CN116740052A - 基于火炬视频实时测量火炬排放流量的方法 - Google Patents

Abstract

本发明涉及测量火炬排放流量技术领域，尤其涉及一种基于火炬视频实时测量火炬排放流量的方法。所述方法包括以下步骤：利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频；利用频域增强技术对火炬排放降噪图像序列集进行图像增强处理，得到火炬排放强频图像序列集；通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，得到火焰变化趋势；利用光流估计算法和时间间隔测量技术分析火炬排放强频图像序列中火焰像素点的运动轨迹和移动时间，得到火焰运动特征；根据火炬排放变化趋势、火焰运动特征计及火炬排放外部影响因素利用火炬排放流量算法进行计算，得到火炬排放流量。本发明能够降低测量火炬排放流量安全风险和运行成本。

Description

基于火炬视频实时测量火炬排放流量的方法

技术领域

本发明涉及测量火炬排放流量技术领域，尤其涉及一种基于火炬视频实时测量火炬排放流量的方法。

背景技术

火炬是石油化工、天然气加工等行业中常见的一种装置，用于焚烧过剩或无法回收的碳氢化合物气体，以减少对环境的污染。火炬排放的气体主要包括甲烷、乙烷、丙烷、丁烷等轻烃，以及水蒸气和二氧化碳等。火炬排放的流量是指单位时间内通过火炬头排出的气体总量，通常用标准立方米每小时（Nm3/h）或标准立方英尺每小时（SCFH）表示。火炬排放流量是评价火炬运行效率和环境影响的重要参数，也是相关法规和标准要求监测和控制的指标之一。目前，传统的火炬排放流量测量方法主要有在火炬管道上安装压力传感器，根据压力差计算流量；在火炬管道上安装超声波流量计，利用超声波在气体中传播速度与流速之间的关系计算流量；在火炬管道上安装质谱仪，利用质谱仪对气体成分进行分析，并结合理论模型计算流量。这些方法各有优缺，但都存在需要对火炬管道进行物理接触或安装设备，增加了安全风险和运行成本的问题。

发明内容

基于此，本发明有必要提供一种基于火炬视频实时测量火炬排放流量的方法，以解决至少一个上述技术问题。

为实现上述目的，一种基于火炬视频实时测量火炬排放流量的方法，包括以下步骤：

步骤S1：利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频；对火炬排放高清视频进行视频转图像处理，得到火炬排放图像序列集；并通过传感器获取外部影响因素，得到火炬排放外部影响因素，其中外部影响因素包括燃料材料、燃烧设备与气象温度；

步骤S2：利用图像去噪算法对火炬排放图像序列集中的图片进行去噪处理，得到火炬排放降噪图像序列集；利用频域增强技术对火炬排放降噪图像序列集进行图像增强处理，得到火炬排放强频图像序列集；

步骤S3：通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，并提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集；根据火炬排放轮廓图像序列集计算图片中火焰几何参数，得到火焰变化趋势；

步骤S4：利用光流估计算法和时间间隔测量技术分别分析火炬排放强频图像序列中火焰像素点的运动轨迹和移动时间，进而得到火焰运动特征；

步骤S5：根据火炬排放变化趋势、火焰运动特征计及火炬排放外部影响因素利用火炬排放流量算法进行计算，得到火炬排放流量数据；利用数据可视化技术将火炬排放流量展示于火炬排放高清视频上，得到实时监测火炬排放流量视频。

