CN102881041A - 一种基于多源实测数据的火焰建模方法及其系统 - Google Patents

Abstract

一种基于多源实测数据的火焰建模方法及其系统，此方法包括：步骤1，使用摄像机、光谱仪、多波长辐射测温仪采集火焰数据；步骤2，对火焰的三维温度场进行重建；步骤3，对重建的所述火焰的三维温度场在时序上进行优化；步骤4，基于实测数据对火焰进行绘制。本发明能够构建火焰的逼真绘制模型，得到近似图像真实级别的火焰绘制效果。

Description

一种基于多源实测数据的火焰建模方法及其系统

技术领域

本发明涉及计算机图形学领域，尤其涉及一种基于多源实测数据的火焰建模方法及其系统

背景技术

真实感火焰现象是计算机动画、影视特效和游戏娱乐中不可或缺的元素，但由于真实的火焰燃烧具有一定的危险性，还包括复杂的化学燃烧反应，导致火焰的运动极其复杂，运动形态非常丰富，很难用物理方程对其进行准确的描述，而且针对物理模型的高复杂度数值计算方法也常常成为制约物理建模的限制因素。鉴于真实感火焰在视觉媒体或交互娱乐中有着广泛的应用前景，因此火焰模拟一直是计算机图形学研究中具有挑战性的研究难题之一。

传统的火焰模拟方法主要分为三类：基于粒子系统的方法，基于纹理映射的方法，以及基于物理的火焰模拟方法。基于粒子系统和纹理映射的方法虽然模拟速度较快，但不能满足观众日益增长的对火焰视觉效果的高要求。基于物理的方法通过追溯火焰的物理根源，根据其物理本质进行建模，得到其物理数据，并由基于物理的渲染器进行绘制，能得到较为真实的视觉效果。物理模拟方法的复杂性与难扩展性使得基于实测数据的火焰模拟得到逐步发展。

目前的基于实测数据的火焰建模，主要采用的是摄像机阵列，通过多台摄像机，同时拍摄火焰燃烧效果，但该方法只适合低速火焰燃烧(蜡烛燃烧)，因为低速火焰燃烧具有较为明显的轮廓信息，而对于高速或燃烧比较剧烈的火焰，火焰运动的跳跃感比较强，中间往往产生很多空洞，仅仅依靠图像的方法，无法重建出满意的动画效果，尤其很难表现火焰运动的多变性，特别是火焰的运动细节。

高速摄像机和高精度传感设备能够较为精确地捕获火焰图像、温度、以及光谱信息等，这些多源信息反映了火焰在燃烧过程中的真实状态，它提供了火焰在燃烧过程中的细节信息。因此，利用实测的多源数据重构火焰的三维运动模型，为真实感的火焰动画生成提供一种新的方法和途径。

