一種基于計算機(jī)視覺的鍋爐燃燒狀態(tài)檢測方法分析摘要隨著現(xiàn)代社會計算機(jī)技術(shù)和圖像處理技術(shù)的不斷發(fā)展，基于計算機(jī)視覺的圖像處理技術(shù)越來越多地應(yīng)用在工業(yè)生產(chǎn)領(lǐng)域中。鍋爐作為工業(yè)生產(chǎn)中的重要設(shè)備之一，保證其能安全、經(jīng)濟(jì)、環(huán)保地運行，也一直受到社會的廣泛關(guān)注。因此，判斷鍋爐燃燒狀態(tài)是保證鍋爐正常運行的重要手段。本文設(shè)計了一種基于計算機(jī)視覺的鍋爐燃燒狀態(tài)檢測系統(tǒng)，主要內(nèi)容是通過研究火焰圖像的相關(guān)特征，再利用計算機(jī)視覺技術(shù)的圖像處理技術(shù)對鍋爐燃燒狀態(tài)進(jìn)行檢測，達(dá)到對鍋爐燃燒狀態(tài)的檢測。首先，模擬鍋爐火焰燃燒，研究火焰圖像的相關(guān)預(yù)處理技術(shù)的算法和流程，通過灰度二值化，平滑濾波去噪，算子邊緣檢測，閥值分割等操作，對火焰圖像進(jìn)行預(yù)處理，并且通過仿真實驗對圖像預(yù)處理方法進(jìn)行效果比較。實驗結(jié)果表明，從工業(yè)相機(jī)采集到的圖像中包含噪聲等其他干擾信息，通過圖像預(yù)處理技術(shù)，可以有效得到火焰圖像效果，給后續(xù)燃燒狀態(tài)的特征檢測奠定了基礎(chǔ)。在對圖像進(jìn)行預(yù)處理的基礎(chǔ)上，針對火焰具有不斷運動和變化的特點，研究了運動目標(biāo)的提取和跟蹤算法，提出了將幀間差分算法和RGB顏色空間模型進(jìn)行結(jié)合，得到疑似具有燃燒火焰顏色運動區(qū)域。該方法相對于單使用顏色分割或者運動目標(biāo)分割來說，大大提高了檢測與跟蹤的精準(zhǔn)度，且能夠進(jìn)行有效地分割處理。在分析鍋爐火焰燃燒的基礎(chǔ)上，研究了幾種常用的火焰燃燒特征，針對鍋爐火焰的燃燒特征，包括了火焰溫度、火焰面積以及火焰閃爍頻率，分析了火焰的燃燒特性與燃燒狀態(tài)的關(guān)系，通過形成火焰特性的加權(quán)值，可以判斷火焰和火焰是否存在真實的燃燒狀態(tài)，從而進(jìn)行準(zhǔn)確的檢測。關(guān)鍵詞：計算機(jī)視覺，圖像處理，運動目標(biāo)，火焰特征，燃燒狀態(tài)檢測目錄緒論-------------------------------------------------------------1研究背景及意義-----------------------------------------------1國內(nèi)外研究現(xiàn)狀-----------------------------------------------1國內(nèi)研究現(xiàn)狀--------------------------------------------1國外研究現(xiàn)狀--------------------------------------------1主要研究內(nèi)容-------------------------------------------------1論文結(jié)構(gòu)安排-------------------------------------------------1本章小結(jié)-----------------------------------------------------1火焰圖像預(yù)處理---------------------------------------------------2引言---------------------------------------------------------2圖像濾波去噪-------------------------------------------------2均值濾波------------------------------------------------2中值濾波------------------------------------------------2維納濾波------------------------------------------------2圖像邊緣檢測-------------------------------------------------2Roberts算子檢測-----------------------------------------2Canny算子檢測------------------------------------------2圖像分割技術(shù)-------------------------------------------------2本章小結(jié)-----------------------------------------------------2運動目標(biāo)檢測與跟蹤方法-------------------------------------------3顏色空間模型-------------------------------------------------3RGB顏色空間模型---------------------------------------3HIS顏色空間模型----------------------------------------3形態(tài)學(xué)處理---------------------------------------------------3膨脹與腐蝕----------------------------------------------3開運算和閉運算------------------------------------------3運動前景目標(biāo)檢測算法-----------------------------------------3背景差分法----------------------------------------------3幀間差分法----------------------------------------------3鍋爐燃燒狀態(tài)的目標(biāo)檢測---------------------------------------3本章小結(jié)基于計算機(jī)視覺的鍋爐燃燒狀態(tài)檢測方法-----------------------------4引言---------------------------