本发明利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频。在这一步骤中，使用高速摄像头对火炬进行拍摄，以获取火炬排放的实时视频数据。同时，通过传感器获取燃料材料、燃烧设备、气象温度等外部影响因素的数据。对火炬排放高清视频进行视频转图像处理，得到火炬排放图像序列集。在这一步骤中，将火炬排放的高清视频转换成一系列图像，形成图像序列集。然后，利用图像去噪算法对图像序列集中的每张图片进行去噪处理，以降低噪声干扰。接着，使用频域增强技术对降噪后的图像序列集进行图像增强处理，提高图像的清晰度和对比度。通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，并提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集。使用边缘检测算法对图像序列集中的每张图片进行处理，以检测并提取出火焰的轮廓和特征。这些提取得到的轮廓图像序列集将用于后续的计算和分析。利用光流估计算法和时间间隔测量技术分析火炬排放强频图像序列中火焰像素点的运动轨迹和移动时间，得到火焰运动特征。在这一步骤中，使用光流估计算法和时间间隔测量技术来分析火焰在图像序列中的像素点的运动轨迹和移动时间。这些运动特征可以提供关于火焰的运动情况和速度等信息。根据火炬排放变化趋势、火焰运动特征和火炬排放外部影响因素，利用火炬排放流量算法进行计算，得到火炬排放流量。在这一步骤中，将利用火焰轮廓图像序列集和火焰运动特征，结合火炬排放外部影响因素的数据，进行火炬排放流量的计算。通过对火焰变化趋势的监测和火焰运动特征的分析，可以估计火炬排放的流量。最后，利用数据可视化技术将得到的火炬排放流量在火炬排放高清视频上进行展示，得到实时监测火炬排放流量的视频。通过将计算得到的火炬排放流量与火炬排放视频进行叠加，可以直观地观察和监测火焰的流量变化。

优选地，步骤S1包括以下步骤：

步骤S11：利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频；

步骤S12：通过视频处理软件对火炬排放高清视频进行批量导出视频帧处理，得到火炬排放图像序列集；

步骤S13：通过传感器获取燃料材料、燃烧设备、气象温度，得到火炬排放外部影响因素。

本发明使用高速摄像头对火炬进行实时拍摄，以获得火炬排放过程的高清视频数据。高速摄像头能够以较高的帧率拍摄，捕捉到火焰的细节和动态变化。通过实时拍摄高清视频，能够提供火焰排放过程的可视化信息，为后续的分析和处理提供基础。利用视频处理软件对火炬排放的高清视频进行处理。首先，批量导出视频帧，将视频拆分成一系列单独的图像帧。这样可以将每个视频帧作为单独的图像进行处理和分析。接着，对导出的视频帧进行图像处理，如去噪、增强、特征提取等。这些处理可以帮助减少噪声、改善图像质量，并提取出火焰的相关信息。通过使用传感器获取火炬排放过程中燃料材料、燃烧设备和气象温度等外部影响因素的数据。通过传感器测量和监测这些因素，可以获得与火炬排放有关的外部环境条件信息。例如，燃料材料的种类和质量、燃烧设备的参数设置、环境温度等因素都可以对火焰的特性和排放流量产生影响。这些外部影响因素的数据将在后续的火焰流量计算和分析中使用，以提高计算的准确性和可靠性。