发明内容

本发明提供一种基于多源实测数据的火焰建模方法及其系统，其能够构建火焰的逼真绘制模型，得到近似图像真实级别的火焰绘制效果。

本发明提出一种基于多源实测数据的火焰建模方法，包括：

步骤1，使用摄像机、光谱仪、多波长辐射测温仪采集火焰数据；

步骤2，对火焰的三维温度场进行重建；

步骤3，对重建的所述火焰的三维温度场在时序上进行优化；

步骤4，基于实测数据对火焰进行绘制。

其中，所述步骤1包括：

步骤11，在绕火焰的水平圆周上，按等弧长均匀布置所述摄像机；

步骤12，在火焰的四周,按照正交阵列布置所述多波长辐射测温仪，采集火焰辐射出来的能量；

步骤13，利用所述光谱仪，采集火焰燃烧过程中的光谱分布信息。

进一步的，所述步骤2包括：

步骤21，使用多光谱辐射测温法求得所述多波长辐射测温仪的输出信号与目标真实温度的关系；

步骤22，使用计算机断层成像技术，结合所述的多光谱辐射测温法，得到整个火焰的三维温度场和光谱发射率。

进一步的，所述步骤3包括：

步骤31，对所述重建的火焰的三维温度场数据进行离散小波变换；

步骤32，选用高斯白噪声模型，基于离散小波变换对所述火焰的三维温度场进行去噪处理，然后对处理后的小波系数进行重建，得到去噪后的火焰的三维温度场数据。

进一步的，所述步骤4包括：

步骤41，通过对所述采集到的实测图像数据进行离散小波变换，把图像分解成高精度信息和低精度信息两个部分：

步骤42，对于所述低精度信息，通过遗传算法建立所述低精度信息与所述火焰的三维温度场和光谱分布之间的映射关系；

步骤43，对于所述高精度信息，通过哈希函数建立所述高精度信息与所述火焰的三维温度场沿逆视线方向上的积分之间的索引关系；

步骤44，对于所述的火焰的三维温度场和光谱分布信息，在给定的视线下，根据所述离散小波逆变换和索引的高精度信息合成得到需要的火焰图像。

为达到本发明的目的，本发明另提出一种基于多源实测数据的火焰建模系统，包括：

数据采集模块，使用摄像机、光谱仪、多波长辐射测温仪采集火焰数据；

重建模块，用于对火焰的三维温度场进行重建；

优化模块，用于对重建的所述火焰的三维温度场在时序上进行优化；

绘制模块，用于根据采集到的实测图像数据对火焰进行绘制。

进一步的，所述数据采集模块包括：

摄像机布置模块，用于将所述摄像机按等弧长均匀布置在绕火焰的水平圆周上，捕获火焰图像；

多波长辐射测温器布置模块，用于将所述多波长辐射测温仪按照正交阵列布置在火焰的四周，采集火焰辐射出来的能量；

光谱仪采集模块，利用所述光谱仪采集火焰燃烧过程中的光谱分布信息。

进一步的，所述重建模块包括：

多光谱辐射测温模块，使用多光谱辐射测温法求得多波长辐射测温仪的输出信号与目标真实温度的关系；

计算机断层成像模块，使用计算机断层成像技术，结合所述的多光谱辐射测温法，得到整个火焰的三维温度场和光谱发射率。

进一步的，优化模块包括：

变换模块，用于对所述重建的火焰的三维温度场数据进行离散小波变换；

去噪处理模块，选用高斯白噪声模型，基于小波分解对所述火焰的三维温度场进行去噪处理，然后对处理后的小波系数进行重建，得到去噪后的火焰的三维温度场数据。

进一步的，绘制模块包括：

分解模块，通过对所述采集到的实测图像数据进行离散小波变换，把图像分解高精度信息和低精度信息两个部分：

关系建立模块，对所述低精度信息，通过遗传算法建立所述低精度信息与所述火焰的三维温度场和光谱分布之间的映射关系；对所述高精度信息，通过哈希函数建立所述高精度信息与所述火焰的三维温度场沿逆视线方向上的积分之间的索引关系；

图像合成模块，用于在给定的视线下，对所述的三维火焰温度场和光谱分布信息，根据所述离散小波逆变换和所述的高精度信息合成得到需要的火焰图像。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1是火焰采集设备的示意图。

图2是三维温度场的示意图。

图3是建立映射关系的流程图。

图4是火焰绘制过程的示意图。

图5是基于多源实测数据的火焰建模系统示意图

具体实施方式

1）数据采集

图1火焰采集设备的示意图。在绕火焰的水平圆周上，按等弧长均匀布置摄像机；同时，在火焰的四周,按照正交阵列布置多波长辐射测温器，全空间地采集火焰辐射出来的能量；最后，利用1台光谱仪，采集火焰燃烧过程中的光谱分布信息。利用该数据采集方案，可以较为完整地采集火焰燃烧过程中的温度变化和光谱分布信息等。

2）三维温度场重建

使用多光谱辐射测温法可以求得多波长辐射测温器的输出信号与目标真实温度的关系。

测温系统采用n个波长，根据维恩公式，则对应第i个波长的通道的输出信号V_i与物体的辐射强度L(λ_i,T)成正比，则

$V_i=A_{{\mathrm{\λ}}_i}\·L({\mathrm{\λ}}_i,T)=A_{{\mathrm{\λ}}_i}\·\mathrm{\ϵ}({\mathrm{\λ}}_i,T)\·{\mathrm{\λ}}_i^{-5}\·\exp (-\frac{c_2}{{\mathrm{\λ}}_{i}T})$

其中，只与波长有关与温度无关的检定常数，c₂为第二辐射常量，ε(λ_i,T)是温度为T的目标光谱发射率，在给定黑体参考温度T’情况下，ε(λ_i,T)＝1，第i个波长的通道的输出信号V′_i：

$V_i^{\′}=A_{{\mathrm{\λ}}_i}\·{\mathrm{\λ}}_i^{-5}\·\exp (-\frac{c_2}{{\mathrm{\λ}}_i{T}^{\′}})$

