CN104751471A - 一种基于复小波域分解的回转窑火焰图像的识别方法 - Google Patents
一种基于复小波域分解的回转窑火焰图像的识别方法 Download PDFInfo
- Publication number
- CN104751471A CN104751471A CN201510167053.7A CN201510167053A CN104751471A CN 104751471 A CN104751471 A CN 104751471A CN 201510167053 A CN201510167053 A CN 201510167053A CN 104751471 A CN104751471 A CN 104751471A
- Authority
- CN
- China
- Prior art keywords
- flame
- image
- gray level
- level image
- standard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000005856 abnormality Effects 0.000 claims description 34
- 230000009466 transformation Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000000750 progressive effect Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 10
- 230000008859 change Effects 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000002485 combustion reaction Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000004566 building material Substances 0.000 description 1
- 238000001354 calcination Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
Landscapes
- Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
Abstract
本发明涉及一种基于复小波域分解的回转窑火焰图像的识别方法。其技术方案是,设定标准火焰灰度图像ym、正常火焰灰度图库GI和异常火焰灰度图库BI。获取待测火焰图像P,对待测火焰图像P进行灰度变换,得到待测火焰灰度图像x;将待测火焰灰度图像x与所有标准火焰灰度图像在复小波域内进行平均结构相似性系数计算,得到2a个平均结构相似性系数mCWSSIM(x,ym);取平均结构相似性系数最大值mCWSSIM_MAX,若平均结构相似性系数最大值mCWSSIM_MAX所对应的标准火焰灰度图像ym属于正常火焰灰度图库GI,待测火焰图像P属于正常状态;反之属于异常状态。本发明具有在线实时监测火焰状态变化、图像识别过程短、识别精度高、无需图像精确配准和对一些噪声具有较好的鲁棒性的特点。
Description
技术领域
本发明属于回转窑火焰图像的识别方法技术领域。特别涉及一种基于复小波域分解的回转窑火焰图像的识别方法。
背景技术
回转窑是煅烧或焙烧及其他方式加工各种工业原料工艺中所用的热工设备,用于对输入的物料进行机械、物理或化学处理,在建材、化工、冶金等行业中有着广泛的应用。受回转窑结构的特殊性和工艺复杂性的影响,所得熟料质量指标难以在线测量,熟料的烧成状态也难以准确识别,加上回转窑过程的多变量强耦合特性以及不确定干扰等因素,使得回转窑运转过程仍然处于“人工看火”的开环操作阶段,难以实现回转窑控制系统的自动控制,长期运行易造成熟料质量指标不稳定、产能低、能耗高和人工劳动强度大等问题。
火焰图像是燃烧过程的有效反应,亮度信息反映了燃烧过程中的辐射热度和燃烧效果,火焰形状则反映了燃烧反应发生区域的形状。因此,利用合理的技术判断火焰图像的烧成状态,从而确定回转窑的运行状态和燃烧稳定性,具有十分重要的意义。