优选地，步骤S2包括以下步骤：

步骤S21：利用图像去噪算法对火炬排放图像序列集中的图片进行去噪处理，得到火炬排放降噪图像序列集；

步骤S22：对火炬排放降噪图像序列集进行傅里叶变换，得到火炬排放频谱图像；

步骤S23：利用同态滤波器对火炬排放频谱图像进行滤波处理，得到火炬加强频谱图像；

步骤S24：对火炬加强频谱图像进行傅里叶逆变换，得到火炬排放强频图像序列集。

本发明使用图像去噪算法对火炬排放图像序列集中的每张图片进行去噪处理，图像去噪是一种常见的图像处理技术，旨在减少图像中的噪声，并提高图像质量和细节清晰度。通过对火炬排放图像序列集中的每张图片进行去噪，可以减少图像中的噪声影响，得到更清晰的火炬排放图像序列集。对经过去噪处理的火炬排放图像序列集进行傅里叶变换。傅里叶变换是一种将时域信号转换为频域信号的数学工具，通过应用傅里叶变换，可以将每个图像转换为其频谱表示形式，频谱图像显示了图像中不同空间频率的分量信息对火炬排放图像序列集进行傅里叶变换后，得到了一组频谱图像，其中每个图像表示了火焰在不同频率上的分布情况。使用同态滤波器对火炬排放的频谱图像进行滤波处理。同态滤波器是一种在频域对图像进行调整的滤波器，可用于调整图像的亮度和对比度。通过应用同态滤波器，可以增强火炬排放频谱图像中的特定频率分量，以突出图像中的细节和特征。滤波后的图像称为火炬加强频谱图像，其中火焰的频谱特征被加强。对火炬加强频谱图像序列集进行傅里叶逆变换，将其从频域恢复到时域。傅里叶逆变换是傅里叶变换的逆过程，用于将频谱信号转换回原始时域信号。通过对火炬加强频谱图像序列集进行逆变换，可以得到一组强频图像，这些图像显示了火焰在时域上的强度分布情况，这些强频图像提供了对火焰排放过程的更详细描述。

优选地，步骤S21中的图像去噪算法的函数公式如下所示：

;

式中，为火炬排放降噪图像序列集，/>为控制数据保真项的权重的正则化参数，/>为火炬排放降噪图像序列集中的图片数量，/>为火炬排放降噪图像序列集中第/>张图片，/>为火炬排放图像序列集中第/>张图片，/>为权重矩阵，/>为火炬排放降噪图像序列集中第/>张图片，/>为火炬排放图像序列集中图片的定义域，/>为控制平滑项的权重的正则化参数，/>为火炬排放图像序列集中图片的梯度，/>为控制平滑项形式的参数，/>为积分参数。

本发明构建了一个图像去噪算法的函数公式，用于与对火炬排放图像序列集中的图片进行去噪处理，得到火炬排放降噪图像序列集；该公式充分考虑到了控制数据保真项的权重的正则化参数，火炬排放降噪图像序列集中的图片数量/>，火炬排放降噪图像序列集中第/>张图片/>，火炬排放图像序列集中第/>张图片/>，权重矩阵/>，火炬排放降噪图像序列集中第/>张图片/>，火炬排放图像序列集中图片的定义域/>，控制平滑项的权重的正则化参数/>，火炬排放图像序列集中图片的梯度/>，控制平滑项形式的参数/>，/>是数据保真项，用于度量图像序列集中的每个图像/>与对应的参考图像/>之间的差异。通过最小化这一项，可以使去噪后的图像与参考图像尽可能接近。/>是平滑项，用于促进去噪后图像的平滑性，其中，/>是权重矩阵，用于调整每对图像/>和/>之间的平滑约束，最小化这一项可以减少图像中的噪声和不连续性。/>是另一个平滑项，用于度量图像的梯度平滑性，/>表示图像/>的梯度，/>表示梯度的模的/>次方，通过最小化这一项，可以减少图像中的边缘和细节噪声。

优选地，步骤S3包括以下步骤：

步骤S31：通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，并提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集；

步骤S32：根据火炬排放轮廓图像序列集计算图片中火焰的形状特征参数，得到火焰几何参数；

步骤S33：按时间序列对火炬排放轮廓图像序列集中火焰几何参数进行统计分析，得到火焰变化趋势。

本发明首先使用火焰边缘检测技术对火炬排放强频图像序列集进行处理，对火炬排放强频图像序列集应用边缘算子检测后，可以得到火焰边缘的二值图像。接下来，根据这些二值图像，可以提取火焰的轮廓和特征。轮廓提取可以利用形态学操作或边缘检测结果上的连通区域分析方法。通过提取火焰的轮廓，可以获得每一帧火焰的外形信息。然后，使用火炬排放轮廓图像序列集进行进一步的分析。针对每一帧图像的火焰轮廓，可以计算火焰的形状特征参数。这些参数可以包括火焰的面积、周长、长宽比等。通过计算这些几何参数，可以量化火焰的形状特征。对火焰几何参数按照时间序列进行统计分析。通过对火焰几何参数的变化进行分析，可以得到火焰的演化趋势。例如，可以计算每一帧火焰的面积随时间的变化，进而得到火焰的面积变化趋势。同样地，可以对其他几何参数进行分析，如周长、长宽比等，以获取更多火焰性质的演化信息。