------------------------------4鍋爐燃燒狀態(tài)的特征提取與判定---------------------------------4火焰溫度特性--------------------------------------------4火焰面積特性--------------------------------------------4火焰頻率特性--------------------------------------------4鍋爐燃燒狀態(tài)特征檢測的綜合分析-------------------------------4本章小結(jié)-----------------------------------------------------4結(jié)論-------------------------------------------------------------5全文總結(jié)-----------------------------------------------------5展望---------------------------------------------------------5參考文獻(xiàn)------------------------------------------------------------61緒論研究背景及意義 進(jìn)入21世紀(jì)以來，能源供應(yīng)問題日益嚴(yán)峻，世界各國的節(jié)能環(huán)保意識日益增強(qiáng)。節(jié)能減排已成為當(dāng)今社會生活的重要組成部分，并得到了世界各國政府的廣泛認(rèn)可。2020年在我國最新修訂的《環(huán)境保護(hù)法》中，頒布了更為嚴(yán)格的環(huán)境標(biāo)準(zhǔn)，要求企業(yè)首先使用清潔類能源，減少對不可再生能源的使用，應(yīng)當(dāng)采取使用率高并且排放污染物低的工藝設(shè)備，對工業(yè)排放的廢氣廢渣采取相應(yīng)的措施，對廢物進(jìn)行回收再利用或和無害化處理，以減少產(chǎn)生的工業(yè)污染物。中國的經(jīng)濟(jì)正處于快速發(fā)展的階段，巨大的人口數(shù)量對工業(yè)生產(chǎn)的需求在日益增長，安全、節(jié)能、環(huán)保也逐漸成為工業(yè)生產(chǎn)的主要關(guān)注點。鍋爐作為工業(yè)生產(chǎn)中的重要設(shè)備之一，廣泛應(yīng)用于供暖、冶金、電力等相關(guān)工業(yè)領(lǐng)域。升級優(yōu)化鍋爐燃燒狀態(tài)檢測系統(tǒng)，不僅可以提高鍋爐的燃燒效率減少能源消耗，而且還可以降低污染物的產(chǎn)生保護(hù)環(huán)境，防止鍋爐的不正常運行而導(dǎo)致的生產(chǎn)安全問題。因此，如何完善鍋爐燃燒狀態(tài)檢測系統(tǒng)，保證鍋爐安全、經(jīng)濟(jì)、穩(wěn)定運行，是工業(yè)生產(chǎn)中需要解決的重要問題。近年來，隨著計算機(jī)科學(xué)的不斷創(chuàng)新，計算機(jī)視覺作為一門新興技術(shù)，其應(yīng)用領(lǐng)域也在不斷拓展。目前，在圖像處理，目標(biāo)跟蹤，物體檢測方面已經(jīng)取得了重要的理論和實踐成果。為了對鍋爐內(nèi)的燃燒狀態(tài)進(jìn)行準(zhǔn)確有效地檢測，必須確保掌握到鍋爐火焰的變化。火焰是判斷燃燒是否穩(wěn)定的最直接依據(jù)，鍋爐燃燒最基本的要求是能夠保持火焰的燃燒狀態(tài)穩(wěn)定，不穩(wěn)定的燃燒狀態(tài)不僅會降低了鍋爐的效率，還會產(chǎn)生污染物，這些都將直接影響鍋爐的運行工況和參數(shù)，對整個設(shè)備機(jī)組的安全經(jīng)濟(jì)運行有很大影響，甚至導(dǎo)致在極端情況下，會引起爐內(nèi)爆炸，造成巨大的生命財產(chǎn)損失。因此，建立一個基于計算機(jī)視覺的鍋爐燃燒狀態(tài)檢測系統(tǒng)，能夠給鍋爐燃燒狀態(tài)監(jiān)測提供有效的指導(dǎo)信息，并且能夠?qū)嶒炲仩t燃燒的可視化和燃燒狀態(tài)的檢測。計算機(jī)視覺技術(shù)能代替操作者完成圖像采集任務(wù)，并對采集到的數(shù)據(jù)進(jìn)行準(zhǔn)確判斷，不但保證了工業(yè)生產(chǎn)的安全問題，而且還能使鍋爐處于穩(wěn)定狀態(tài)，提高生產(chǎn)效率，保護(hù)環(huán)境，節(jié)約人工成本，這些都是具有重要的社會和經(jīng)濟(jì)意義。國內(nèi)外研究現(xiàn)狀 鍋爐燃燒狀態(tài)檢測系統(tǒng)是確保鍋爐安全運行的重要工具，國內(nèi)外有許多研究者對其進(jìn)行大量研究工作。傳統(tǒng)鍋爐燃燒狀態(tài)檢測系統(tǒng)雖然能在一定程度上滿足火焰檢測的要求，具有一定的實用價值。但是，我們也應(yīng)該看到，它們并沒有達(dá)到預(yù)期的效果，在現(xiàn)代大型鍋爐的應(yīng)用中還存在許多問題。隨著計算機(jī)科學(xué)的不斷發(fā)展，可視化的燃燒狀態(tài)檢測系統(tǒng)受到國內(nèi)外廣大學(xué)者關(guān)注，深入的火焰檢測功能給鍋爐燃燒的可視化和燃燒狀態(tài)的檢測提供更有利的保證，也逐漸成為鍋爐燃燒狀態(tài)檢測的重要研究內(nèi)容。國內(nèi)研究現(xiàn)狀清華大學(xué)的吳占松教授在圖像處理方法的選擇、對鍋爐故障的診斷、鍋爐內(nèi)部溫度的測量等方面做了大量的工作。通過數(shù)字圖像處理技術(shù)，對火焰圖像信息進(jìn)行推導(dǎo)，得到火焰圖像亮度信息和火焰溫度之間的關(guān)系，建立了火焰溫度分布和火焰穩(wěn)定性的多項式方程回歸模型，在國內(nèi)火焰圖像上的研究開創(chuàng)了先河。華中科技大學(xué)周懷春等教授應(yīng)用輻射定律，采用單色火焰溫度圖像檢測法測量出參考點的溫度。通過在CCD攝像機(jī)前安裝一個單色濾光片，得到了火焰輻射的單色輻射圖像，再利用熱電偶或雙色高溫計得到參考點的溫度，將參考點的輻射強(qiáng)度進(jìn)行比較，即可得到單色圖像的溫度場。計算機(jī)可以識別火焰中心位置、爐內(nèi)高溫結(jié)焦的可能性，并利用自組織神經(jīng)網(wǎng)絡(luò)對燃燒狀態(tài)進(jìn)行學(xué)習(xí)。