“一种基于火焰图像结构相似性的回转窑烧成状态识别方法”(CN201310567666.0)是从图像的亮度、对比度和结构三种不同角度来判别回转窑火焰燃烧状态,具有运行过程短且识别精度高的优点,但这种方法需要对图像进行精确配准处理,而在进行窑内烧成状况的图像采集时,很难防止CCD摄像机出现较小的抖动从而产生微小的位移或者旋转一个很小的角度,所以会导致连续帧图像不能精确配准,从而导致一定的不准确性。
发明内容
本发明旨在克服现有技术缺陷,目的是提供一种能在线实时监测火焰状态变化、图像识别过程短、识别精度高和无需图像精确配准的基于复小波域分解的回转窑火焰图像的识别方法,该方法对于在采集火焰图像时CCD产生的微小位移和一些噪声具有较好的鲁棒性。
为完成上述任务,本发明采用的技术方案的具体步骤是:
步骤一、由回转窑操作专家选出a幅正常状态的标准火焰图像QLN,a幅正常状态的标准火焰图像QLN组成正常火焰图库LN;再由回转窑操作专家选出a幅异常状态的标准火焰图像QLA,a幅异常状态的标准火焰图像QLA组成异常火焰图库LA,正常火焰图库LN和异常火焰图库LA组成标准火焰图库L。
将a幅正常状态的标准火焰图像QLN进行灰度变换,得到a幅正常状态的标准火焰灰度图像YLN,a幅正常状态的标准火焰灰度图像YLN组成正常火焰灰度图库GI;将a幅异常状态的标准火焰图像QLA进行灰度变换,得到a幅异常状态的标准火焰灰度图像YLA,a幅异常状态的标准火焰灰度图像YLA组成异常火焰灰度图库BI。正常火焰灰度图库GI和异常火焰灰度图库BI组成标准火焰灰度图库F,a幅正常状态的标准火焰灰度图像YLN和a幅异常状态的标准火焰灰度图像YLA组成2a幅标准火焰灰度图像ym。
步骤二、从在线采集的回转窑烧成带的火焰视频中获取一幅待测火焰图像P;将待测火焰图像P进行灰度变换,得到待测火焰灰度图像x。
步骤三、采用平均结构相似性系数的计算方法,计算所述待测火焰灰度图像x与每一幅标准火焰灰度图像ym之间的平均结构相似性系数mCWSSIM(x,ym),得到2a个平均结构相似性系数mCWSSIM(x,ym)。
步骤四、对步骤三得到的2a个平均结构相似性系数mCWSSIM(x,ym)进行比较,选取平均结构相似性系数最大值mCWSSIM_MAX。如果平均结构相似性系数最大值mCWSSIM_MAX所对应的标准火焰灰度图像ym属于正常火焰灰度图库GI中的一幅,则判定待测火焰图像P的烧成状态为正常状态;如果平均结构相似性系数最大值mCWSSIM_MAX所对应的标准火焰灰度图像ym属于异常火焰灰度图库BI中的一幅,则判定待测火焰图像P的烧成状态为异常状态。
步骤五、若判定待测火焰图像P的烧成状态为正常状态,则保持目前的回转窑火焰烧成状态;然后进行下一幅回转窑火焰图像的识别;
若判定待测火焰图像P的烧成状态为异常状态,系统报警,则需改善目前的回转窑火焰烧成状态;然后进行下一幅回转窑火焰图像的识别。
重复进行步骤二~步骤五,直至结束。
所述a为1~1000的自然数。
所述的平均结构相似性系数的计算方法是:先使用C个方向D个尺度的方向金字塔变换,对待测火焰灰度图像x和标准火焰灰度图像ym分别进行复小波分解,得到:
待测火焰灰度图像x的小波系数的集合
和标准火焰灰度图像ym的小波系数的集合
式(1)和式(2)中:cx,i表示待测火焰灰度图像x的第i个小波系数;
cy,i表示标准火焰灰度图像ym的第i个小波系数;
N为大于256的自然数。
然后在每个方向上以n×n的窗口逐像素逐行地从左向右移动,得到G个待测火焰灰度图像块和G个标准火焰灰度图像块,每个待测火焰灰度图像块中有n2个小波系数xj,每个标准火焰灰度图像块中有n2个小波系数yj,计算每个待测火焰灰度图像块xn和对应的标准火焰灰度图像块yn之间的结构相似性系数CWSSIM(xj,yj),得到G个结构相似性系数CWSSIM(xj,yj);然后对G个结构相似性系数进行累加平均,得到待测火焰灰度图像x和标准火焰灰度图像ym的平均结构相似性系数mCWSSIM(x,ym):
式(3)中:CWSSIM(xj,yj)为待测火焰灰度图像块xn和对应的标准火焰灰度图像块yn的结构相似性系数:
式(4)中:K=0.1;
为标准火焰灰度图像块的小波系数yj的共轭复数;
xj为待测火焰灰度图像块的小波系数;
n为大于2的自然数。