优选地，步骤S31包括以下步骤：

步骤S311：利用火焰边缘检测技术计算火炬排放强频图像序列集中图片的相邻像素之间的梯度，得到火焰像素梯度幅值；

步骤S312：根据预设的梯度阈值对每个火焰像素梯度幅值进行边缘像素判断，火焰像素梯度幅值超过梯度阈值的像素确定为边缘像素，得到火焰边缘像素集；

步骤S313：根据火焰边缘像素集提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集。

本发明火焰边缘检测常常使用梯度算子来捕捉图像中的边缘信息。一种常用的梯度算子是Sobel算子，它能够计算图像中每个像素的梯度值。梯度值表示图像在该像素位置上的强度变化情况。火焰边缘检测常常使用梯度算子来捕捉图像中的边缘信息。一种常用的梯度算子是Sobel算子，它能够计算图像中每个像素的梯度值。梯度值表示图像在该像素位置上的强度变化情况。根据预设的梯度阈值对每个火焰像素的梯度幅值进行边缘像素判断。如果某个像素的梯度幅值超过了预设的梯度阈值，将其确定为边缘像素，即可能属于火焰的边缘。通过设定梯度阈值，可以控制边缘检测的敏感度。较高的阈值可以获得较明显的边缘信息，但可能会遗漏一些细微的边缘。较低的阈值则可以捕捉更多的边缘，但也可能引入一些噪声。通过对每个火焰像素进行边缘像素判断，可以得到一个火焰边缘像素集，其中包含了可能属于火焰边缘的像素。根据火焰边缘像素集来提取火炬的轮廓和特征，从而得到火炬排放轮廓图像序列集。通过对火焰边缘像素集进行处理，可以使用轮廓提取算法（如连通区域分析）来获得火焰的轮廓形状。轮廓提取可以将相连的边缘像素组合成闭合的曲线，代表火焰的形状。提取到的轮廓可以被视为火焰在图像中的边界，具有一定的几何特征。可以进一步分析这些轮廓，计算火焰的面积、周长等几何参数，以获取更详细的火焰特征。

优选地，步骤S4包括以下步骤：

步骤S41：利用光流估计算法计算火炬排放强频图像序列中相邻图片的火焰像素点的运动向量，得到火焰像素点运动轨迹；

步骤S42：利用时间间隔测量技术对火炬排放强频图像序列中的相邻图片计算图片之间的时间差，得到火焰像素点移动时间；

步骤S43：对火焰像素点运动轨迹和火焰像素点移动时间进行数据分析，得到火焰运动特征。

本发明使用光流估计算法来计算火焰排放强频图像序列中相邻图片中火焰像素点的运动向量，从而得到火焰像素点的运动轨迹。光流估计是一种用于分析图像序列中像素点运动的技术。它基于一个关键假设：相邻帧中的像素点在短时间内的运动可以近似为像素的亮度值不变。根据这个假设，可以通过分析像素点在相邻帧中的亮度值变化来估计像素点的运动向量。对于火焰排放强频图像序列中的相邻图片，使用光流估计算法，如Lucas-Kanade算法或Horn-Schunck算法，计算出火焰像素点的运动向量。每个像素点的运动向量表示了它在相邻帧之间的位移情况。通过收集所有火焰像素点的运动向量，可以得到火焰像素点的运动轨迹。利用时间间隔测量技术对火焰排放强频图像序列中的相邻图片计算图片之间的时间差，从而得到火焰像素点的移动时间。时间间隔测量常常使用帧率来估计相邻图片之间的时间差。帧率是指单位时间内连续显示的图像帧数。通过知道视频的帧率，可以计算出相邻图片之间的时间间隔。火焰像素点的移动时间可以通过相邻图片之间的时间差与运动轨迹中的每个向量对应的帧数进行计算。通过对火焰像素点的运动轨迹进行分析，可以获取火焰在图像序列中的运动模式和方向。例如，可以计算运动轨迹的平均位移，以了解火焰的整体运动速度；还可以计算运动轨迹的方向，以确定火焰的流向。通过对火焰像素点的移动时间进行分析，可以获得火焰像素点在相邻图片中的移动速度。这可以帮助了解火焰的运动快慢和变化频率。

