火焰區；在現有的理論研究基礎上，對高溫攝像機采集到的火焰圖像進行分析和處理，從中提取出可以反映火焰燃燒溫度的4個特征向量，并在此基礎上構成特征時間序列；選擇相關時序數據處理的方法檢測回轉窯燃燒特征狀況，反映燒成帶溫度。該過程用Matlab進行仿真實驗。本文中各章內容安排如下：第一章為緒論，首先介紹了本文的研究背景及目的，其次介紹了基于圖像序列動態特征的燃燒工況檢測方法研發在國內外的研究狀況和研究進展。第二章為數字圖像處理技術相關概述以及理論知識，詳細介紹了圖像處理技術在工業領域研究中的體現，主要介紹了火焰圖像的灰度處理、噪聲消除以及火焰區分割的方法，其中，中值濾波法和Otsu單閾值法是本文針對噪聲消除和火焰區分割的主要研究方法。第三章介紹了燃燒火焰圖像靜態特征的提取算法，本文分別從火焰輻射能量和燃燒穩定程度兩方面綜合考慮，計算出火焰平均豐度、短時能量、火焰平均灰度和火焰平均灰度方差這四個統計特征量，在此基礎上構成時間序列，進行燒結溫度判斷。第四章為回轉窯燃燒火焰圖像的圖像處理過程以及動態特征時間序列在MATLAB上的仿真。第五章為總結?？偨Y了全文的研究成果，也指出研究過程中的不足之處，回顧了研究過程中遇到的困難，反思了自己在研究過程中的欠缺，并對該研究今后的發展進行展望。2數字圖像處理2.1數字圖像處理概述數字圖像處理（DigitalImageProcessing）是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理的技術。最早出現于20世紀20年代,近年來隨著計算機技術和數學研究的快速發展,數字圖像處理技術在工業領域得到了廣泛應用。2.2.圖像處理技術在工業領域的研究（1）圖像變換。工業過程圖像含有很大的數據量,若直接處理原圖,不但增加了計算量還會消耗大量時間。通過圖像變換技術不僅減少了計算量,而且更有利于圖像靜態特征的提取和分析。一般將圖像變換分為頻域變換、時頻域變換與空域變換三種。頻域變換技術以離散傅立葉變換為代表，將空域圖像轉換為頻譜圖像突出了工業圖像的頻率特征。作為一種新的時頻變換技術,小波變換有較好的局部化特征[7,8,9]，它可以讓圖像實現多尺度描述,因此常用其來表示圖像的紋理特征或者時頻特性[10,11]，并在近年來的工業過程圖像處理中得到了比較廣泛的應用?？沼蜃儞Q中比較典型的是二值變換和灰度變換，二者在對工業過程圖像的預處理過程中運用廣泛,主要優點在于保留了工業過程的重要信息的同時去除了大量的多余數據。圖像編碼壓縮。工業過程圖像存在輸送距離過長、數據量大等問題,通過圖像編碼壓縮技術對工業圖像進行壓縮，不僅節省了圖像處理的時間也減少了占用存儲器的容量。圖像編碼壓縮是圖像處理技術中發展最早且比較成熟的技術,目前廣泛應用于視頻通訊、多媒體音視頻監控[12]等領域。（3）圖像增強和復原。一些工業過程領域需采用圖像增強或復原技術來改善圖像的質量。如去除噪聲、提高圖像清晰度等等。根據作用域的不同,圖像增強可分為頻域增強和空域增強?？沼蛟鰪娍煞譃槠交瑸V波、中值濾波、直方圖均衡化[13]、灰度線性變化和非線性變化等。頻域增強方法是通過結合頻域變換技術設計出合理的濾波器，保留了工業圖像中的重要頻率信息，并去除噪聲的頻率成分。圖像復原要求對圖像降質的原因有一定的了解,一般講應根據降質過程的先驗知識建立“降質模型”,再采用某種濾波方法恢復或重建原來的圖像[14]。因為工業圖像降質過程比較復雜,這種圖像復原方法通常難以獲得良好的效果。（4）圖像分割。