由于采用上述技术方案,本发明与现有技术相比具有如下优点:
本发明在回转窑火焰图像识别的技术领域中采用在复小波域内的图像结构相似性指标,从亮度、对比度和结构三种不同角度来识别回转窑烧成状态,识别精度高。另外,本发明属于一种更符合人眼视觉系统基本原理的图像质量评价方法,判别结果更贴合主观评价。
本发明能够独立识别单幅火焰图像的烧成状态,满足在线实时监测回转窑中火焰变化的条件,能在极短的时间内发现回转窑火焰烧成状态的变化,并及时做出相应调整,从而增加回转窑控制系统的安全性和可靠性,使生产的熟料质量更加稳定,能够极大地缩减生产成本。
本发明无需图像精确配准,对一些噪声具有较好的鲁棒性,能有效地解决现有技术存在的如下问题:在进行窑内烧成状况的图像采集时,很难防止CCD摄像机出现较小的抖动从而产生微小的位移或者旋转一个很小的角度,导致连续帧图像不能精确配准,从而导致判断的不准确。
因此,本发明具有在线实时监测火焰状态变化、图像识别过程短、识别精度高、无需图像精确配准和对一些噪声具有较好的鲁棒性的特点。
具体实施方式
下面结合具体实施方式对本发明作进一步的描述,并非对其保护范围的限制。
实施例1
一种基于复小波域分解的回转窑火焰图像的识别方法。所述识别方法的具体步骤是:
第1.1步、由回转窑操作专家选出10幅正常状态的标准火焰图像QLN,10幅正常状态的标准火焰图像QLN组成正常火焰图库LN;再由回转窑操作专家选出10幅异常状态的标准火焰图像QLA,10幅异常状态的标准火焰图像QLA组成异常火焰图库LA,正常火焰图库LN和异常火焰图库LA组成标准火焰图库L。
将10幅正常状态的标准火焰图像QLN进行灰度变换,得到10幅正常状态的标准火焰灰度图像YLN;10幅正常状态的标准火焰灰度图像YLN组成正常火焰灰度图库GI;将10幅异常状态的标准火焰图像QLA进行灰度变换,得到10幅异常状态的标准火焰灰度图像YLA,10幅异常状态的标准火焰灰度图像YLA组成异常火焰灰度图库BI。正常火焰灰度图库GI和异常火焰灰度图库BI组成标准火焰灰度图库F;10幅正常状态的标准火焰灰度图像YLN和10幅异常状态的标准火焰灰度图像YLA组成20幅标准火焰灰度图像ym。
所述标准火焰灰度图像ym尺寸为352×288。
第1.2步、从在线采集的回转窑烧成带的火焰视频中获取一幅尺寸为352×288×3的待测火焰图像P;将待测火焰图像P进行灰度变换,得到尺寸为352×288待测火焰灰度图像x。
第1.3步、采用平均结构相似性系数的计算方法,计算所述待测火焰灰度图像x与每一幅标准火焰灰度图像ym之间的平均结构相似性系数mCWSSIM(x,ym),得到20个平均结构相似性系数mCWSSIM(x,ym);20个平均结构相似性系数mCWSSIM(x,ym)如表1所示。
表1
第1.4步、根据表1所示,对第1.3步得到的20个平均结构相似性系数mCWSSIM(x,y)进行比较,选取平均结构相似性系数最大值mCWSSIM_MAX为0.991。由于平均结构相似性系数最大值mCWSSIM_MAX所对应的标准火焰灰度图像ym属于正常火焰灰度图库GI中的一幅,则判定待测火焰图像P的烧成状态为正常状态。
第1.5步、由于待测火焰图像P的烧成状态为正常状态,则保持目前的回转窑火焰烧成状态。
然后进行下一幅回转窑火焰图像的识别:
第2.1步、从在线采集的回转窑烧成带的火焰视频中获取一幅尺寸为352×288×3的待测火焰图像P;将待测火焰图像P进行灰度变换,得到尺寸为352×288待测火焰灰度图像x。
第2.2步、采用平均结构相似性系数的计算方法,计算所述待测火焰灰度图像x与每一幅标准火焰灰度图像ym之间的平均结构相似性系数mCWSSIM(x,ym),得到20个平均结构相似性系数mCWSSIM(x,ym);20个平均结构相似性系数mCWSSIM(x,ym)如表2所示。
表2
第2.3步、根据表2所示,对第2.2步得到的20个平均结构相似性系数mCWSSIM(x,y)进行比较,选取平均结构相似性系数最大值mCWSSIM_MAX为0.983。由于平均结构相似性系数最大值mCWSSIM_MAX所对应的标准火焰灰度图像ym属于异常火焰灰度图库BI中的一幅,则判定待测火焰图像P的烧成状态为异常状态。
第2.4步、若判定待测火焰图像P的烧成状态为正常状态,保持目前的回转窑火焰烧成状态;再进行下一幅回转窑火焰图像的识别;