优选地，步骤S41包含以下步骤：

使用光流技术算法计算火炬排放强频图像序列中相邻图片的火焰像素点的位移，得到火焰像素点的运动向量；

其中，光流技术算法的公式如下所示：

;

;

式中，为火焰像素点的水平运动向量，/>为火焰像素点的垂直运动向量，/>为图像域，/>为火炬排放强频图像序列中第/>张图片，/>为水平方向坐标轴，/>为垂直方向坐标轴，/>为正则化参数，/>为火焰像素点水平运动向量/>的梯度，/>为火焰像素点垂直运动向量/>的梯度，/>和/>均为边界条件函数，/>为图像边界；

本发明构建了一个光流技术算法的公式，用于计算火炬排放强频图像序列中相邻图片的火焰像素点的位移，得到火焰像素点的运动向量；该公式充分考虑了火焰像素点的水平运动向量，火焰像素点的垂直运动向量/>，图像域/>，火炬排放强频图像序列中第/>张图片/>，水平方向坐标轴/>，垂直方向坐标轴/>，正则化参数/>，火焰像素点水平运动向量/>的梯度/>，火焰像素点垂直运动向量/>的梯度/>，边界条件函数/>和/>，图像边界/>；其中，表示火焰像素点在图像序列中的运动对梯度贡献的乘积且图像亮度不变性约束项，它衡量了像素点在不同帧之间的亮度变化。/>用于平滑运动场和防止过拟合。/>这部分表示边界条件，指定了在图像边界/>上的像素点的运动向量必须等于给定的边界条件函数/>和/>，这样可以确保光流场在边界上具有合理的运动。该公式通过最小化优化目标函数来求解火焰像素点的运动向量。其中，亮度不变性约束项度量了火焰像素点在图像序列中梯度贡献的平方和，而正则化项则平滑了运动场并防止过拟合。边界条件确保了光流场在图像边界上的准确性。整个任务的目标是找到最优的运动向量估计，以获得火焰像素点的运动轨迹。

根据火焰像素点的运动向量，跟踪火焰像素点的运动轨迹，得到火焰像素点的运动轨迹。

本发明通过计算火焰像素点的运动向量，可以获得火焰的运动信息，包括水平和垂直方向的运动分量。这可以帮助量化火焰的移动速度和方向。通过跟踪火焰像素点的运动向量，可以为每个像素点建立一个运动轨迹。根据连续的运动向量，可以重构火焰像素点的运动轨迹，了解火焰在图像序列中的整体运动模式。这对于分析火焰的动态行为和研究火焰的运动特征非常有益。通过观察火焰像素点的位移和运动轨迹，可以得到关于火焰行为的有用信息。例如，可以检测火焰的旋转、膨胀或螺旋运动等特殊运动模式。这些信息可以帮助了解火焰的燃烧状态、燃烧过程中的变化和火势的发展趋势。

