图像处理技术在炉膛火焰温度场分布中的应用

根据双色测温法原理,利用高温工业电视所摄取的彩色火焰图像中的彩色分量,运用数字图像处理技术,重建燃烧火焰的温度场分布,并对测量火焰温度的两大误差来源进行了分析和校正处理.     

基于图像处理的炉膛火焰温度场测定

应用数字图像处理技术进行炉膛火焰检测是火检技术的发展趋势。文中介绍了数字式图像火焰检测系统的基本构成、工作原理和燃烧器火焰熄火、着火的判据。重点介绍了通过比色法测温原理重建炉内火焰温度场分布,并对已有的方法进行了优化。此方法不仅具有普通双色法标定简单的特点,而且因为不同波长的辐射图像是在同一幅彩色图像上得到的,省去了同时获取同一燃烧对象在不同波长下的辐射图像的困难,因而十分便于应用。采用图像中红色分量或者绿色分量就可以计算火焰图像中任一点的温度,从而构建图像二维温度场分布。程序运算结果表明,该方法能够快速测定温度场分布,并且误差较小。     

图像处理技术在炉膛火焰温度场分布中的应用

根据双色测温法原理，利用高温工业电视所摄取的彩色火焰图像中的彩色分量，运用数字图像处理技术，重建燃烧火焰的温度场分布，并对测量火焰温度的两大误差来源进行了分析和校正处理。     

应用GMM的快速火焰检测

基于视频图像的火焰检测是火灾预防研究的重要内容。为提高检测效率,首先使用具有自适应背景变化的 高斯混合模型(GMM)来检测场景中的运动物体。然后针对运动物体,提取颜色特征和面积变化特征。最后,根据得 到的特征来识别场景中是否有火焰发生。该方法不仅可有效检测到视频中的火焰帧,还避免了非火焰场景中对计算时 间的浪费。     

基于自由火焰图像的三维温度场重建方法研究

自由火焰图像误差对逆向Monte Carlo三维温度场重建方法算法性能有较大的影响. 为减小误差的影响,将空间滤波器和时间滤波器结合的方法对重建算法所采用的自由火焰图像进行了预处理.实验研究表明,对自由火焰图像进行预处理之后,对逆向Monte Carlo方法重建温度场的低温区域产生较大影响.再通过与热电偶温度计实测数据比较分析,逆向Monte Carlo重建方法经该预处理方法改进后,在火焰中心区域重建温度的误差可减小近50K.     

锅炉在线式温度场测量系统

对某电厂锅炉燃烧器温度场测量发现，锅炉燃烧器区域每层四个角之间的温度场存在明显差异，即锅炉炉膛的四角燃烧呈现出显著的偏烧现象，影响锅炉安全运行。所设计的锅炉在线式温度场测量系统可以实时观测到燃烧器火焰温度场的变化情况，发现异常燃烧及发生偏烧的位置。项目中通过在锅炉水平烟道增加红外测温装置，实现在线监测温度。通过图像镜片组观测燃烧器火焰的稳燃区温度场。仪器的测量结果可以通过控制柜内配带的处理器直接处理后，通过操作员站进行温度场图像显示，并计算出温度场的最大、最小和平均温度，或根据需要将计算数据接到DCS系统。该系统已投入使用，锅炉运行效率和安全性显著提高。     

基于快速支持向量机的图像型火灾探测算法*

图像型火灾探测的核心问题是火焰和疑似火焰物体的分类和识别。以火灾视频和疑似火灾视频为分析对象,提取了火灾图像的面积重叠率、圆形度以及火焰尖角数目三个特征量,选择快速支持向量机进行分类器训练,最终利用训练好的分类器实现了火焰及干扰物体的分类识别问题。实验结果表明,该算法提高了火灾图像的分类精度和火灾识别的准确率,同时具有较高的检测效率。     

基于BP神经网络锅炉炉膛火焰可视化监测方法研究

为了可视化监测炉膛火焰燃烧状况,提出一种基于级联前向BP神经网络模型的锅炉炉膛火焰可视化监测方法。通过比较选取级联前向BP神经网络作为炉膛温度预测模型,利用图像处理技术得到炉膛火焰辐射能图像对应二维温度场,并采用正则化方法重建炉膛火焰三维温度场。仿真结果表明,根据二维温度场可得火焰等温线走向和分布,根据三维温度场易得火焰中心分布及全炉最高温度点信息,实现锅炉运行控制和异常温度报警,满足燃烧诊断要求并实现炉膛火焰可视化监测。     

基于改进斜分Otsu法的回转窑火焰图像分割

因受窑内高温、高粉尘等因素的影响,氧化铝回转窑火焰图像中往往存在噪声.针对现有火焰图像分割算法存在抗噪性差和计算时间长等问题,对斜分最大类间方差法(Otsu法)进行改进,提出一种基于改进斜分Otsu法的回转窑火焰图像分割算法.该算法采用简化的距离测度函数作为阈值选取标准,以减少计算量和便于多阈值扩展; 采用基于后处理原理的图像分割方式,以进一步增强算法的抗噪性; 运用分子动理论优化算法实现加快计算速度.某厂氧化铝回转窑火焰图像的分割实验表明,该算法抗噪性强,运算速度快,能较为精确地分割出火焰图像的背景区、黑把子、火焰区、辐射带、物料区等区域.     