于是可以得到：

$\frac{V_i}{V_i^{\′}}=\mathrm{\ϵ}({\mathrm{\λ}}_i,T)\·\exp (\frac{c_2}{{\mathrm{\λ}}_i{T}^{\′}}-\frac{c_2}{{\mathrm{\λ}}_{i}T})$

现有的多波长辐射测温器，往往内置了相关的标定和计算系统，可以实时得到被测物的温度和光谱发射率，原始数据可以全部存储，供以后的进一步分析。

如图2所示，三维温度场可看成由许多截面组成，只要求出每个截面各点的温度分布，则可得到整个三维温度场分布。对于温度场的某一截面而言，在面向探测器的方向上，探测器的输出对应为经过该方向直线上温度场中所有点的辐射强度的累加，设截面各点的辐射强度密度为L(x,y)，整个截面的辐射强度为该截面上所有的传感器单元所接收，忽略背景辐射及光谱吸收的影响，其对应于某一波长的输出信号可表示为：

$V_P(t,\mathrm{\θ})=A_{{\mathrm{\λ}}_i}\∫L(x,y)\mathrm{dS}$ 即：V_P(t,θ)＝∫V_i(x,y)dS

计算机断层成像技术是医学图像重建领域所熟知的技术方法，具体可参见曾更生撰写的《医学图像重建》73-88页。计算机断层成像是一种利用数位几何处理后重建的三维放射线医学影像。该技术主要通过单一轴面的X射线旋转照射人体，由于不同的组织对X射线的吸收能力不同，可以用电脑的三维技术重建出断层面影像。经由窗宽、窗位处理，可以得到相应组织的断层影像。将断层影像层层堆栈，即可形成立体影像。使用计算机断层成像技术，结合上面所述的多光谱辐射测温法，可得到整个火焰的温度场T(x,y,z)和光谱发射率ε(x,y,z)。

3）对重建的火焰的三维温度场在时序上进行优化(对三维温度场进行去噪处理)

对所述重建的火焰的三维温度场数据进行离散小波变换；小波变换是指用有限长或快速衰减的、称为母小波的振荡波形来表示信号。该波形被缩放和平移以匹配输入的信号。小波变换是时间和频率的局部变换，因而能有效地从信号中提取信息。小波变换可分成离散小波变换和连续小波变换，两者的主要区别在于，连续变换在所有可能的缩放和平移上操作，而离散变换采用所有缩放和平移值的特定子集。可参见Rafael C.Gonzalez所著的《数字图像处理（第二版）》297-298页。

记原始信号T(x,y,z,t)＝T_s(x,y,z,t)+T_n(x,y,z,t)，其中T_s为原信号，T_n为噪声信号，对原始信号做小波变换得到：

$T(x,y,z,t)=\underset{j,k=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{c}_{j,k}\mathrm{\Ψ}(x,y,z,t)$

通过选用高斯白噪声模型T_n，对小波系数{c_j，k}进行筛选，去掉因噪音分解得到的小波系数，得到去噪后的最终系数集合{c_j'，k'}，再利用小波变换技术，重建得到优化的温度场T_opt(x,y,z,t)，其中高斯白噪声是指幅度分布服从高斯分布、功率谱密度服从均匀分布的噪声。

4）基于实测数据对火焰进行绘制

通过对高精度的图像数据Image进行离散小波变换，把图像分解高精度信息{Image_H}和低精度信息{Image_L}两个部分：

{Image_L,Image_H}＝DWT(Image)

其中，由摄像机拍摄到的原始高分辨率图像分辨率为w×h，高精度信息是原始图像经过离散小波变换得到的三幅w/2×h/2的高频图像中所包含的数据信息，低精度信息是指原始图像经过离散小波变换得到的一幅w/2×h/2的低频图像所包含的数据信息。DWT表示离散小波变换，可参见Rafael C.Gonzalez所著的《数字图像处理（第二版）》297-298页。

对于低精度信息Image_L，通过遗传方法建立其与火焰温度场T_opt(x,y,z,t)和光谱分布λ之间的映射关系：

{Image_L}=f(T_opt(x,y,z,t),λ)

其中，遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。

具体过程如图3所示。

对于高精度信息{Image_H}，通过哈希函数（哈希函数是本领域的公知常识，用于建立输入与输出数据的映射关系，常用的方法包括除留余数法、随机数法等）建立其与火焰温度场沿逆视线方向上的积分之间的索引关系：