根據(jù)爐膛的實際溫度場，對火焰的燃燒狀態(tài)進(jìn)行了診斷。華北電力大學(xué)的劉鶴，閻順林等開展了基于數(shù)字處理的鍋爐火焰識別和鍋爐故障診斷研究。提出了一種基于動態(tài)閾值的點火判據(jù)，給出了判斷火焰的數(shù)值指標(biāo)和具體算法。建立了基于模糊神經(jīng)網(wǎng)絡(luò)的鍋爐燃燒狀態(tài)穩(wěn)定性在線評價模型，同時，利用計算機(jī)在圖像處理上的技術(shù)，設(shè)計了一套火焰圖像監(jiān)測系統(tǒng)。該系統(tǒng)能夠有效、可靠地檢測火焰并對鍋爐燃燒過程進(jìn)行監(jiān)控，為鍋爐燃燒的可視化研究提供了平臺。1.2.2國外研究現(xiàn)狀日本三菱公司利用數(shù)字圖像處理技術(shù)研發(fā)出的光學(xué)影像掃描儀（OPTIS），同時能夠判斷出火焰燃燒狀態(tài)和火焰形狀。OPTIS火焰檢測器系統(tǒng)不同于傳統(tǒng)火焰檢測器，其原理是利用光纖攝像機(jī)直接采集火焰圖像，然后利用微機(jī)對火焰圖像信號進(jìn)行分析，最后轉(zhuǎn)換成火焰亮度分布圖。極大地提高了火焰探測的靈敏度，并且能夠克服鍋爐內(nèi)部熱輻射和其他燃燒火焰器對檢測火焰的干擾。如圖1-1所示：為日本股份有限公司專門為使用在燃用重油的電站鍋爐而設(shè)計，用來判斷火焰狀態(tài)的燃燒診斷系統(tǒng)的示意圖：圖1-1日本股份有限公司電站鍋爐燃燒診斷系統(tǒng)的示意圖燃燒檢測與數(shù)字分析系統(tǒng)(DIMAC)是由芬蘭IVO公司開發(fā)，該系統(tǒng)專為燃煤鍋爐而設(shè)計的。它可以將火焰圖像通過光學(xué)系統(tǒng)傳輸?shù)藉仩t外面的圖像傳感器，圖像傳感器就會將模擬圖像轉(zhuǎn)換為數(shù)字圖像，再通過計算機(jī)技術(shù)分析數(shù)字信號，從而計算處火焰的著火點距離和所要分析區(qū)域的火焰強(qiáng)度，并且能夠在計算機(jī)上顯示出火焰的各項特征參數(shù)和火焰溫度分布圖。該系統(tǒng)通過改進(jìn)鍋爐燃燒效率，極大地提高了鍋爐可靠性和安全性。美國ABB-CE公司為電廠大型鍋爐的火焰燃燒診斷研制了SS1型燃燒診斷儀（safe-scan1），該裝置降低了傳統(tǒng)的攝像頭對鍋爐低負(fù)荷的敏感性，提出了利用光導(dǎo)纖維和光電轉(zhuǎn)換裝置，在火焰信號的可見光區(qū)域，對頻率和強(qiáng)度進(jìn)行檢測和分析，即可獲得火焰的燃燒狀態(tài)。主要研究內(nèi)容本文主要的研究內(nèi)容是基于計算機(jī)視覺技術(shù)，將火焰圖像作為研究對象，通過分析火焰燃燒的特征，從而對鍋爐燃燒狀態(tài)進(jìn)行檢測。具體工作如下設(shè)計火焰圖像預(yù)處理算法，能夠快速并且有效地濾除圖片噪聲，利用分割算子提取出感興趣區(qū)域，并采取閥值分割得到火焰區(qū)域。設(shè)計火焰圖像的區(qū)域檢測算法，主要基于對運動目標(biāo)的提取和顏色分割，能夠快速地檢測到具有燃燒火焰顏色運動區(qū)域圖像。研究火焰圖像的特征參數(shù)提取算法，設(shè)計通過火焰的特征參數(shù)來進(jìn)行火焰燃燒狀態(tài)的綜合檢測，并判定鍋爐實際運行狀態(tài)。1.4論文結(jié)構(gòu)安排 本文劃分為5個章節(jié)，每一章節(jié)大概的內(nèi)容如下：第一章是本章的緒論部分，首先闡述了鍋爐火焰燃燒狀態(tài)檢測的研究背景和意義，然后介紹了燃燒狀態(tài)檢測的國內(nèi)外的研究現(xiàn)狀，最后闡述了本文的主要內(nèi)容以及論文的整體結(jié)構(gòu)安排。第二章為火焰圖像預(yù)處理部分,首先進(jìn)行火焰圖像的進(jìn)行濾波去噪，采用改進(jìn)的Canny算子和Roberts算子進(jìn)行對比，提取感興趣區(qū)域,再利用最大類間方差法對火焰圖像進(jìn)行閾值分割，得到火焰區(qū)域分割與輪廓提取。最后對預(yù)處理算法進(jìn)行了仿真實驗驗證。第三章為火焰的檢測和跟蹤方法，首先介紹了幾種常用的顏色模型，為它們在圖像處理中的應(yīng)用做好準(zhǔn)備。并研究了目標(biāo)檢測和跟蹤需要的基礎(chǔ)理論和幾種常用的目標(biāo)檢測方法，在此基礎(chǔ)上，通過形態(tài)學(xué)操作來減輕噪聲對火焰提取操作的干擾，然后將圖像檢測算法與顏色空間模型結(jié)合，得到火焰顏色的運動目標(biāo)區(qū)域。第四章為火焰燃燒狀態(tài)的檢測及判斷方法，在具有火焰顏色運動目標(biāo)區(qū)域的基礎(chǔ)上，利用火焰特征（如火焰的溫度，火焰區(qū)域面積，火焰閃爍頻率），來確定火焰燃燒的狀態(tài)。第五章為總結(jié)與展望。1.5本章小結(jié)本章首先介紹了鍋爐燃燒狀態(tài)檢測領(lǐng)域的研究價值和意義,提出將機(jī)器視覺技術(shù)引入鍋爐燃燒狀態(tài)檢測領(lǐng)域是具有理論依據(jù)與現(xiàn)實意義的方式，然后闡述了目前國內(nèi)外關(guān)于燃燒狀態(tài)檢測的研究現(xiàn)狀，最后對本文的工作內(nèi)容和論文結(jié)構(gòu)做了簡要的介紹。2火焰圖像預(yù)處理2.1引言 工業(yè)攝像機(jī)采集的火焰原始圖像會受到傳感器噪聲、信號轉(zhuǎn)換偏差、信號傳輸衰減和環(huán)境溫度等的影響，這些因素都會影響到檢測算法的工作效率與準(zhǔn)確率。在預(yù)處理部分，對工業(yè)相機(jī)采集的原始圖像進(jìn)行濾波和去噪，以消除或降低圖像采集和傳輸過程中產(chǎn)生的噪聲。利用改進(jìn)的火焰邊緣特征提取感興趣區(qū)域，并對火焰區(qū)域進(jìn)行分割和分析，得到火焰區(qū)域分割與輪廓提取。經(jīng)過計算機(jī)圖像預(yù)處理之后，輸出圖像的質(zhì)量有了明顯的提高，便于后續(xù)圖像的分析和處理。整個預(yù)處理流程如2-1所示。圖2-1圖像預(yù)處理流程圖2.2圖像濾波去噪 鍋爐燃燒的火焰圖像信息由工業(yè)相機(jī)采集獲取，但由于工作環(huán)境、傳感器材料特性以及電子元件等因素影響，必然會在圖片成像、傳輸、存儲和顯示中受到干擾影響而引入各種噪聲，這些噪聲將會影響人們對圖像信息的直觀感受，導(dǎo)致一些有用信息也常常會被忽略掉，進(jìn)而影響目標(biāo)的特征檢測。