將圖像中不同區域加以區分或者分離的技術叫做圖像分割,不同的區域代表圖像中的不同對象。圖像分割是進一步進行圖像識別、分析和理解的基礎。一般可分為基于邊緣檢測和基于區域的分割方法分割方法?；谶吘墮z測的分割方法可由圖像中區域邊緣特性的不同,然后用Sobel邊緣檢測算子、RobertS邊緣算子、Lpalacna邊緣算子等梯度算子在圖像中的不同區域的邊緣進行檢測。然而在工業過程中因為噪聲的干擾和圖像區域邊界模糊的問題,采用這種方法所得到的區域邊界會出現變寬或在某點處間斷等情況。但由于工業過程圖像的復雜性,目前還沒有一種普遍適用于各類工業過程圖像的有效分割方法[15]?；趨^域的分割方法又包含了區域生長法、閾值分割等方法，這些方法均根據圖像灰度、紋理、顏色等均勻分布一致性和連通性來進行圖像分割。2.1數字圖像的獲取獲取圖像的方法有：傳感器陣列獲取、單個傳感器獲取以及用帶狀傳感器獲取圖像。傳感器陣列是利用二維陣列形式排列的獨特的傳感器，里面的大量電磁波與某種超聲波敏感元件常常以陣列形式排列[16]。這在攝像機上是較常見的主要結構。這些攝像機中典型的傳感器是CCD陣列。本文是通過攝像機的拍攝采集回轉窯煤粉燃燒火焰圖像信息。采集圖像數據信息的目的就是為了從已感知到的數據中提取出數字圖像數據。為了達成這個目的，首先要對數據進行數字化的處理。這個過程可分為兩個階段：取樣和量化[17]。連續圖像的數據可定義為f(x,y)，其中x和y為空間二維坐標，f在任意一對坐標(x,y)處的幅值叫做在該點圖像的亮度和灰度。為了獲得動態的數字圖像序列，應對靜態圖像進行采樣和量化處理，即在坐標和幅度上都必須要做取樣操作。2.2火焰圖像灰度化處理顏色一般分為彩色和黑白色，而黑白圖像又稱為灰度圖像，即只含有亮度信息,不包含彩色信息的圖像。圖像的灰度化處理是將彩色圖像轉化為灰度圖像的過程。一般亮度值的取值范圍是[0,255],所以灰度圖像共有256種灰度級,，其中0代表純黑色,255代表純白色。彩色圖像包含R、G、B三個通道值，取值范圍也是[0,255]，在RGB圖像中,若R=G=B，則稱該顏色為灰度色。人眼對于綠色的敏感度最高，紅色次之，藍色最低。因為彩色圖像包含R、G、B三個通道值，而灰度圖像只有一種灰度值，因此我們要將R、G、B三個值結合成一個值。經實驗和理論推導證明[18]，公式（2.1）能得到符合人類感知的灰度圖像：(2.1)式中，f(x,y)為轉化后的灰度圖像在點(x,y)處的灰度值，R(x,y)，G(x,y)，B(x,y)分別表示原彩色圖像在點(x,y)處的R、G、B三個通道值。2.3火焰圖像噪聲消除處理圖像去噪是圖像處理域中一個經典的問題。圖像去噪過程是根據一些已知的噪聲模型恢復原來的圖像,是原圖像某種意義下的最優估計[19]利用CCD拍攝到的回轉窯火焰圖像由于受到工業現場噪聲、CCD圖像傳感器噪聲、圖像采集卡噪聲的干擾，導致火焰圖像孤立像素的離散化，這將不僅影響圖像的視覺效果還會影響圖像處理的所有環節和結果，所以對回轉窯火焰圖像進行去噪處理非常重要。去除噪聲的過程稱為圖像的濾波，去噪過程可在圖像的頻率域或者空間域進行。對火焰圖像而言在空間域進行濾波即可。2.3.1中值濾波法中值濾波是一種典型的非線性噪聲消除法,其算法的基本思想是用數字序列一點鄰域排序中值來作為該點的值[20]。中值濾波在濾除噪聲的同時對圖像細節信息有很好的保護,它對含有噪聲的圖像有比較好的去噪效果,與線性濾波相比它不會使圖像產生太大的模糊,較好的保護了圖像的邊緣特征信息。