若判定待测火焰图像P的烧成状态为异常状态,系统报警,改善目前的回转窑火焰烧成状态;再进行下一幅回转窑火焰图像的识别。
由于待测火焰图像P的烧成状态为异常状态,系统报警,则需改善目前的回转窑火焰烧成状态;再进行下一幅回转窑火焰图像的识别。
重复进行第1.2~1.5步或重复进行2.1~2.4步,直至结束。
本实施例所述的平均结构相似性系数的计算方法为:先使用5个方向4个尺度的方向金字塔变换,对待测火焰灰度图像x和标准火焰灰度图像ym分别进行复小波分解,得到:
待测火焰灰度图像x的小波系数的集合
和标准火焰灰度图像ym的小波系数的集合
式中:cx,i表示待测火焰灰度图像x的第i个小波系数;
cy,i表示标准火焰灰度图像ym的第i个小波系数;
N=641619。
然后在每个方向上以4×4大小的窗口逐像素逐行地从左向右移动,得到193929个待测火焰灰度图像块和193929个标准火焰灰度图像块,每个待测火焰灰度图像块中有16个小波系数xj,每个标准火焰灰度图像块中有16个小波系数yj,计算每个待测火焰灰度图像块xn和对应的标准火焰灰度图像块yn之间的结构相似性系数CWSSIM(xj,yj),得到193929个结构相似性系数CWSSIM(xj,yj);然后对193929个结构相似性系数进行累加平均,得到待测火焰灰度图像x和标准火焰灰度图像ym的平均结构相似性系数mCWSSIM(x,ym):
式(1)中:CWSSIM(xj,yj)为待测火焰灰度图像块xn和对应的标准火焰灰度图像块yn的结构相似性系数:
式(2)中:K=0.1;
n2=16;
为标准火焰灰度图像块的小波系数yj的共轭复数;
xj为待测火焰灰度图像块的小波系数。
实施例2
一种基于复小波域分解的回转窑火焰图像的识别方法。所述识别方法的具体步骤是:
第1.1步、由回转窑操作专家选出10幅正常状态的标准火焰图像QLN,10幅正常状态的标准火焰图像QLN组成正常火焰图库LN;再由回转窑操作专家选出10幅异常状态的标准火焰图像QLA,10幅异常状态的标准火焰图像QLA组成异常火焰图库LA,正常火焰图库LN和异常火焰图库LA组成标准火焰图库L。
将10幅正常状态的标准火焰图像QLN进行灰度变换,得到10幅正常状态的标准火焰灰度图像YLN;10幅正常状态的标准火焰灰度图像YLN组成正常火焰灰度图库GI;将10幅异常状态的标准火焰图像QLA进行灰度变换,得到10幅异常状态的标准火焰灰度图像YLA,10幅异常状态的标准火焰灰度图像YLA组成异常火焰灰度图库BI。正常火焰灰度图库GI和异常火焰灰度图库BI组成标准火焰灰度图库F;10幅正常状态的标准火焰灰度图像YLN和10幅异常状态的标准火焰灰度图像YLA组成20幅标准火焰灰度图像ym。
所述标准火焰灰度图像ym尺寸为352×288。
第1.2步、从在线采集的回转窑烧成带的火焰视频中获取一幅尺寸为352×288×3的待测火焰图像P;将待测火焰图像P进行灰度变换,得到尺寸为352×288待测火焰灰度图像x。
第1.3步、采用平均结构相似性系数的计算方法,计算所述待测火焰灰度图像x与每一幅标准火焰灰度图像ym之间的平均结构相似性系数mCWSSIM(x,ym),得到20个平均结构相似性系数mCWSSIM(x,ym);20个平均结构相似性系数mCWSSIM(x,ym)如表1所示。
表1
第1.4步、根据表1所示,对第1.3步得到的20个平均结构相似性系数mCWSSIM(x,y)进行比较,选取平均结构相似性系数最大值mCWSSIM_MAX为0.989。由于平均结构相似性系数最大值mCWSSIM_MAX所对应的标准火焰灰度图像ym属于异常火焰灰度图库BI中的一幅,则判定待测火焰图像P的烧成状态为异常状态。
第1.5步、由于待测火焰图像P的烧成状态为异常状态,系统报警则需改善目前的回转窑火焰烧成状态。
然后进行下一幅回转窑火焰图像的识别:
第2.1步、从在线采集的回转窑烧成带的火焰视频中获取一幅尺寸为352×288×3的待测火焰图像P;将待测火焰图像P进行灰度变换,得到尺寸为352×288待测火焰灰度图像x。
第2.2步、采用平均结构相似性系数的计算方法,计算所述待测火焰灰度图像x与每一幅标准火焰灰度图像ym之间的平均结构相似性系数mCWSSIM(x,ym),得到20个平均结构相似性系数mCWSSIM(x,ym);20个平均结构相似性系数mCWSSIM(x,ym)如表2所示。