數(shù)字圖像系統(tǒng)中最常見的噪聲有兩種種，分別為高斯噪聲和椒鹽噪聲，與之相對應(yīng)的消除噪聲的處理手段可以分為均值濾波、中值濾波、維納濾波、高斯濾波等。本文選取前三種濾波方法對火焰圖像進(jìn)行對比實驗分析。2.2.1均值濾波均值濾波器是常用的線性濾波器之一，也可以將它歸為低通濾波器，其輸出為鄰域模板內(nèi)的像素的簡單平均值，主要用于圖像的模糊和降噪。均值濾波器使用大小為n?n的Kernel矩陣逐點掃描圖像，并求取該點周圍n?n?1個像素的平均值，以濾波器窗口內(nèi)的像素的平均灰度值代替圖像中的像素值2.2.2中值濾波中值濾波是非線性的圖像信號處理技術(shù)之一，它能抑制圖像中的隨機(jī)噪聲，保護(hù)圖像的邊緣。通過中值濾波處理的某個像素點，得到的結(jié)果就是用圖像區(qū)域中像素灰度值的中值來替代該像素的值。即首先以圖像中的某個像素點為中心點，確定一個領(lǐng)域范圍，將這個領(lǐng)域稱作窗口，模板窗口在圖像中從上往下，從左到右依次滑動，隨后模板窗口取到的每個像素灰度值按一定的順序排序，最后每次滑動窗口的中心像素的灰度值都將取窗口域內(nèi)的平均值。利用中值濾波對圖像進(jìn)行平滑濾波去噪處理時，不僅可以去除圖像中的噪聲，而且還可以保護(hù)圖像的邊緣，達(dá)到更好的圖像恢復(fù)效果。2.2.3維納濾波維納濾波也被稱作是自適應(yīng)濾波，是一種基于最小均方誤差準(zhǔn)則、對平穩(wěn)過程的最優(yōu)估計器。它可以根據(jù)圖像的局部方差來調(diào)整濾波器的輸出效果。圖像的局部方差越大，則平滑效果也就越好。該方法的最終目的是使處理后的圖像與原始圖像的均方誤差最小，也就可以使得濾波效果好，有利于保持圖像的邊緣和其他高頻部分。其中，局部均值和方差如式（2-1）和（2-2）所示：μ=1MN（xσ2=1MN其中，s為圖像中每個像素的M?Nbx，y=μ其中，σ2是噪聲方差，如果沒有給出，則自動將本文分別采用上述三種濾波算法對含有高斯噪聲和椒鹽噪聲的火焰圖像進(jìn)行了實驗，具體效果見圖2-2、圖2-3所示：圖2-2含有高斯噪聲的火焰圖像濾波效果圖2-3含有椒鹽噪聲的火焰圖像濾波效果2.3圖像邊緣檢測邊緣是圖像中重要的基礎(chǔ)特征之一，主要是指圖像的灰度值發(fā)生迅速改變的邊緣區(qū)域，通常存在于目標(biāo)、背景和區(qū)域之間。邊緣檢測的實質(zhì)是根據(jù)圖像中突然變換的圖像信息，采用一定的算法提取圖像中目標(biāo)與背景的邊界。傳統(tǒng)的邊緣檢測方法是利用微分算子實施邊緣檢測，主要有Roberts算子，Canny算子和Prewitt算子等。本文采用前兩種算子對火焰圖像進(jìn)行對比實驗分析。2.3.1Roberts算子檢測Roberts交叉算子是最早的邊緣檢測算子之一，它實現(xiàn)了基本的一階邊緣檢測，同時將兩個模板用于計算兩個像素在對角線方向上的差值。Roberts算子利用局部差分法來尋找邊緣，這使得邊緣定位的準(zhǔn)確度比較高，但實際上，也容易丟失一部分邊緣，同時，由于圖像沒有經(jīng)過平滑濾波處理，因此會被外界噪聲所干擾。該算子對同時具有突變像素值邊緣和含噪聲少的圖像效果比較好。其中，Roberts邊緣檢測輸出圖像為g+fx+1，y+1它可由以下2*2模板共同實現(xiàn)：1002.3.2Canny算子檢測Canny算子在實際應(yīng)用中，首先使用高斯平滑濾波器與原始圖像數(shù)據(jù)作卷積，對圖像進(jìn)行去噪處理，然后應(yīng)用Sobel算子進(jìn)行邊緣檢測處理，對聯(lián)合的Sobel檢測圖像進(jìn)行一個非極大值抑制的過程，并設(shè)定高低閾值去除掉假的邊緣，然后連接真的邊緣，以此找到一個最佳的邊緣來完成邊緣檢測。使用一維高斯函數(shù)，分別按照行和列對要進(jìn)行邊緣檢測的圖像進(jìn)行平滑濾波去噪，其高斯濾波函數(shù)式（2-5）所式：gx，y，則平滑后的圖像式（2-6）所式：f1x，其中對進(jìn)行高斯濾波平滑去噪后的圖像進(jìn)行Sobel邊緣檢測。對聯(lián)合的Sobel檢測圖像進(jìn)行非極大抑制，其實質(zhì)是在邊緣強(qiáng)度數(shù)據(jù)中尋找最大點，利用邊緣方向信息對所有點進(jìn)行處理和驗證。假設(shè)感興趣點M(x,y)梯度為Px，y，若梯度Px，yM1=MyMxMxM2=MyMxMx對連接邊緣點并進(jìn)行滯后閾值處理，當(dāng)邊緣點的亮度值大于上限閾值時，將其設(shè)置為白色，當(dāng)達(dá)到下限閾值時，將其設(shè)置為黑色。下面是分別用不同的邊緣檢測算子對圖2-4（a）中的原始圖像進(jìn)行邊緣提取的效果圖。其中，圖2-4（b）是對原始圖像進(jìn)行灰度二值化后的結(jié)果。由圖2-4（c）可知，Roberts算子實際為一種局部差分算子，其定位不夠精確、圖像處理后的邊緣不夠平滑，且對包含噪聲的情況表現(xiàn)較差，比較容易受到外界噪聲的影響。從圖2-4（d），2-4（e），2-4（f），2-4（g）可知，Canny算子從功能上講要略有優(yōu)勢，它能夠更多地標(biāo)識出圖像中的實際邊緣，而且所標(biāo)識出的邊緣與實際的圖像邊緣非常吻合。但是相對而言運行時間較長，圖像要經(jīng)過高斯濾波，然后使用Sobel算子對圖像進(jìn)行邊緣檢測處理，聯(lián)合的Sobel檢測圖像還要經(jīng)過幅值非極大值抑制，依據(jù)雙閾值與連通性來提取目標(biāo)邊緣信息等步驟。具體效果見圖2-4所示：圖2-4不同算子的邊緣檢測效果圖2.4圖像分割技術(shù) 為了更好地突出火焰的特征，必須對原始圖像進(jìn)行二值化處理，使整個圖像只能顯示0和255像素的值，即進(jìn)行圖像分割技術(shù)。二值化處理方法主要分為兩種類型，一種是全局二進(jìn)制，另一種是局部二進(jìn)制。全局二值化采用單閾值對整個圖像進(jìn)行二值化。該算法速度快，在目標(biāo)與背景差異較大的情況下具有良好的性能，使用較為廣泛的方法有最大類間方法(Otsu)，迭代閾值法等。局部二值化是將圖像分割成多個區(qū)域，對每個區(qū)域或鄰域以不同的閾值進(jìn)行二值化。該方法適用于前景和背景差異不明顯的情況。本文采用Otsu算法進(jìn)行實驗，Otsu算法相較于其他全局閾值分割來講運行速度較快，效果良好，是目前應(yīng)用最為廣泛的二值化分割方法。該算法以灰度直方圖為基礎(chǔ)，采用最小二乘法的原理推導(dǎo)出來的灰度閥值分割法。