因此中值濾波在火焰圖像降噪處理方面有廣泛應用。以下是中值濾波法的基本原理：二維中值濾波是利用二維窗口進行濾波，濾波窗口有奇數個像素點，其中心像素點的灰度值等于窗口各像素點排序后的中間灰度值[21],設有一組數列為,將這組數從小到大排列，得到以下序列，其中設中值為,則表示為：（2.2）根據式（2.1）的原理，設為一個含有非偶數點的二維濾波窗口,為要進行處理的圖像的像素點的灰度值，將窗口中心對準該點，該點處的灰度值將由窗口覆蓋的其余點進行從小到大排序后的中間值代替，經中值濾波后這個中值可表示為：（2.3）濾波窗口的形狀和窗口大小可根據實際應用調整,濾波窗口常用的形狀有:矩形、線形、十字形和圓形窗口,按大小分則有3x3、5x5、7x7等。其中方形和圓形用于處理有緩變和較長輪廓線的圖像,十字形窗口適合處理包含有尖頂角的物體圖像。目前針對中值濾波提出了很多的快速算法,雖然快速濾波算法較傳統的中值濾波效率提高很多,但是濾波算法或多或少都要進行數值排序和比較,有時要進行濾波窗口的移動和數值掃描,這些都影響了算法在處理圖像的速度。中值濾波法可以有效對圖像中的脈沖噪聲進行消除，但也并非一種完美的去噪算法，它也存在著一系列的缺點，比如標準中值濾波忽略了圖像實際的觀察模型，在濾波中會表現為一定盲目性；在處理高斯噪聲方面，中值濾波幾乎沒有表現出效果；因為涉及大量排序運算,運算速度較慢,對圖像的實時處理有影響等等。2.3.2均值濾波均值濾波法屬于消除圖像噪聲的線性處理方法。其基本思想是將圖像中幾個像素灰度的平均值取代每個像素的灰度。計算公式為:（2.3）式中,為點中所有不包含其本身的坐標集合,為集合里坐標點的數目。均值濾波器作為比較典型的線性去除噪聲的方法,因為其具有計算簡單且快速的同時又能夠有效地去除高斯噪聲。因此適用面相對較廣,是一種常用的去噪方法,很多濾波去噪方法都是在此基礎上發展而來。它的缺點是嚴重破壞了圖像邊緣,使圖像變得模糊。2.4火焰圖像分割圖像分割是指把圖像按照一定要求劃分為若干個區域,劃分的區域供后續進行圖像識別。要通過分析回轉窯火焰圖像來對燒成帶溫度進行檢測,首先要做的工作就是把物料區和火焰區從圖像中分割出來，由此可提取出表征火焰燃燒狀態的特征量,它為回轉窯燃燒工況檢測提供重要基礎。2.4.1圖像分割對回轉窯的重要性鍛燒熟料工藝在工業生產過程中占有重要地位,掌握這項工藝的關鍵在于將回轉窯內燒成帶的溫度控制好。燒成帶作為回轉窯系統中進行物理變化和化學變化的主要區域,其溫度會影響到工業生產中的產量、能耗、質量等。若燒成帶溫度高于熟料鍛燒所要求的溫度,將導致熟料過燒,容量增大、溶出率降低；反過來,若燒成帶溫度低于熟料鍛燒所要求的溫度,燒結狀態不完全,并形成黃料,溶出率低。因此,控制回轉窯的關鍵在于控制窯中燒成帶的溫度?；剞D窯的火焰圖像是通過安裝在窯爐頭的CCD攝像機進行拍攝獲得的,圖像包含很多燒成帶的溫度變化趨勢信息,而這些信息主要是通過圖像中的物料區以和火焰區的灰度特征來反映。因此,如果想通過對回轉窯火焰圖像的分析來對燒成帶溫度進行有力控制,首要工作是將物料區與火焰區進行分割。而火焰圖像分割效果的好壞會直接關系我們對燒成帶溫度的控制。2.4.2Otsu方法是一種比較常用的閾值選擇方法,具有算法簡單,計算速度快,適應范圍廣等優點,在對火焰圖像進行分割時，能夠實現自適應快速分割,且分割效果較好。Otsu算法的基本思想是:首先任選一個閾值把圖像分割成目標和背景兩個區域,然后計算兩個區域出現的概率和灰度均值,再計算兩個區域間的灰度方差,該方差是閾值的函數,因而得到兩類間方差的最大閾值,就是需要的最佳閾值。