表示火焰的高精度信息图像的像素对应的光线方向，即上面所说的逆视线方向。

选用随机数法构造哈希表。用random()表示随机函数，即：

{Image_H}=Index(∫T_opt(x,y,z,t)dl_eye)=random(∫T_opt(x,y,z,t)dl_eye)

通过遗传算法得到图像信息与火焰温度场之间的映射和索引关系后，对于给定的三维火焰温度场和光谱分布信息，在给定的视线l_new下(对于所要得到的火焰图像，每一个像素对应着一条视线，这里所说的“给定的视线”是指对该火焰图像每个要求解的像素对应的视线，要求得整个火焰图像，就要遍历这些视线)，可以根据离散的小波逆变换和索引的高精度信息合成得到需要的火焰图像：

Image_new=IDWT(f(T_opt(x,y,z,t),λ)+Index(∫T_opt(x,y,z,t)dl_new))

其中，IDWT（或DWT^-1）表示离散的小波反变换，可参见Rafael C.Gonzalez所著的《数字图像处理（第二版）》303-305页。离散小波反变换是离散小波变换的逆过程，通过求解出的映射及索引关系与母小波做加权和，重建原始信号，得到需要的火焰图像。

上述过程的示意如图4所示。

本发明另提出的一种基于多源实测数据的火焰建模系统，如图5所示，包括：

1）数据采集模块，使用摄像机、光谱仪、多波长辐射测温仪采集火焰数据：

在绕火焰的水平圆周上，按等弧长均匀放置摄像机布置模块；在火焰的四周,按照正交阵列放置多波长辐射测温器布置模块，全空间地采集火焰辐射出来的能量；利用光谱仪采集模块，采集火焰燃烧过程中的光谱分布信息。利用该数据采集方案，可以较为完整地采集火焰燃烧过程中的温度变化和光谱分布信息等。

2）重建模块，多光谱辐射测温模块使用多光谱辐射测温法求得多波长辐射测温仪的输出信号与目标真实温度的关系；计算机断层成像模块，使用计算机断层成像技术，结合所述的多光谱辐射测温法，得到整个火焰的三维温度场和光谱发射率。

其中，使用多光谱辐射测温法如下：

测温系统采用n个波长，根据维恩公式，则对应第i个波长的通道的输出信号V_i与物体的辐射强度L(λ_i,T)成正比，则

$V_i=A_{{\mathrm{\λ}}_i}\·L({\mathrm{\λ}}_i,T)=A_{{\mathrm{\λ}}_i}\·\mathrm{\ϵ}({\mathrm{\λ}}_i,T)\·{\mathrm{\λ}}_i^{-5}\·\exp (-\frac{c_2}{{\mathrm{\λ}}_{i}T})$

只与波长有关与温度无关的检定常数，c₂为第二辐射常量，ε(λ_i,T)是温度为T的目标光谱发射率，在给定黑体参考温度T’情况下，ε(λ_i,T)＝1，第i个波长的通道的输出信号V′_i： $V_i^{\′}=A_{{\mathrm{\λ}}_i}\·{\mathrm{\λ}}_i^{-5}\·\exp (-\frac{c_2}{{\mathrm{\λ}}_i{T}^{\′}})$

于是可以得到：

$\frac{V_i}{V_i^{\′}}=\mathrm{\ϵ}({\mathrm{\λ}}_i,T)\·\exp (\frac{c_2}{{\mathrm{\λ}}_i{T}^{\′}}-\frac{c_2}{{\mathrm{\λ}}_{i}T})$

现有的多波长辐射测温器模块，往往内置了相关的标定和计算系统，可以实时得到被测物的温度和光谱发射率，原始数据可以全部存储，供以后的进一步分析。

如图2所示，三维温度场可看成由许多截面组成，只要求出每个截面各点的温度分布，则可得到整个三维温度场分布。对于温度场的某一截面而言，在面向探测器的方向上，探测器的输出对应为经过该方向直线上温度场中所有点的辐射强度的累加，设截面各点的辐射强度密度为L(x,y)，整个截面的辐射强度为该截面上所有的传感器单元所接收，忽略背景辐射及光谱吸收的影响，其对应于某一波长的输出信号可表示为：

$V_P(t,\mathrm{\θ})=A_{{\mathrm{\λ}}_i}\∫L(x,y)\mathrm{dS}$ 即：V_P(t,θ)＝∫V_i(x,y)dS