其基本原理是選取到一個最佳閾值，然后按照閥值將圖像的灰度直方圖分為兩部分，這使得兩個部分之間的方差取到最大值，即可達(dá)到最大程度的分離。設(shè)X是一幅具有L級灰度級的圖像,其中第i級像素為ni個,其中i的在0～L-1之間,圖像的總像素點個數(shù)為：第i級出現(xiàn)的概率為：pi=在Otsu算法中，以閾值k將所有的像素分為目標(biāo)C0圖像的總平均灰度級為：μ=i=0L?1C0類像素所占面積的比例為：wC1類像素所占面積的比例為：w1C0類像素的平均灰度：C1類像素的平均灰度：其中，μ0k=i=0k?1ipi由上述式子，可得μ=w0μ則類間方差公式為：σ2k=令k從0～L?1變化取值，計算在不同k值下的類間方差圖2-5以火焰圖像為例，對圖像進(jìn)行Otsu算法分割。圖2-5閥值分割效果圖2.5本章小結(jié)第二章主要講述了火焰燃燒圖像預(yù)處理算法與流程，目的是提取圖像的感興趣部分?？紤]到從工業(yè)相機(jī)采集到的原始圖像中通常會受到溫度，環(huán)境影響，會導(dǎo)致圖像中包含噪聲等其他干擾信息，所以需要對原始圖像進(jìn)行預(yù)處理。本文首先對圖像進(jìn)行灰度化處理以增強(qiáng)火焰邊緣信息，然后進(jìn)行雙邊濾波處理，去除由電子產(chǎn)品和環(huán)境導(dǎo)致的高斯噪聲和椒鹽噪聲，同時也能很好地保留了邊緣信息。其次，再采用Canny算子和Roberts算子對圖像進(jìn)行邊緣檢測對比，提取出感興趣區(qū)域，最后再利用最大類間方差閥值分割出背景與前景目標(biāo)，將目標(biāo)火焰從原始圖像中提取出來。本章以仿真實驗的方式展示了火焰燃燒圖像預(yù)處理算法的效果。3運動目標(biāo)檢測與跟蹤方法3.1顏色空間模型 火焰具有獨特的視覺特性，火焰的顏色、形狀和動態(tài)變化區(qū)域是火焰識別的重要組成部分。工業(yè)CCD攝像機(jī)采集的場景圖像通常是彩色圖像，正是由于彩色空間模型的顏色信息非常豐富，顏色也是最直觀、最簡單、最有效的特征，所以顏色空間模型也成為了數(shù)字圖像處理技術(shù)的重要基礎(chǔ)和條件。目前，大多數(shù)的顏色空間模型主要被分為兩種，一種為面向硬件，另一種為面向應(yīng)用程序。在數(shù)字圖像處理技術(shù)中，RGB模型經(jīng)常被使用在面向硬件類型的模型，該模型常常使用在彩色顯示器或彩色照相機(jī)中。而CMY模型和CMYK模型則是適用于彩色打印機(jī)。還有HSI模型也經(jīng)常被人們使用，因為它不僅最符合人類描述和解釋顏色的方式，而且還能將圖像分為顏色信息和灰度信息，這將有助于許多圖像灰度處理技術(shù)的應(yīng)用。由于顏色科學(xué)的廣泛應(yīng)用，根據(jù)不同的情況選擇不同的顏色模型有助于準(zhǔn)確描述圖像序列。本文主要討論RGB和HIS兩種典型的顏色空間模型。3.1.1RGB顏色空間模型RGB顏色空間模型是美國國家電視系統(tǒng)委員會(NTSC)為了將彩色圖像顯示在CRT上而提出的彩色系統(tǒng)，而且由這三種基色按照不同的比例相加混合而成，即可得到自然界中的任意一種色光，每種分量值越高，圖像的顏色越明亮。所以RGB模型也是目前計算機(jī)技術(shù)中最常用的一種彩色信息表達(dá)方式。該模型也被稱為加色混色模型，其混色效果如圖3-1所示。圖3-1RGB混色效果RGB顏色空間模型可以被認(rèn)為是在三維直角坐標(biāo)系中的一個單位正方體，如圖3-2所示。任何顏色都可以在三維空間中的找到相對應(yīng)的點來表示。通常情況下，假設(shè)所有顏色值都是標(biāo)準(zhǔn)化的，即所有R、G、B都在[0,1]范圍內(nèi)。圖中，R、G、B三種顏色分別位于正方體的三個角上，坐標(biāo)分別為(1,0,0)、(0,1,0)、(0,0,1)。而品紅、青、黃則分別位于另外三個角上，坐標(biāo)分別為(1,0,1)、(0,1,1)、(1,1,0)。黑色位于原點（0,0,0）處，白色位于離原點最遠(yuǎn)的點（1,1,1)處。在該模型中，不同的顏色均位于正方體內(nèi)部或者其表面上。圖3-2RGB顏色模型因為火焰的顏色范圍在不同的燃燒階段也會產(chǎn)生不同的顏色變化，因此可以結(jié)合火焰的顏色特征，對圖像中的火焰顏色區(qū)域進(jìn)行分割。由于RGB直方圖可以直接顯示出圖像的灰度分布，因此本文直接通過直方圖來描述火焰的灰度特征，如圖3-3所示:圖3-3R，G，B分量直方圖從圖3-3中可以得到RGB顏色空間的三個分量R、G、B的的分量直方圖，可以通過RGB顏色分量直方圖即可分割出火焰圖像中的紅色R分量和藍(lán)色B分量。3.1.2HIS顏色空間模型HIS顏色空間模型是通過H、S、I這三個參數(shù)來描述顏色特性的。其中H稱為色調(diào)，用來表示為顏色的波長；S稱為飽和度，用來表示為顏色的深淺程度；Ⅰ規(guī)定為R、G、B三個灰度級的平均值，表示為強(qiáng)度或亮度。HSI模型被廣泛應(yīng)用于數(shù)字圖像處理中，其主要原因有兩個，第一個原因是由于亮度I與圖像的顏色信息無關(guān)，第二個原因是由于色調(diào)H和飽和度S分量和人類視覺對顏色的感知方式有著密切的關(guān)系。這兩個主要原因使得HSI模型非常適用于利用人類視覺系統(tǒng)來感知顏色特征的圖像處理算法中。如圖3-4所示，為HIS模型彩色色環(huán)。色調(diào)H和飽和度S包含了兩個彩色信息參數(shù)。彩色的色調(diào)H可以表示出該顏色最接近的光譜波長。通常情況下，色調(diào)H通過角度來表示，設(shè)定紅色為0°，綠色為120°，藍(lán)色為240°。色度從0°～360°表示即可包含所有可見光譜的彩色。飽和度S是在彩色色環(huán)中，連接原點到該彩色點，取線段的長度來表示。飽和度也可以表示為顏色的深淺程度，飽和度變大，則得到的顏色也就越深。在圓環(huán)的最外層圓周上，被稱作為飽和的顏色，其飽和度值為1。在圓環(huán)最中心原點處，被稱作是中性圖3-4HIS模型彩色色環(huán)在目標(biāo)跟蹤中，經(jīng)常需要對顏色空間進(jìn)行變換，因為圖像中的某些屬性在特定的顏色空間中更容易區(qū)分。在基于彩色物體的目標(biāo)檢測與追蹤算法中，由于RGB彩色模型不能很好地適應(yīng)實際上人類解釋的顏色，HIS色彩空間更有優(yōu)勢，為了視覺效果上更直觀的觀察和分析圖像信息，通常會將RGB模型轉(zhuǎn)換為HIS模型。