設一幅圖像的灰度范圍為[0,L-1],為灰度值i的像素數,圖像的像素總和為N,，灰度值為i的像素點出現的概率記為則:（2.4）顯然，。用閾值K()，把圖像的像素按灰度級分為背景和目標兩類，分別記作區域和區域。表示灰度值的區域,表示灰度值為的區域,則圖像灰度統計均值為。區域、產生的概率分別為：（2.5）（2.6）區域、產生的概率的均值分別為：（2.7）（2.8）圖像總體灰度平均值為:（2.9）區域A、B的類間方差（2.10）則當K在范圍取值時,當取值最大時對應的K值即為Otsu算法的最佳閾值。當然Otsu法并非十全十美，當目標物與背景灰度相差不明顯時,就會出現大塊黑色區域,可能會丟失整幅圖像的信息,因此其應用受到限制。但相對其他分割方法比較快捷，因此本課題選擇利用Otsu算法對火焰圖像進行分割處理,分割出火焰區。3燃燒火焰圖像靜態特征提取3.1基于火焰的輻射能量的提取結合輻射測溫原理,可得出火焰的輻射能量與圖像的灰度成正相關，可在一定程度上反映燃燒溫度的高低.在此提出將采樣周期T內的火焰區平均灰度和灰度方差作為判別溫度的特征量：（1）火焰區平均灰度(3.1)其中:采樣圖像的幀數,為時刻采樣的單幀圖像火焰區平均灰度，(3.2)其中為火焰區的像素個數,為火焰區單個像素的灰度值。（2）火焰區灰度方差(3.3)將一段90分鐘的回轉窯火焰視頻，以2秒為采樣周期,25幀/秒的幀率截取火焰圖像，分別用MATLAB仿真，得到火焰區平均灰度在燒結溫度低、正常和高三種溫度條件下的概率分布圖如圖3所示.從圖3可知,在有效灰度級50~170范圍內的的概率密度分布有比較大的重合。主要是因為在火焰輻射較強的情況下,CCD攝像機會發生亮度飽和,造成溫度正常和溫度高兩類的分布重合較大;在窯內溫度逐漸升高的過程中,常出現煤粉爆燃導致的火焰變短現象使低溫情況下的分布出現向右拖尾現象,導致了火焰區變亮的假象。因此基于輻射測溫原理的灰度特征并不能準確的區分出燒結溫度等級。圖3.1Gt在3種條件下的概率密度分布3.2基于燃燒穩定程度提取煤粉火焰的溫度變化與其燃燒的穩定性有密切聯系[22]。根據以往在回轉窯現場看火的經驗,當煤粉燒結帶溫度達到穩定時,煤粉的火焰閃爍情況趨于平穩,火焰區面積也在正常范圍內波動；然而在溫度降低時,火焰閃爍變得劇烈,就會發生如圖2(a)中的爆燃現象,火焰區的面積相較原圖明顯增大。根據這個回轉窯現場工藝的特點,在此提出火焰區平均豐度與火焰短時能量這兩個判斷燃燒穩定程度的特征量。短時能量是語音信號中衡量語音信號強弱和變化快慢的一個重要參數[23],圖3.2火焰爆燃現象（1）火焰區平均豐度。將第t時刻、第T幀圖像的火焰區平均豐度Mt作為判斷燃燒穩定程度的特征量,定義如下：(3.4)其中,是第幀采樣圖像的火焰區豐度值,定義為分割后火焰區像素總和與整幅圖像像素總和的比值：(3.5)其中,H是像素值為1(即火焰區)的點的數目,I是整幅圖像的像素數數。Mt描述了t時刻中值濾波之后的火焰區面積。因此當火焰出現劇烈閃爍時,Mt的值將變大?；鹧娑虝r能量本文基于語音信號檢測方法,通過對采樣信號進行加窗處理,在窗寬為N時,將視頻段中的火焰區豐度短時能量值作為衡量火焰穩定程度的特征量。在t時刻,火焰區短時能量Et的定義如下:(6)其中，Mi為i時刻時火焰的區平均豐度，Et表示在t時刻窗寬為N時，Mi的短時能量。為窗函數。當我們取矩形窗時，(7)如果在求和窗寬里爆燃幀數越多，Et就會越大，火焰閃爍就會越劇烈，并且火焰燃燒穩定性越低。