优选地，步骤S5包括以下步骤：

步骤S51：基于火炬排放变化趋势、火焰运动特征计及火炬排放外部影响因素，利用火炬排放流量算法计算得到火炬排放流量数据；

步骤S52：将火炬排放的几何参数、火焰运动特征、火炬排放外部影响因素数据及火炬排放流量数据集成为火炬排放实时测量数据；

步骤S53：利用数据可视化技术将火炬排放实时测量数据展示于火炬排放高清视频上，得到实时监测火炬排放流量视频。

本发明通过火焰流量的计算，可以量化火炬排放的气体或物质的释放量，基于火炬排放变化趋势、火焰运动特征和火炬排放外部影响因素，火炬排放流量算法可以精确计算火焰的流量；基于火炬排放变化趋势、火焰运动特征和火炬排放外部影响因素，火炬排放流量算法可以精确计算火焰的流量。将火炬排放的几何参数、火焰运动特征、火炬排放外部影响因素数据和火炬排放流量数据集成为火炬排放实时测量数据有助于实现全面的火焰监测和分析。整合多个参数可以提供更全面的火焰特征信息，增强对火焰排放的了解和掌握。火炬排放实时测量数据的集成为后续的数据分析和决策提供了基础，支持科学管理和监控火焰排放。利用数据可视化技术将火炬排放实时测量数据展示于火炬排放高清视频上，可以直观地展示火焰流量的变化和排放情况。实时监测火炬排放流量视频可以提供直观的可视化信息，帮助操作人员实时了解火焰的排放情况和流量变化。通过可视化展示，可以更好地进行火焰排放的分析、监测和决策，提高对排放过程的掌控水平。

优选地，步骤S51中的火炬排放流量算法的公式如下所示：

;

式中，为火炬排放流量，/>为空气密度，/>为阻力系数，/>为火焰轮廓面积，/>为重力加速度，/>为火炬高度，/>为火炬倾角，/>为环境温度，/>为火焰颜色，/>为火焰速度平均值，/>为火焰长度，/>为修正因子，/>为风速，/>为大气压力，/>为空气湿度。

本发明构建了一个火炬排放流量算法的公式，用于计算得到火炬排放流量；该公式充分考虑到火炬排放流量，表示单位时间内从火炬排放的气体或物质的量；空气密度/>，阻力系数/>，描述火焰运动时所受到的阻力大小，它是一个无量纲系数，通常是通过实验和经验确定的；火焰轮廓面积/>，表示火焰在平面投影上的面积；重力加速度/>，表示火焰在平面投影上的面积；火炬高度/>，表示火焰在平面投影上的面积；火炬倾角/>，表示火焰与水平面之间的夹角；环境温度/>，表示环境中的温度；火焰颜色/>，描述火焰的颜色特性，可以以数值或者分类的方式表示；火焰速度平均值/>；火焰长度/>，指火焰从火焰底部到火焰顶部的垂直距离；修正因子/>，风速/>，大气压力/>，空气湿度/>，修正因子可以校正因环境条件变化而引起的影响，以提高计算的准确性。将这些变量和参数结合在一起，并进行适当的数学计算，公式可以估算和计算火焰排放的流量。每一项都代表了火焰排放的不同方面，通过综合考虑这些因素，可以对火焰排放的流量进行量化和监测。

附图说明

通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明基于火炬视频实时测量火炬视频排放流量的步骤流程示意图；

图2为图1中步骤S1的详细步骤流程示意图；

图3为图1中步骤S2的详细步骤流程示意图；

图4为图1中步骤S3的详细步骤流程示意图；

图5为图4中步骤S31的详细步骤流程示意图；

图6为图1中步骤S4的详细步骤流程示意图；

图7为图1中步骤S5的详细步骤流程示意图。

具体实施方式

下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

为实现上述目的，请参阅图1至图7，本发明提供了一种基于火炬视频实时测量火炬排放流量的方法，所述方法包括以下步骤：

步骤S1：利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频；对火炬排放高清视频进行视频转图像处理，得到火炬排放图像序列集；并通过传感器获取外部影响因素，得到火炬排放外部影响因素，其中外部影响因素包括燃料材料、燃烧设备与气象温度；

步骤S2：利用图像去噪算法对火炬排放图像序列集中的图片进行去噪处理，得到火炬排放降噪图像序列集；利用频域增强技术对火炬排放降噪图像序列集进行图像增强处理，得到火炬排放强频图像序列集；

步骤S3：通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，并提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集；根据火炬排放轮廓图像序列集计算图片中火焰几何参数，得到火焰变化趋势；