從RGB到HSI的轉(zhuǎn)換是一個非線性變換，對任何三個在[0，1]范圍內(nèi)的R、G、B值，其對應(yīng)HSI模型中的H、I、S分量可由下面給出的公式計算：I=13S=1?3(R+H=θ,&θ=arccos1當(dāng)S=0時對應(yīng)的是無色的中心點，這時H就沒有意義了，當(dāng)I=0時，S也沒有意義。從RGB到HSI的轉(zhuǎn)換如圖3?5所示：圖3-5RGB到HSI的轉(zhuǎn)換3.2形態(tài)學(xué)處理形態(tài)學(xué)又稱數(shù)學(xué)形態(tài)學(xué)，是圖像處理中應(yīng)用最廣泛的技術(shù)之一，它的主要應(yīng)用是從圖像中提取有意義的成分來表示和描述區(qū)域的形狀和方向，以便后續(xù)進(jìn)一步的識別工作可以掌握到目標(biāo)物體的最基本特征。形態(tài)學(xué)處理廣泛應(yīng)用于運動目標(biāo)的檢測和跟蹤，主要使用到的基本方法有膨脹法、腐蝕法、開運算法和閉運算法這四種。3.2.1膨脹與腐蝕在運動目標(biāo)檢測與跟蹤算法中，膨脹和腐蝕操作是最基本的形態(tài)學(xué)過程，該算法可以使被檢測物體的前景更加完整，消除底部圖像部分的干擾信息。膨脹處理的主要作用是使得物體擴(kuò)大邊界范圍。對圖像進(jìn)行二值化處理后，通常會使得一個連通的物體斷裂為兩個部分，通過膨脹處理則可以將圖像中斷裂的物體連接起來。將膨脹運算應(yīng)用在圖像序列分離的前景對象，可以有效地消除前景目標(biāo)區(qū)域的間隙和間隙，從而獲得更完整的前景目標(biāo)。相反地，腐蝕處理的主要作用是熔化物體的邊界。如果物體的像素比結(jié)構(gòu)元素大，腐蝕會使得物體變?。蝗绻矬w的像素比結(jié)構(gòu)元素小，則腐蝕后的物體就會消失；如果物體區(qū)域僅有一部分像素小于結(jié)構(gòu)元素，則物體將在細(xì)小的連接處斷開，并在腐蝕后分成為兩個部分。通過使用腐蝕操作，可以消除圖像序列中部分噪聲對前景目標(biāo)的干擾。在實際應(yīng)用中，膨脹往往與腐蝕結(jié)合在一起。在形態(tài)學(xué)處理中，通常假設(shè)需要處理圖像的像素集為A，結(jié)構(gòu)元素為B。膨脹操作：B對A進(jìn)行膨脹操作如式（3-5）所示:A⊕B=x|Bx在式（3-5）中，首先對B做關(guān)于原點的映射得到B，然后對B進(jìn)行位移為x的操作。腐蝕操作：B對A進(jìn)行腐蝕操作如式（3-6）所示:AΘB=xBx從式（3-6）中可以得到，當(dāng)A被B腐蝕操作時，得到的集合是就是B完全包含在集合A中時B當(dāng)前所在位置的集合。如圖3-6所示為對火焰圖像進(jìn)行膨脹、腐蝕操作后的結(jié)果。從圖像中可以看出，膨脹處理可以提高圖像中每個像素的像素值，使圖像整體明亮。腐蝕處理可以使圖像的像素值整體變小，結(jié)果是圖像整體變暗。在運動目標(biāo)檢測算法中，通常需要將膨脹和腐蝕兩種運算結(jié)合使用，使目標(biāo)的大小形狀不會發(fā)生較大的變化，以此來提高檢測的精確性。圖3-6膨脹、腐蝕操作后的結(jié)果3.2.1開運算和閉運算開運算和閉運算均為腐蝕和膨脹結(jié)合而得到的，開運算是先腐蝕后膨脹，而閉運算是先膨脹后腐蝕。在運動目標(biāo)檢測與跟蹤算法中，開運算操作對圖像邊緣輪廓進(jìn)行平滑處理，并斷開細(xì)小的連接處，即能夠檢測到輪廓光滑的前景目標(biāo)，有效地抑制細(xì)小的裂縫。在檢測前景目標(biāo)的后續(xù)處理中，閉運算同樣使輪廓變得光滑，但與開運算相反的是，它通常使用在消除前景目標(biāo)中的出現(xiàn)狹窄孔洞中。開運算：首先B對A進(jìn)行腐蝕操作得到AΘB，然后再由B對AΘB進(jìn)行膨脹操作。用A°B表示開運算，其表達(dá)式如式A°B=AΘB⊕B（3-閉運算：首先B對A進(jìn)行膨脹操作得到A⊕B，然后再由B對AB=A⊕BΘB（3-如圖3-7所示，對原始的圖像進(jìn)行開運算和閉運算后的仿真實驗結(jié)果。圖3-7開運算、閉運算后的結(jié)果3.3運動前景目標(biāo)檢測算法在基于計算機(jī)視覺的燃燒狀態(tài)檢測方法研究中，后續(xù)圖像的分析效果可能會受到運動前景目標(biāo)的檢測效果影響。因此，對視頻圖像中的運動目標(biāo)區(qū)域進(jìn)行檢測和提取顯得尤為重要。通常使用到的運動目標(biāo)檢測算法為幀間差分法、背景差分法和光流法。在實際應(yīng)用中，光流法非常容易受到噪聲，光線等外界因素影響。因為當(dāng)外部光線發(fā)生變化時，即使物體沒有運動情況，也會檢測到光流的變換，除此之外，在缺乏足夠的空間圖像灰度變化的區(qū)域，也會經(jīng)常檢測不到物體的實際運動。本文提出的基于計算機(jī)視覺的燃燒狀態(tài)檢測方法，需要捕獲到燃燒的視頻圖像信息，因為工業(yè)環(huán)境的影響，導(dǎo)致無法避免相應(yīng)的干擾噪聲和光源。因此不適合采用光流法提取運動區(qū)域。雖然背景差分法對外界天氣和光照條件也比較敏感，但是它能夠提取到比較完整的運動目標(biāo)信息。幀間差分法是找出視頻序列中相鄰兩個或兩個以上的圖像信息，對它們進(jìn)行像素之間的差異比較，再通過閥值處理，將其轉(zhuǎn)化為二值化圖像。該方法利用視頻圖像相鄰或相近的幀數(shù)之間具有相關(guān)性的原理，在背景沒有變化的的情況下，能夠?qū)\動目標(biāo)進(jìn)行有效地處理。經(jīng)過典型的運動目標(biāo)檢測算法比較，本文將重點研究背景差分法和幀間差分法這兩種算法。3.3.1背景差分法背景差分法也稱為背景減除法，其基本原理是建立一個理想的背景模型，然后從背景模型的像素中減去視頻序列的像素，如果圖像序列中同一位置的像素與背景模型中的像素相同，則將該像素識別為背景像素。否則它就是一個移動的物體，即被認(rèn)定為運動目標(biāo)。背景差分算法的流程圖如圖3-8所示，在使用背景差分法進(jìn)行運動目標(biāo)檢測時的主要步驟為：首先建立背景模型Bmx，y的圖像，該圖像是根據(jù)視頻圖像序列的第m?1幀的圖像信息所得到的，然后將第m幀圖像Fmx，y減去背景模型Bmx，y的圖像，將得出結(jié)果的每一幀像素值與閥值T進(jìn)行比較，得到閥值后的圖像DmDmx，y=圖3-8背景差分算法流程背景差分算法之所以被廣泛使用，其最大的優(yōu)勢在于，背景差分法能夠?qū)崟r地對復(fù)雜的視頻監(jiān)控圖像進(jìn)行處理分析。