相反，若在求和窗寬里爆燃幀數越少，Et就會越小，火焰閃爍比較緩慢，而火焰燃燒穩定性越高。在此采用與上節相同的一段火焰視頻火進行研究，由下圖中火焰短時能量Et在燒結溫度偏低、正常、和高的三種溫度下的概率分布圖，用P(Et)表示。由圖可知,Et在三種概率密度函數的峰值相差較大,可通過此特征量較好地區分不同的燒結溫度.圖3.3Et在3種條件下的概率分布4實驗研究4.1火焰圖像處理從模糊的回轉窯視頻中按5幀/秒進行單幀采樣,將提取的單幀RGB圖像通過灰度轉換為256級的灰度圖,然后用中值濾波法去除單幀圖像上孤立噪聲點的干擾。圖4.1-4.4為基于MATLAB仿真實現的從原始視頻圖像幀經過預處理后分割出火焰區的過程。圖4.1火焰原圖圖4.2火焰灰度圖圖4.3中值濾波后的灰度圖采用Otsu單閾值法，基于火焰灰度圖自動尋找使火焰區和背景間灰度方差距離最大的分割閾值，分割出火焰區。圖4.4火焰區分割4.2火焰圖像序列動態特征的描述然后根據3.1和3.2節內容計算火焰視頻的統計特征，按式(1)，式(3)，式(4)分別計算出平均灰度Gt、灰度方差、平均豐度Mt這三個特征量，統計時間窗T為10幀,然后按式(7)計算出火焰短時能量Et,窗寬N為250。將上述4個特征量作為當前采樣時刻t的一組特征數據?；趦煞N溫度變化條件下分別從兩段時長為20分鐘的訓練視頻中計算出上述4個特征數據，并構成火焰圖像動態特征的波形圖，如圖所示。圖4.5火焰圖像序列動態特征曲線4.3實驗結果分析根據圖4.5進行實驗結果分析，可以看到第一行的回轉窯內溫度逐漸降低,而第二行的回轉窯溫度是逐漸升高的。通過觀察這四個特征數據的動態曲線，在回轉窯溫度發生變化時,火焰平均灰度值和火焰平均豐度值均沒有出現明顯的變化。而火焰灰度方差在回轉窯溫度下降時特征曲線除了出現一個波峰外沒有其他明顯的動態特征。根據火焰平均豐度定義的短時能量能體現出明顯的趨勢,窯內溫度下降時，火焰短時能量有明顯上升趨勢；窯內溫度上升時，火焰短時能量有明顯的下降趨勢。這說明火焰短時能量具有比較強的溫度區分度，當回轉窯內溫度降低時,火焰變得不穩定的同時爆燃現象增多,火焰短時能量升高；當回轉窯溫度升高時，火焰逐漸趨于穩定，爆燃現象減少，火焰短時能量會降低。因此，火焰短時能量與回轉窯溫度成負相關關系，火焰短時能量動態特征曲線可作為燃燒工況檢測的一個重要依據。實驗也表明也了本文提出的通過視頻段內各幀圖像提取的火焰靜態特征量構成的時間序列能夠有效檢測燃燒工況，對于實現回轉窯過程產品質量指標的控制具有較為重要的實用價值,對于適應波動的邊界條件,提高復雜工業過程的關鍵工藝環節的檢測與識別能力提供了一種可行有效的解決思路。5總結回轉窯燃燒的基本要求是建立和保持穩定的燃燒工況，燃燒工況是否穩定,是提升生產效率、節約成本并促進鍋爐安全運行的前提條件。在實際的回轉窯工業現場，僅靠操作員對窯爐中煤粉燃燒的表面特征觀察很難對燃燒工況進行準確、客觀的評價。本文采用理論分析與仿真實驗相結合的方法研究了基于圖像序列動態特征的燃燒工況檢測法，闡述了數字圖像處理的相關理論，討論了火焰圖像靜態特征與燃燒溫度的關系，并通過仿真實驗驗證其有效性和準確性。通過分析實驗結果來對煤粉燃燒工況進行檢測。在此過程中，本文的研究成果和貢獻主要包括以下幾點：（1）提出了火焰圖像預處理方法，有效解決了火焰彩色圖像數據量大、時效性差等問題。（2）提出了火焰圖靜態像特征提取算法,提取出可以反映火焰燃燒溫度的靜態特征。