计算机断层成像技术是医学图像重建领域所熟知的技术方法，具体可参见曾更生撰写的《医学图像重建》73-88页。使用计算机断层成像技术，结合上面所述的多光谱辐射测温法，可得到整个火焰的温度场T(x,y,z)和光谱发射率ε(x,y,z)。

3）优化模块，用于对重建的所述火焰的三维温度场在时序上进行优化：

即变换模块对所述重建的火焰的三维温度场数据进行离散小波变换，其中小波变换是指用有限长或快速衰减的、称为母小波的振荡波形来表示信号，该波形被缩放和平移以匹配输入的信号；小波变换是时间和频率的局部变换，因而能有效地从信号中提取信息，小波变换可分成离散小波变换和连续小波变换；两者的主要区别在于，连续变换在所有可能的缩放和平移上操作，而离散变换采用所有缩放和平移值的特定子集。可参见Rafael C.Gonzalez所著的《数字图像处理（第二版）》297-298页。

去噪处理模块记原始信号T(x,y,z,t)＝T_s(x,y,z,t)+T_n(x,y,z,t)，其中T_s为原信号，T_n为噪声信号，对原始信号做小波变换得到：

$T(x,y,z,t)=\underset{j,k=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{c}_{j,k}\mathrm{\Ψ}(x,y,z,t)$

选用高斯白噪声模型，（高斯白噪声是指幅度分布服从高斯分布、功率谱密度服从均匀分布的噪声）通过选用高斯白噪声模型T_n，对小波系数{c_j，k}进行筛选，去掉因噪音分解得到的小波系数，得到去噪后的最终系数集合{c_j’，k′}，再利用小波变换技术，重建得到优化的温度场T_opt(x，y,z,t)。

4）绘制模块，通过分解模块对所述采集到的实测图像数据Image进行离散小波变换，把图像分解高精度信息{Image_H}和低精度信息{Image_L}两个部分：{Image_L,Image_H}＝DWT(Image)

其中，由摄像机拍摄到的原始高分辨率图像分辨率为w×h，高精度信息是原始图像经过离散小波变换得到的三幅w/2×h/2的高频图像中所包含的数据信息，低精度信息是指原始图像经过离散小波变换得到的一幅w/2×h/2的低频图像所包含的数据信息。DWT表示离散小波变换，可参见Rafael C.Gonzalez所著的《数字图像处理（第二版）》297-298页。

以关系建立模块对所述低精度信息Image_L，通过遗传算法（其中，遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法）建立所述低精度信息与火焰的三维温度场T_opt(x,y,z,t)和光谱分布λ之间的映射关系：

{Image_L}=f(T_opt(x,y,z,t),λ)；对所述高精度信息{Image_H}，通过哈希函数（哈希函数是本领域的公知常识，用于建立输入与输出数据的映射关系，常用的方法包括除留余数法、随机数法等）建立所述高精度信息与所述火焰的三维温度场沿逆视线方向上的积分之间的索引关系：

{Image_H}=Index(∫T_opt(x,y,z,t)dl_eye)，选用随机数法构造哈希表。用random()表示随机函数，即：

{Image_H}=Index(∫T_opt(x,y,z,t)dl_eye)=random(∫T_opt(x,y,z,t)dl_eye)；

图像合成模块对于给定的三维火焰温度场和光谱分布信息，在给定的视线下l_new下(对于所要得到的火焰图像，每一个像素对应着一条视线，这里所说的“给定的视线”是指对该火焰图像每个要求解的像素对应的视线，要求得整个火焰图像，就要遍历这些视线)对所述的三维火焰温度场和光谱分布信息，根据所述离散小波逆变换和所述的高精度信息合成得到需要的火焰图像：

Image_new=IDWT(f(T_opt(x,y,z,t),λ)+Index(∫T_opt(x,y,z,t)dl_new))

其中，IDWT（或DWT^-1）表示离散的小波反变换，可参见Rafael C.Gonzalez所著的《数字图像处理（第二版）》303-305页。离散小波反变换是离散小波变换的逆过程，通过求解出的映射及索引关系与母小波做加权和，重建原始信号，得到需要的火焰图像。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明权利要求的保护范围。

Claims (10)