在實際的運動目標(biāo)檢測中，圖像中會摻雜一些別的周期性運動物體或干擾噪聲等，這些都會嚴(yán)重影響到運動目標(biāo)物體檢測的結(jié)果。因此要想提高檢測算法對經(jīng)常變換的環(huán)境的實用性，就必須對圖像背景模型的獲取和更新提出更高的要求，即在背景建模和每次計算差分圖像中及時地對背景進(jìn)行更新。背景模型建立的數(shù)學(xué)表達(dá)式如式（3-9）所示：Bmx，y=在上式中，?為背景更新系數(shù)，用來調(diào)整背景更新的程度；根據(jù)運動目標(biāo)所處環(huán)境的不同，設(shè)定合理的閾值T。如果當(dāng)前背景模型Bm?1x，y與輸入的視頻Fm采用背景差分算法提取火焰前景目標(biāo)仿真實驗如圖3-9所示：圖3-9背景差分法檢測運動目標(biāo)3.3.2幀間差分法幀間差分法是找到視頻圖像序列中的相鄰兩個或三個連續(xù)幀的圖像信息，進(jìn)行像素的差分運算，從圖像中提取運動目標(biāo)區(qū)域的方法。當(dāng)視頻檢測中出現(xiàn)運動區(qū)域時，視頻圖像的幀與幀之間就會出現(xiàn)比較明顯的差別，然后與預(yù)先設(shè)置的閾值比較，就能分析出是否有運動目標(biāo)出現(xiàn)。在理想環(huán)境下，當(dāng)場景中除運動目標(biāo)外的所有物體都靜止時，圖像的變化部分只由運動物體引起，此時圖像中運動物體可以被準(zhǔn)確地檢測出來。然而在實際應(yīng)用場景中，運動目物體的周圍環(huán)境往往是比較復(fù)雜的，場景中存在著各種各樣的干擾。為了獲得更完整、更精確的前景目標(biāo)，需要對圖像序列進(jìn)行預(yù)處理和形態(tài)學(xué)處理。同時，為了能夠較精確地分割運動目標(biāo)區(qū)域，還必須取決于幀間間隔大小的選取。當(dāng)檢測物體在進(jìn)行快速運動時，需要的幀間間隔比較??；當(dāng)檢測物體在進(jìn)行緩慢運動時，則需要選擇的幀間間隔比較大。其基本流程如圖3-10所示。在運動目標(biāo)檢測中，根據(jù)式（3-10）對圖像序列的第m?1幀圖像Fm?1x，y和第m幀圖像Fmx，y進(jìn)行相減運算，得到Dmx，y，將差分圖像Dmx，y與先前設(shè)置的閾值T進(jìn)行像素值比較，得到了閾值化后的Dmx，y=Bmx，y=圖3-10幀間差分法流程圖 3.4鍋爐燃燒狀態(tài)的目標(biāo)檢測經(jīng)過仿真實驗對比，本文采用幀間差分法對視頻圖像中的運動目標(biāo)進(jìn)行分割提取，目的是為了檢測到視頻圖像中的火焰信息，并判斷出該區(qū)域是否存在火焰。該方法比較簡單可行，能有效地抑制復(fù)雜背景變化的影響，提高識別精度，但在運動目標(biāo)上容易產(chǎn)生空洞，對其他周期性運動目標(biāo)非常敏感。但如果同時在RGB顏色空間模型中進(jìn)行顏色分割，能夠比較好地得到鍋爐燃燒火焰顏色的區(qū)域，也能夠在一定程度上解決了幀間差分算法帶來的空洞的問題。所以在此基礎(chǔ)上，本文將幀間差分法得到的運動目標(biāo)圖像與RGB顏色空間中的分割的火焰圖像進(jìn)行邏輯與運算，減少了干擾區(qū)域，同時還有效地得到更加精確地火焰區(qū)域目標(biāo)。該方法實現(xiàn)的流程框圖如圖3-11所示：圖3-11提取具有燃燒火焰顏色運動區(qū)域流程圖仿真實驗結(jié)果如圖3-12所示：圖3-12提取具有燃燒火焰顏色運動區(qū)域仿真結(jié)果3.5本章小結(jié)第三章主要講述了視頻圖像中火焰運動目標(biāo)檢測與跟蹤算法，分別設(shè)計了不同的檢測方法。首先分析火焰顏色在RGB和HIS空間模型的相關(guān)特性，可利用RGB顏色空間模型分割出符合火焰顏色的特征。在進(jìn)行運動前景目標(biāo)算法的比較中，得出幀間差分算法比較適合本文的使用。所以提出了將RGB顏色空間分割算法在與幀間差分算法相結(jié)合，得到疑似具有燃燒火焰顏色運動區(qū)域。RGB顏色分割算法能彌補(bǔ)幀間差分算法產(chǎn)生的空洞現(xiàn)象，同時，幀間差分算法也能彌補(bǔ)RGB顏色分割算法的局限性。該方法相對于單使用顏色分割或者運動目標(biāo)分割來說，大大提高了檢測與跟蹤的精準(zhǔn)度，得到的分割圖像比較精確，并且能夠有效地排除掉具有相似火焰顏色的干擾靜止物體。最后，本文從仿真實驗中證實算法的可行性。 4基于計算機(jī)視覺的鍋爐燃燒狀態(tài)檢測方法4.1引言 鍋爐燃燒火焰圖像特征參數(shù)是反映鍋爐燃燒狀態(tài)的主要因素，所以火焰燃燒圖像特征參數(shù)的確定對燃燒狀態(tài)的檢測具有重要意義。為了利用火焰燃燒圖像識別鍋爐的燃燒狀態(tài)，需要對火焰圖像的特征參數(shù)進(jìn)行提取和分析，然后將火焰圖像的特征參數(shù)與鍋爐燃燒狀態(tài)相聯(lián)系起來進(jìn)行綜合性分析。4.2鍋爐燃燒狀態(tài)的特征提取與判定對于鍋爐燃燒狀態(tài)的判定，一般會分為三種類型：一類為穩(wěn)定燃燒，這種類型是鍋爐燃燒時，希望達(dá)到的最佳燃燒狀態(tài)，這就要求爐膛內(nèi)的燃料充分燃燒，形成穩(wěn)定均勻的火焰；一類為不穩(wěn)定燃燒，不穩(wěn)定燃燒狀態(tài)介于穩(wěn)定燃燒狀態(tài)和滅火狀態(tài)之中，需要采取措施在有效時間恢復(fù)為穩(wěn)定狀態(tài)，否則可能導(dǎo)致滅火狀態(tài)；一類為滅火，滅火會導(dǎo)致鍋爐燃燒效率降低，所以需要及時發(fā)現(xiàn)和消除。在鍋爐火焰的燃燒過程中，火焰還有許多區(qū)別于其他物體的燃燒特性，所以在具有火焰顏色運動目標(biāo)的基礎(chǔ)上，還需要對除顏色外的其它火焰特征進(jìn)行提取和分析。包括火焰溫度、火焰面積和火焰閃爍頻率。因此在火焰燃燒狀態(tài)檢測過程中，需要提取鍋爐火焰的特征進(jìn)行綜合分析。4.2.1火焰溫度特性（1）熱輻射概念當(dāng)物體受到溫度影響時，物體內(nèi)的帶電粒子會從中獲得到一定的能量，在從低能轉(zhuǎn)移到高能，再從高能轉(zhuǎn)移低能的這個過程中，物體會發(fā)射出不同頻率的輻射能，這類輻射能統(tǒng)稱為熱輻射。熱輻射也算是電磁波的一種類型，它主要是由紅外線、可見光和紫外線組成的，波長范圍是1~104μm，其中紅外線的波長范圍是0.76~根據(jù)輻射定律，發(fā)射連續(xù)光譜的物體的溫度、輻射出射度和輻射波長之間關(guān)系由普朗克輻射公式表達(dá)：ETλ=式中ETλ——波長（m）T——黑體溫度（k）c1——普朗克第一輻射常數(shù)，3.7413*10-16（W?c2——普朗克第二輻射常數(shù)，1.4388*10-2（W?