（3）近年來基于輻射測溫原理，利用火焰圖像進行燃燒溫度檢測應用廣泛，而本文采取的是研究較少的基于火焰圖像序列動態特征進行燃燒工況檢測的方法。由于時間、經驗等因素的制約，本文工作也存在一些不足之處和需要改進的方面：由于實驗條件的限制，沒有能進行從工業現場提取火焰圖像，因而影響到對各種標定方法的客觀判斷。進一步深入研究火焰輻射特性，完善火焰溫度測量原理，以便更有針對性的設計。本文只是初步分析了火焰圖像序列動態特征與燃燒工況間的關系。要對燃燒工況進行更準確的檢測,需要進一步結合燃燒圖像表面其它的視覺特征,綜合研究這些視覺特征與燃燒工況間的關系。基于數字圖像處理、模式識別等技術的火焰溫度測量和燃燒工況檢測是一種富有挑戰的新興技術，也是燃燒領域的一個新的研究方向，雖然現在關于這種方法的研究還不多，但在計算機技術和數學方法的不斷進步下，這種技術一定會逐漸成熟并得到更多的突破和發展。致謝光陰似箭，四年大學求學生涯匆匆而逝?；厥走@幾年的學習和生活,在學習上困惑過，也在人生道路上迷茫過，然而到今日一切都已塵埃落定，正值此論文完成之際，我在此向所有關心、幫助過我的老師、同學、親人、朋友表示最誠摯的感謝與最美好的祝愿。本論文是在張小剛老師的悉心指導下完成的，從畢業設計題目的選擇到論文的寫作，張老師都給予了我很大的幫助，在我遇到難以解決的問題時，是張老師耐心為我答疑解惑，在撰寫論文過程中，張老師也給我提供了很多建設性意見。張老師嚴謹求實、精益求精的科研態度深深影響著我，令我肅然起敬！在此我向敬愛的張老師表達我誠摯的感謝，感謝您的支持與鼓勵！當然我還要感謝在撰寫論文過程中一直幫助和支持我的同學，沒有他們的支持和幫助，我的一些難題也不能及時的化解，感謝他們對我的幫助！最后,我要感謝我的父母，在這里求學的四年里和過去的二十二年,他們對我的關心和愛護讓我能無憂無慮的長大,是他們一直以來的支持不斷鼓舞著我跨過艱難險阻，一路勇往直前！沒有他們，也就沒有我的今天，謝謝你們，你們辛苦了，在未來的日子里我一定好好報答你們！蒙佩蕎5月25日參考文獻[1]甄成剛,基于圖像處理技術的爐膛火焰檢測方法研究[D].保定:華北電力大學,2004[2]衛成業,王飛，等．運用彩色CCD測量火焰溫度場的校正算法[J]．中國電機工程學報，2000，20(1)：70-72．[3]MShimoda,ASugano,YWatanabe,etal.PredictionMethodofUnburnCarboforCoalFiredUtilityBoilerUsingImageProcessingTechnologyofCombustionFlame[J].IEEETransEnergyConversion,1990,15(4):640-645.[4]HongluYu,JohnF.MonitoringFlamesinanIndustrialBoilerUsingMultivariateImageAnalysis[J]JohnWiley&Sons,Inc,AmericanInstituteofChemicalEngineers(AIChE)Journal,2004,50(7):1474-1483.[5]王補宣,李天鋒,吳占松.圖像處理技術用于發光火焰溫度分布測量的研究[J],工程熱物理學報,1989,10(4):446-448[6]余岳峰,趙鐵城,徐偉勇.煤粉燃燒火焰的三色法溫度測量[J],上海交通學學報,2000,34(9):1257-1260[7]Jiann-DerLee,Yu-LinHiao.