表2
第2.3步、根据表2所示,对第1.3步得到的20个平均结构相似性系数mCWSSIM(x,y)进行比较,选取平均结构相似性系数最大值mCWSSIM_MAX为0.961。由于平均结构相似性系数最大值mCWSSIM_MAX所对应的标准火焰灰度图像ym属于正常火焰灰度图库GI中的一幅,则待测火焰图像P的烧成状态为正常状态。
第2.4步、若判定待测火焰图像P的烧成状态为正常状态,保持目前的回转窑火焰烧成状态;再进行下一幅回转窑火焰图像的识别;
若判定待测火焰图像P的烧成状态为异常状态,系统报警,改善目前的回转窑火焰烧成状态;再进行下一幅回转窑火焰图像的识别。
由于待测火焰图像P的烧成状态为正常状态,则保持目前的回转窑火焰烧成状态,进行下一幅回转窑火焰图像的识别。
重复进行第1.2~1.5步或重复进行2.1~2.4步,直至结束。
本实施例所述的平均结构相似性系数的计算方法为:先使用5个方向4个尺度的方向金字塔变换,对待测火焰灰度图像x和标准火焰灰度图像ym分别进行复小波分解,得到:
待测火焰灰度图像x的小波系数的集合
和标准火焰灰度图像ym的小波系数的集合
式中:cx,i表示待测火焰灰度图像x的第i个小波系数;
cy,i表示标准火焰灰度图像ym的第i个小波系数;
N=641619。
然后在每个方向上以4×4大小的窗口逐像素逐行地从左向右移动,得到193929个待测火焰灰度图像块和193929个标准火焰灰度图像块,每个待测火焰灰度图像块中有16个小波系数xj,每个标准火焰灰度图像块中有16个小波系数yj,计算每个待测火焰灰度图像块xn和对应的标准火焰灰度图像块yn之间的结构相似性系数CWSSIM(xj,yj),得到193929个结构相似性系数CWSSIM(xj,yj);然后对193929个结构相似性系数进行累加平均,得到待测火焰灰度图像x和标准火焰灰度图像ym的平均结构相似性系数mCWSSIM(x,ym):
式(1)中:CWSSIM(xj,yj)为待测火焰灰度图像块xn和对应的标准火焰灰度图像块yn的结构相似性系数:
式(2)中:K=0.1;
为标准火焰灰度图像块的小波系数yj的共轭复数;
xj为待测火焰灰度图像块的小波系数;
n2=16。
本具体实施方式与现有技术相比具有如下优点:
本具体实施方式在回转窑火焰图像识别的技术领域中采用在复小波域内的图像结构相似性指标,从亮度、对比度和结构三种不同角度来判别回转窑烧成状态,判别精度较高。另外,本具体实施方式属于一种更符合人眼视觉系统基本原理的图像质量评价方法,判别结果更贴合主观评价。
本具体实施方式能够独立判别单幅火焰图像的烧成状态,满足在线实时监测回转窑中火焰变化的条件,能在极短的时间内发现回转窑火焰烧成状态的变化,并及时做出相应调整,从而增加回转窑控制系统的安全性和可靠性,使生产的熟料质量更加稳定,能够极大地缩减生产成本。
本具体实施方式无需图像精确配准,对一些噪声具有较好的鲁棒性,能有效地解决现有技术存在的如下问题:在进行窑内烧成状况的图像采集时,很难防止CCD摄像机出现较小的抖动从而产生微小的位移或者旋转一个很小的角度,导致连续帧图像不能精确配准,从而导致判断的不准确。
因此,本具体实施方式具有在线实时监测火焰状态变化、图像识别过程短、识别精度高、无需图像精确配准和对一些噪声具有较好的鲁棒性的特点。
Claims (3)
1.一种基于复小波域分解的回转窑火焰图像的识别方法,其特征在于所述回转窑烧成状态识别方法的具体步骤:
步骤一、由回转窑操作专家选出a幅正常状态的标准火焰图像QLN,a幅正常状态的标准火焰图像QLN组成正常火焰图库LN;再由回转窑操作专家选出a幅异常状态的标准火焰图像QLA,a幅异常状态的标准火焰图像QLA组成异常火焰图库LA,正常火焰图库LN和异常火焰图库LA组成标准火焰图库L;
将a幅正常状态的标准火焰图像QLN进行灰度变换,得到a幅正常状态的标准火焰灰度图像YLN,a幅正常状态的标准火焰灰度图像YLN组成正常火焰灰度图库GI;将a幅异常状态的标准火焰图像QLA进行灰度变换,得到a幅异常状态的标准火焰灰度图像YLA,a幅异常状态的标准火焰灰度图像YLA组成异常火焰灰度图库BI;正常火焰灰度图库GI和异常火焰灰度图库BI组成标准火焰灰度图库F,a幅正常状态的标准火焰灰度图像YLN和a幅异常状态的标准火焰灰度图像YLA组成2a幅标准火焰灰度图像ym;