如圖4-1所示，為全輻射體的光輻射特性曲線?？梢詮膱D中看出幾個光譜輻射的特點：第一，光譜輻射出射度與曲線下的面積存在一個K倍的正比例關(guān)系；第二，隨著溫度的升高，全輻射體總的輻射出射度增加，任意波長的單色輻射強(qiáng)度也增加，波長也會向著短波的方向逐漸減小；第三，當(dāng)溫度一定時，單色輻射出射度和波長之間具有一定的規(guī)律性，波長越大，出射度也會越大，與之相反，波長越短，出射度也越小。圖4-1黑體光譜輻射特性曲線因此，物體受到溫度影響的時候，所產(chǎn)生的顏色變化就可以用光譜輻射曲線峰值波長的移動來解釋。當(dāng)物體處于低溫狀態(tài)時，相對應(yīng)的輻射能量比較小，輻射波長也就主要集中在波長較長的紅外線；隨著溫度的升高，其輻射能量快速增加，輻射波長逐步從長波方向的紅外光向短波方向的可見光和紫外光區(qū)移動。在鍋爐火焰燃燒的溫度范圍內(nèi)，可見光譜范圍內(nèi)的輻射光譜組成很大，因此，根據(jù)普朗克定律，可以通過測量可見光譜中某些波長的輻射射度來計算物體的溫度。但普朗克定律運算比較復(fù)雜的，因此對于溫度低于3000K的物體，普朗克定律可以用維恩公式代替。維恩公式如式（4-2）所示:ETλ=c1（2）雙色測溫法熱輻射測溫法的原理是基于固體所發(fā)出的輻射量來測量的?；鹧姘l(fā)出的固體輻射波是火焰中煙霧顆粒發(fā)出的可見光，因此，可以將煙霧顆粒的溫度等同于周圍燃燒溫度場。因此，如果可以同時測量火焰的不同波長在同一點上發(fā)出的單色輻射，則可以根據(jù)其比值計算該點的絕對溫度。但是如何獲得同一點上不同波長的單色輻射射度，就必須充分利用CCD的特性才能解決這個問題。彩色CCD在可見光譜范圍內(nèi)有較好的響應(yīng)特性，可以將入射光線分解RGB的紅、綠、藍(lán)圖像，其波長分別為700nm、546.1nm、435.8nm。為了得到紅、綠、藍(lán)波長下的光亮度LTλ，需要通過圖像采集卡將其轉(zhuǎn)換為數(shù)字圖像，再利用圖像處理技術(shù)獲取數(shù)字圖像中信息。光亮度LTλ與火焰的輻射出射度ETλ成正比（即LLTλ=K式中LTλ——波長為ETλ——波長為K——圖像傳輸通道的衰減系數(shù)Sλ——CCD圖像傳感器在對波長為λ因此，全輻射體在某一波長的光譜輻射亮度與物體的溫度之間的關(guān)系為：LTλ=K一般情況下，物體在某一波長之下的光譜輻射亮度與物體的溫度之間的關(guān)系為：LTλ=式中ελ——物體波長λ此時，取兩不同波長下的光強(qiáng)值之比，則LT1λL將上式進(jìn)行變換可得到溫度的表達(dá)式:T=c2（對于鍋爐火焰燃燒溫度范圍內(nèi)的有煙氣顆粒發(fā)光火焰可近似看作是灰體1,6,44，而灰體的各個波長的光譜發(fā)射率都相同。那么ε對上式方程式進(jìn)行標(biāo)準(zhǔn)方程式描述，設(shè)：a=c21則有a1T=對于已知的測試系統(tǒng)而言，上式4-10中的a，b都是確定的數(shù)值，則未知量1T和lnLT1仿真實驗結(jié)果如圖4-2所示，實驗火焰為普通打火機(jī)火焰。通過查詢相關(guān)資料，雙色測溫法的實驗結(jié)果基本符合既定事實。圖4-2雙色測溫法仿真實驗結(jié)果4.2.2火焰面積特性火焰燃燒圖像不僅具有顏色特征，而且具有面積區(qū)域特征。在圖像處理中，火焰面積區(qū)域特征的提取方法是：對火焰燃燒圖像進(jìn)行二值化處理，然后對圖片進(jìn)行閥值分割，從火焰圖像中提取像素值高于分割閾值的區(qū)域，這樣能有效地消除火焰抖動或外界產(chǎn)生的噪聲，將統(tǒng)計出的像素點作為火焰面積區(qū)域特征值。因為在連續(xù)多幀圖像中，火焰燃燒面積區(qū)域的像素點會發(fā)生毫無規(guī)律性的快速變換，火焰波動的可能性與火焰完全燃燒的可能性之間有著直接的聯(lián)系，可以通過計算相鄰多幀火焰面積的方差大小來判斷火焰的強(qiáng)弱，當(dāng)面積的方差越大，火焰波動的可能性越大，火焰完全燃燒的可能性也就越大。仿真實驗結(jié)果1、2如圖4-3、圖4-4所示：圖4-3連續(xù)幀火焰面積區(qū)域仿真實驗結(jié)果1圖4-4連續(xù)幀火焰面積區(qū)域仿真實驗結(jié)果24.2.3火焰頻率特性當(dāng)燃料燃燒時，火焰通常會產(chǎn)生不規(guī)則地跳動閃爍，火焰表面呈現(xiàn)出不規(guī)則且雜亂無序，但是實際情況中，每種燃料都有自己的閃爍頻率，這是燃燒火焰的一個顯著特征。因此，火焰燃燒的頻率特性也可以作為火焰燃燒狀態(tài)特征提取的重要判斷之一。根據(jù)實驗結(jié)果得出，兩幀連續(xù)的火焰圖像的邊緣會因為火焰的燃燒而不斷變化，即當(dāng)目標(biāo)區(qū)域滿足頻率特性時，邊緣像素的變換頻率等于火焰的閃爍頻率。這種火焰所具有的特定閃爍頻率﹐一般在5~f=t=1nfA式中t——i從1到n的時間f——火焰的閃爍頻率4.3鍋爐燃燒狀態(tài)特征檢測的綜合分析 由于鍋爐燃燒狀態(tài)特征參數(shù)較多，單一特征參數(shù)的判定并不能直接對火焰燃燒狀態(tài)進(jìn)行準(zhǔn)確判斷，所以必須將這些特征參數(shù)聯(lián)合起來，進(jìn)行綜合性判斷，才能形成燃燒狀態(tài)所具有的獨特特征。因此，本文采取將燃燒狀態(tài)的這一類特征結(jié)合權(quán)重進(jìn)行燃燒狀態(tài)的判定。權(quán)重的公式如式（4-12）所示：M=a1w1根據(jù)每個特征識別燃燒狀態(tài)的能力，來決定的wi取值。在火焰燃燒的基本特征中，火焰的溫度特性和面積特性屬于最基本的特征，并且它在識別燃燒狀態(tài)時具有很強(qiáng)的能力，而火焰的特征頻率在火焰識別中相對較弱，可以將它作為輔助特征去判定。通過查閱大量的相關(guān)文獻(xiàn)得出各權(quán)重的取值：溫度特性的權(quán)重w1取值范圍設(shè)定在0.3-0.45之間，面積特性的權(quán)重w2的值取范圍在0.2-0.4之間，燃燒鋒面特征的權(quán)重w3取值在0.1-0.2之間。i=31wi=1ai是根據(jù)燃燒狀態(tài)各特征的判定結(jié)果來取值，即當(dāng)滿足溫度特征時，a1燃燒狀態(tài)的最終判定