基于DSP的锅炉火焰温度场测量及燃烧诊断系统

针对电站锅炉火焰监视、温度场测量和燃烧诊断中存在的问题，提出了一种以DSP为核心的嵌入式图像火焰监测系统，在对彩色图像法测量温度场的原理论述的基础上，对图像采集和处理各部分的电路和系统软件进行了分析和说明。通过优化设计，使系统的数据处理能力和实时性得到大幅的提升。经过200MW机组的试验表明，系统能在1帧时间内完成一幅图像的处理与特征量的提取，在1s内完成锅炉燃烧状况的诊断，火焰监测和燃烧诊断实时性得到了保证。温度场测量最大偏差不会超过50℃，相对误差小于5%，能满足系统对测量精度的要求。     

基于彩色图像分割的高温辐射体识别方法

准确识别待测目标是利用CCD图像传感器进行高温测量的关键.本文在对高温辐射体彩色图像的噪声特点进行分析的基础上,提出一种基于彩色图像分割的高温辐射体识别方法,通过对红、绿基色图像分别进行分割来减小甚至消除高温辐射体图像的各种噪声,然后综合红、绿基色图像分割结果实现高温辐射体的准确识别,并运用数学形态学方法对分割结果进行后处理以消除游离点和孔洞,使图像边缘平滑;实验表明,该方法可以有效地实现高温辐射体的正确识别,具有较强的实用性.     

基于BP神经网络的彩色温度软测量

基于高温物体的温度不同,与之相对应通过数码相机摄取的高温物体的颜色也不同,提出一种神经网络的图像颜色测温方法.选取RGB模型的R、G和B作为模式特征向量,用BP网络拟合高温物体的颜色和温度之间的非线性关系.实验结果表明,该方法精度高,运行速度快,切实可行.     

基于小波变换与局部能量的多聚焦图像融合

本文提出了一种基于区域局部能量的不同聚焦点图像融合方法。本文利用小波分解,将图像分解为低频部分和高频部分,然后选择合适的比例,削弱低频部分,减小低频部分在整个图像能量中所占的比例,相对增大高频部分的比例,再重构图像。对于重构的图像,在空域中使用区域局部能量大小判定的方法,对各幅图像中的目标进行判断,并选择其中的清晰部分生成融合图像。该方法不但适用于多聚焦图像融合,而且还可以应用于特性类似的医学图像的融合。实验结果表明,该方法可以提取出多聚焦图像中的清晰目标,生成的融合图像效果优于Laplacian塔型方法和小波变换方法。     

基于多方向滤波的强边缘深度图像补全方法

传统的深度相机能够获取像素级配准的深度和彩色图像,但所获取的深度图像存在明显的像素缺失。针对这一问题,文章提出了一种快速深度图像补全算法,能够有效地填充像素缺失区域并保持锐利的深度图像边缘特征。首先,设计出一种边缘蒙版,通过边缘蒙版对联合双边滤波器进行改进。其次,与传统滤波器算法不同,由于滤波器本身存在的方向特性,文章采用不同方向模拟了真实场景的遮挡情况。通过设定4个滤波方向,用改进后的联合双边滤波器对孔洞深度图进行修补填充,然后再通过马尔科夫随机场模型,将4个不同方向滤波器获得的深度填充图融合成一幅图像。最后,通过不同场景的深度图像进行实验。结果表明,所提出的深度图像补全算法显著优于传统方法。     

图像增强对显著性目标检测的影响研究

目的 雾霾、雨雪天气和水下等非理想环境因素会引起图像退化,导致出现低质图像,从而影响人类主观视觉感受及机器视觉应用任务的性能,因此,低质图像被利用之前进行图像增强成为惯常的预处理过程。然而,图像增强能否提高图像机器视觉应用任务的性能及影响程度等问题鲜有系统性研究。针对上述问题,本文以图像显著性目标检测这一机器视觉应用为例,研究图像增强对显著性目标检测性能的影响。方法 首先利用包括5种传统方法、6种深度学习方法等共11种典型图像增强方法对图像进行增强处理,然后利用8种典型的显著性目标检测方法对增强前后的图像分别进行显著性目标检测实验,并对比分析其结果。结果 实验表明,图像增强对低质图像显著性目标检测方法性能的促进作用不明显,某些增强方法甚至表现出负面影响,也存在同一增强方法对不同的显著性目标检测方法作用不同的现象。结论 图像增强对于显著性目标检测及其他的机器视觉应用的实际效果值得进一步研究,如何根据图像机器视觉应用的需求来选择和设计有效的增强方法需进一步探讨。     