步骤二、从在线采集的回转窑烧成带的火焰视频中获取一幅待测火焰图像P;将待测火焰图像P进行灰度变换,得到待测火焰灰度图像x;
步骤三、采用平均结构相似性系数的计算方法,计算所述待测火焰灰度图像x与每一幅标准火焰灰度图像ym之间的平均结构相似性系数mCWSSIM(x,ym),得到2a个平均结构相似性系数mCWSSIM(x,ym);
步骤四、对步骤三得到的2a个平均结构相似性系数mCWSSIM(x,ym)进行比较,选取平均结构相似性系数最大值mCWSSIM_MAX;如果平均结构相似性系数最大值mCWSSIM_MAX所对应的标准火焰灰度图像ym属于正常火焰灰度图库GI中的一幅,则判定待测火焰图像P的烧成状态为正常状态;如果平均结构相似性系数最大值mCWSSIM_MAX所对应的标准火焰灰度图像ym属于异常火焰灰度图库BI中的一幅,则判定待测火焰图像P的烧成状态为异常状态;
步骤五、若判定待测火焰图像P的烧成状态为正常状态,则保持目前的回转窑火焰烧成状态;然后进行下一幅回转窑火焰图像的识别;
若判定待测火焰图像P的烧成状态为异常状态,系统报警,则需改善目前的回转窑火焰烧成状态;然后进行下一幅回转窑火焰图像的识别;
重复进行步骤二~步骤五,直至结束。
2.按照权利要求1所述的基于复小波域分解的回转窑火焰图像的识别方法,其特征在于所述a为1~1000的自然数。
3.按照权利要求1所述的基于复小波域分解的回转窑火焰图像的识别方法,其特征在于所述的平均结构相似性系数的计算方法是:先使用C个方向D个尺度的方向金字塔变换,对待测火焰灰度图像x和标准火焰灰度图像ym分别进行复小波分解,得到:
待测火焰灰度图像x的小波系数的集合
和标准火焰灰度图像ym的小波系数的集合
式(1)和式(2)中:cx,i表示待测火焰灰度图像x的第i个小波系数,
cy,i表示标准火焰灰度图像ym的第i个小波系数,
N为大于256的自然数;
然后在每个方向上以n×n的窗口逐像素逐行地从左向右移动,得到G个待测火焰灰度图像块和G个标准火焰灰度图像块,每个待测火焰灰度图像块中有n2个小波系数xj,每个标准火焰灰度图像块中有n2个小波系数yj,计算每个待测火焰灰度图像块xn和对应的标准火焰灰度图像块yn之间的结构相似性系数CWSSIM(xj,yj),得到G个结构相似性系数CWSSIM(xj,yj);然后对G个结构相似性系数进行累加平均,得到待测火焰灰度图像x和标准火焰灰度图像ym的平均结构相似性系数mCWSSIM(x,ym):
式(3)中:CWSSIM(xj,yj)为待测火焰灰度图像块xn和对应的标准火焰灰度图像块yn的结构相似性系数:
式(4)中:K=0.1;
为标准火焰灰度图像块的小波系数yj的共轭复数;
xj为待测火焰灰度图像块的小波系数;
n为大于2的自然数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510167053.7A CN104751471A (zh) | 2015-04-09 | 2015-04-09 | 一种基于复小波域分解的回转窑火焰图像的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510167053.7A CN104751471A (zh) | 2015-04-09 | 2015-04-09 | 一种基于复小波域分解的回转窑火焰图像的识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104751471A true CN104751471A (zh) | 2015-07-01 |
Family
ID=53591090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510167053.7A Pending CN104751471A (zh) | 2015-04-09 | 2015-04-09 | 一种基于复小波域分解的回转窑火焰图像的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104751471A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740866A (zh) * | 2016-01-22 | 2016-07-06 | 合肥工业大学 | 一种具有仿反馈调节机制的回转窑烧成状态识别方法 |
