一、选题背景和意义:
燃烧室火焰分析是控制燃烧工况的重要手段,受到火力发电厂的关注。本课题来自于垃圾发电厂的实际需要,是自动燃烧控制的重要环节。
使用光学相机拍摄的燃烧室图像反映了燃烧室内的燃烧工况,因温度分布的不同,图像中的不同区域表现出不同的亮度和颜色,分析图像中的亮度和颜色的边界可以提取出不同燃烧温度层边界(火线)。毕业设计任务针对垃圾发电厂的具体应用,相机拍摄的垃圾发电燃烧室的火焰图像由于受到光照及烟雾的变化干扰,整体图像的亮度及颜色不稳定,简单的亮度阈值不能稳定地分割出火线。现有的图像分割技术不能完全满足火线分割的精度和工业环境下的抗干扰能力,需要发展一个健壮有效的针对燃烧室火焰火线分割的方法。
二、课题关键问题及难点:
本课题重难点有两个。
- 对有效特征进行建模
对于目标图像,现有的常用特征并不能很好地表达火线。局部二值模式等局部特征不能区分开外焰与火线。也会将烟雾等干扰误认为是纹理。边缘检测算子会产生大量无效边,同样无法区分外焰与火线。而局部的灰度直方图可以区分外焰与火线,但是要精确的检测火线则比较困难。取得有效特征需要多种特征结合或者提出新的方法。
- 自适应调整模型参数
根据对目标图像的观察,在不同燃烧状态下,燃烧室图像中的火焰性态差别很大。如果在在检测火线时使用固定的参数会导致火线检测效果不理想。根据时间上靠前的图像的特征来动态调整参数可以提高火线检测效果。可用的小波分析和马尔可夫模型还需要针对这个问题进行建模。
三、文献综述(或调研报告):
以往对于图像或视频中火焰图像检测或火线检测的方法大致分为以下几类。
- 边缘检测算子
Razmi使用Prewitt算子与背景去除的方法来为防火系统检测火焰,使用Prewitt算子的边缘检测算法能大致描述的火焰的轮廓[1]。Jiang和Wang则使用了Canny算子并使其更适于检测有大片火焰区域的图像中的火线[2]。Tian使用了Sobel算子寻找火焰轮廓,通过最小均方差算法调整阈值使Sobel算子具有自适应能力,并遍历所有边缘去除无效边[3]。
以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。