图像识别的机器手抓握滑移检测系统开发

为实现机器手抓握物体时不发生脱落,首先应检测其与被抓握物体接触面上的滑移信号.提出一种基于图像识别的机器手抓握滑移检测方法,采用中心区域匹配思想的归一化互相关算法(NCC)匹配由视觉传感器实时采集到的被抓握物体表面图像,得到被抓握物体在采集图像期间的滑移情况.实验结果表明:此系统可以准确检测被抓握物体是否发生滑移及滑移的方向和大小,具有高准确度、高灵敏度等优点.     

Object Bank: An Object-Level Image Representation for High-Level Visual Recognition

It is a remarkable fact that images are related to objects constituting them. In this paper, we propose to represent images by using objects appearing in them. We introduce the novel concept of object bank (OB), a high-level image representation encoding object appearance and spatial location information in images. OB represents an image based on its response to a large number of pre-trained object detectors, or ‘object filters’, blind to the testing dataset and visual recognition task. Our OB representation demonstrates promising potential in high level image recognition tasks. It significantly outperforms traditional low level image representations in image classification on various benchmark image datasets by using simple, off-the-shelf classification algorithms such as linear SVM and logistic regression. In this paper, we analyze OB in detail, explaining our design choice of OB for achieving its best potential on different types of datasets. We demonstrate that object bank is a high level representation, from which we can easily discover semantic information of unknown images. We provide guidelines for effectively applying OB to high level image recognition tasks where it could be easily compressed for efficient computation in practice and is very robust to various classifiers.     

航空遥感图像深度学习目标检测技术研究进展

航空遥感图像目标检测旨在定位和识别遥感图像中感兴趣的目标,是航空遥感图像智能解译的关键技术,在情报侦察、灾害救援和资源勘探等领域具有重要应用价值。然而由于航空遥感图像具有尺寸大、目标小且密集、目标呈任意角度分布、目标易被遮挡、目标类别不均衡以及背景复杂等诸多特点,航空遥感图像目标检测目前仍然是极具挑战的任务。基于深度卷积神经网络的航空遥感图像目标检测方法因具有精度高、处理速度快等优点,受到了越来越多的关注。为推进基于深度学习的航空遥感图像目标检测技术的发展,本文对当前主流遥感图像目标检测方法,特别是2020—2022年提出的检测方法,进行了系统梳理和总结。首先梳理了基于深度学习目标检测方法的研究发展演化过程,然后对基于卷积神经网络和基于Transformer目标检测方法中的代表性算法进行分析总结,再后针对不同遥感图象应用场景的改进方法思路进行归纳,分析了典型算法的思路和特点,介绍了现有的公开航空遥感图像目标检测数据集,给出了典型算法的实验比较结果,最后给出现阶段航空遥感图像目标检测研究中所存在的问题,并对未来研究及发展趋势进行了展望。     

一种基于目标区域的彩色图像检索算法

提出了一种基于目标区域的彩色图像检索算法。首先，获取彩色图像HSV颜色空间中各个分量图像，然后计算各分量图像的二值边缘图像。根据边缘图像的连通性提取彩色图像的目标区域。在图像检索时，抽取彩色图像目标区域所对应的子图像特征，代替全局图像特征进行图像相似性匹配。实验表明，基于目标区域的彩色图像检索算法优于基于全局图像的检索算法。     

基于对象关系特征的高分辨率光学卫星影像水上桥梁目标识别方法

利用卫星遥感技术对大中型桥梁进行识别定位,在民用上和军事上都具有很重要的意义。本研究提出了一套利用基元对象关系特征提取高分辨率卫星影像中水上桥梁的技术方法。首先利用多尺度分割算法对高分辨率卫星影像进行分割,利用水体指数或GLCM同质性纹理特征区分河水和陆地;其次,利用对象形状特征和相邻的关系特征提取桥梁潜在区;将河流片段和桥梁潜在区专题二值化,利用数学形态学算子实现河流水面的连续化;最后利用叠加分析的方法获得最终的桥梁目标。本方法充分利用了桥梁与河流相邻和相交的空间关系特征,利用QuickBird和IKONOS高分辨率卫星影像进行实验,证明所提出的方法可以高精度的实现大中型水上桥梁的识别定位。