1.一种基于多源实测数据的火焰建模方法，其特征在于，包括：

步骤1，使用摄像机、光谱仪、多波长辐射测温仪采集火焰数据；

步骤2，对火焰的三维温度场进行重建；

步骤3，对重建的所述火焰的三维温度场在时序上进行优化；

步骤4，基于采集到的实测图像数据对火焰进行绘制。

2.如权利要求1所述的火焰建模方法，其特征在于，所述步骤1包括：

步骤11，在绕火焰的水平圆周上，按等弧长均匀布置所述摄像机；

步骤12，在火焰的四周,按照正交阵列布置所述多波长辐射测温仪，采集火焰辐射出来的能量；

步骤13，利用所述光谱仪，采集火焰燃烧过程中的光谱分布信息。

3.如权利要求1所述的火焰建模方法，其特征在于，所述步骤2包括：

步骤21，使用多光谱辐射测温法求得所述多波长辐射测温仪的输出信号与目标真实温度的关系；

步骤22，使用计算机断层成像技术，结合所述的多光谱辐射测温法，得到整个火焰的三维温度场和光谱发射率。

4.如权利要求1所述的火焰建模方法，其特征在于，所述步骤3包括：

步骤31，对所述重建的火焰的三维温度场数据进行离散小波变换；

步骤32，选用高斯白噪声模型，基于小波分解对所述火焰的三维温度场进行去噪处理，然后对处理后的小波系数进行重建，得到去噪后的火焰的三维温度场数据。

5.如权利要求1所述的火焰建模方法，其特征在于，所述步骤4包括：

步骤41，通过对所述采集到的实测图像数据进行离散小波变换，把图像分解成高精度信息和低精度信息两个部分：

步骤42，对于所述低精度信息，通过遗传算法建立所述低精度信息与所述火焰的三维温度场和光谱分布之间的映射关系；

步骤43，对于所述高精度信息，通过哈希函数建立所述高精度信息与所述火焰的三维温度场沿逆视线方向上的积分之间的索引关系；

步骤44，对于所述的火焰的三维温度场和光谱分布信息，在给定的视线下，根据所述离散小波逆变换和索引的高精度信息合成得到需要的火焰图像。

6.一种基于多源实测数据的火焰建模系统，其特征在于，包括：

数据采集模块，使用摄像机、光谱仪、多波长辐射测温仪采集火焰数据；

重建模块，用于对火焰的三维温度场进行重建；

优化模块，用于对重建的所述火焰的三维温度场在时序上进行优化；

绘制模块，用于根据采集到的实测图像数据对火焰进行绘制。

7.如权利要求6所述的火焰建模系统，其特征在于，所述数据采集模块包括：

摄像机布置模块，用于将所述摄像机按等弧长均匀布置在绕火焰的水平圆周上，捕获火焰图像；

多波长辐射测温器布置模块，用于将所述多波长辐射测温仪按照正交阵列布置在火焰的四周，采集火焰辐射出来的能量；

光谱仪采集模块，利用所述光谱仪采集火焰燃烧过程中的光谱分布信息。

8.如权利要求6所述的火焰建模系统，其特征在于，所述重建模块包括：

多光谱辐射测温模块，使用多光谱辐射测温法求得多波长辐射测温仪的输出信号与目标真实温度的关系；

计算机断层成像模块，使用计算机断层成像技术，结合所述的多光谱辐射测温法，得到整个火焰的三维温度场和光谱发射率。

9.如权利要求6所述的火焰建模系统，其特征在于，所述优化模块包括：

变换模块，用于对所述重建的火焰的三维温度场数据进行离散小波变换；

去噪处理模块，选用高斯白噪声模型，基于小波分解对所述火焰的三维温度场进行去噪处理，然后对处理后的小波系数进行重建，得到去噪后的火焰的三维温度场数据。

10.如权利要求6所述的火焰建模系统，其特征在于，所述绘制模块包括：

分解模块，通过对所述采集到的实测图像数据进行离散小波变换，把图像分解高精度信息和低精度信息两个部分：

关系建立模块，对所述低精度信息，通过遗传算法建立所述低精度信息与所述火焰的三维温度场和光谱分布之间的映射关系；对所述高精度信息，通过哈希函数建立所述高精度信息与所述火焰的三维温度场沿逆视线方向上的积分之间的索引关系；

图像合成模块，用于在给定的视线下，对所述的三维火焰温度场和光谱分布信息，根据所述离散小波逆变换和索引的高精度信息合成得到需要的火焰图像。

Images