CN113112739A (zh) * | 2021-04-07 | 2021-07-13 | 杭州申昊科技股份有限公司 | 一种远程火警监控管理系统及其方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1323133A1 (fr) * | 2000-09-21 | 2003-07-02 | L'air Liquide, S.A. à Directoire et Conseil de Surveillance pour l'Etude et l'Exploitation des Procédés Georges Claude | Procede et dispositif de caracterisation ou de controle de zones de fluctuations temporelles d'une scene |
US20090123074A1 (en) * | 2007-11-13 | 2009-05-14 | Chao-Ho Chen | Smoke detection method based on video processing |
CN103578111A (zh) * | 2013-11-13 | 2014-02-12 | 武汉科技大学 | 基于火焰图像结构相似性的回转窑烧成状态识别方法 |
CN103914709A (zh) * | 2014-04-28 | 2014-07-09 | 武汉科技大学 | 一种回转窑火焰燃烧状态在线识别方法 |
-
2015
- 2015-04-09 CN CN201510167053.7A patent/CN104751471A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1323133A1 (fr) * | 2000-09-21 | 2003-07-02 | L'air Liquide, S.A. à Directoire et Conseil de Surveillance pour l'Etude et l'Exploitation des Procédés Georges Claude | Procede et dispositif de caracterisation ou de controle de zones de fluctuations temporelles d'une scene |
US20090123074A1 (en) * | 2007-11-13 | 2009-05-14 | Chao-Ho Chen | Smoke detection method based on video processing |
CN103578111A (zh) * | 2013-11-13 | 2014-02-12 | 武汉科技大学 | 基于火焰图像结构相似性的回转窑烧成状态识别方法 |
CN103914709A (zh) * | 2014-04-28 | 2014-07-09 | 武汉科技大学 | 一种回转窑火焰燃烧状态在线识别方法 |
Non-Patent Citations (3)
Title |
---|
MEHUL P 等: "Complex Wavelet Struetural Similarity: A New Image Similarity Index", 《IEEE TRANS.IMAGE PROCESS》 * |
ZHOU WANG 等: "Image Quality Assessment: From Error Visibility to Struetural Similarity", 《IMAGE PROEESSING》 * |
韩亦勇: "红外与可见光图像融合技术研究", 《中国优秀硕士学位论文全文数据库_信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740866A (zh) * | 2016-01-22 | 2016-07-06 | 合肥工业大学 | 一种具有仿反馈调节机制的回转窑烧成状态识别方法 |
CN105740866B (zh) * | 2016-01-22 | 2018-11-06 | 合肥工业大学 | 一种具有仿反馈调节机制的回转窑烧成状态识别方法 |
CN113112739A (zh) * | 2021-04-07 | 2021-07-13 | 杭州申昊科技股份有限公司 | 一种远程火警监控管理系统及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103578111B (zh) | 基于火焰图像结构相似性的回转窑烧成状态识别方法 | |
CN106368813B (zh) | 一种基于多元时间序列的异常报警数据检测方法 | |
Zhao et al. | Online cement clinker quality monitoring: A soft sensor model based on multivariate time series analysis and CNN | |
US8013864B2 (en) | Method and system for visualizing multivariate statistics | |
Lin et al. | Soft sensor design by multivariate fusion of image features and process measurements | |
Zhang et al. | A Cramér-von Mises test-based distribution-free control chart for joint monitoring of location and scale | |
CN110238556B (zh) | 焊接机器人焊接过程中焊接轨迹实时检测方法 | |
CN104751471A (zh) | 一种基于复小波域分解的回转窑火焰图像的识别方法 | |
CN108549908A (zh) | 基于多采样概率核主成分模型的化工过程故障检测方法 | |
CN103175512B (zh) | 一种混凝土泵车臂架末端位置姿态的摄像测量方法 | |
CN101457267A (zh) | 高炉料面温度场等温线的智能提取方法 | |
CN105740866B (zh) | 一种具有仿反馈调节机制的回转窑烧成状态识别方法 | |
CN109902265B (zh) | 一种基于隐马尔可夫模型的井下预警方法 | |
CN102129688B (zh) | 一种针对复杂背景的运动目标检测方法 | |
CN103914709A (zh) | 一种回转窑火焰燃烧状态在线识别方法 | |
CN101521805A (zh) | 建筑工地安全帽现场检测系统及方法 | |
CN111967323B (zh) | 一种基于深度学习算法的电力带电作业安全检测方法 | |
EP1655570B1 (de) | Verfahren zur optisch-geometrischen Vermessung eines Innenraumes einer Thermoprozessanlage | |
CN109961428B (zh) | 基于流形的非负矩阵分解电熔氧化镁工业故障检测方法 | |
TW202235378A (zh) | 推定裝置、預測裝置、控制裝置、推定系統、預測系統、控制系統、推定程式、預測程式、控制程式、推定方法、預測方法以及控制方法 | |
CN111242935B (zh) | 一种基于机器视觉的耐火砖砖缝图像比对方法 | |
CN109721264B (zh) | 获取智能化水泥工厂烧成带温度设定值方法、装置及设备 | |
CN113673333A (zh) | 电力现场作业中的跌落检测算法 | |
CN102779341B (zh) | 一种新型的基坑施工过程支撑位置的识别方法 | |
CN108733859B (zh) | 蒸汽发生器热处理过程中支撑板形变预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150701 |
|
RJ01 | Rejection of invention patent application after publication |