步骤S4：利用光流估计算法和时间间隔测量技术分别分析火炬排放强频图像序列中火焰像素点的运动轨迹和移动时间，进而得到火焰运动特征；

步骤S5：根据火炬排放变化趋势、火焰运动特征计及火炬排放外部影响因素利用火炬排放流量算法进行计算，得到火炬排放流量数据；利用数据可视化技术将火炬排放流量展示于火炬排放高清视频上，得到实时监测火炬排放流量视频。

本发明实施例中，参考图1所述，为本发明一种基于火炬视频实时测量火炬排放流量的方法的步骤流程示意图，在本实例中，所述基于火炬视频实时测量火炬排放流量的方法的步骤包括：

步骤S1：利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频；对火炬排放高清视频进行视频转图像处理，得到火炬排放图像序列集；并通过传感器获取外部影响因素，得到火炬排放外部影响因素，其中外部影响因素包括燃料材料、燃烧设备与气象温度；

本发明实施例使用高速摄像头对火炬进行实时拍摄。确保摄像头的设置和参数适合捕捉火焰的细节和运动。将拍摄到的视频转换为图像序列集。可以使用视频处理软件或编程语言中的库来提取视频中的每一帧图像。安装传感器来获取火炬排放的外部影响因素，如燃料材料、燃烧设备和气象温度等。确保传感器准确测量并记录这些影响因素的值。

步骤S2：利用图像去噪算法对火炬排放图像序列集中的图片进行去噪处理，得到火炬排放降噪图像序列集；利用频域增强技术对火炬排放降噪图像序列集进行图像增强处理，得到火炬排放强频图像序列集；

本发明实施例对火焰排放图像序列集中的图像进行去噪处理。可以使用图像处理算法，如中值滤波、高斯滤波等，根据火焰图像的特点选择适当的去噪方法。运用频域增强技术对火焰排放降噪图像序列集进行处理。例如，可以应用傅里叶变换来增强图像中的频域特征，如边缘和细节。

步骤S3：通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，并提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集；根据火炬排放轮廓图像序列集计算图片中火焰几何参数，得到火焰变化趋势；

本发明实施例使用火焰边缘检测技术对火焰排放强频图像序列集进行处理。常用的边缘检测算法包括Canny边缘检测、Sobel算子等。这些算法可以提取火焰的边缘，并得到火焰的轮廓信息。基于火焰排放轮廓图像序列集，计算火焰的几何参数。这些参数可以包括火焰的面积、高度、宽度等。通过分析这些参数随时间的变化，可以得到火焰的变化趋势。

步骤S4：利用光流估计算法和时间间隔测量技术分别分析火炬排放强频图像序列中火焰像素点的运动轨迹和移动时间，进而得到火焰运动特征；

本发明实施例运用光流估计算法来分析火焰排放强频图像序列中的火焰像素点的运动轨迹和移动时间。光流估计算法可以检测图像中的运动模式，并提供火焰的运动特征。

步骤S5：根据火炬排放变化趋势、火焰运动特征计及火炬排放外部影响因素利用火炬排放流量算法进行计算，得到火炬排放流量数据；利用数据可视化技术将火炬排放流量展示于火炬排放高清视频上，得到实时监测火炬排放流量视频。

本发明实施例根据火焰排放变化趋势、火焰运动特征和火焰排放外部影响因素的值，利用火炬排放流量算法进行计算。代入公式中的变量和参数，并进行相应运算，得到火焰排放流量。使用数据可视化技术将计算得到的火焰排放流量展示于火焰排放高清视频上。这可以通过在视频上叠加文本或图表来实现，以便实时监测火焰排放流量的变化。

本发明利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频。在这一步骤中，使用高速摄像头对火炬进行拍摄，以获取火炬排放的实时视频数据。同时，通过传感器获取燃料材料、燃烧设备、气象温度等外部影响因素的数据。对火炬排放高清视频进行视频转图像处理，得到火炬排放图像序列集。在这一步骤中，将火炬排放的高清视频转换成一系列图像，形成图像序列集。然后，利用图像去噪算法对图像序列集中的每张图片进行去噪处理，以降低噪声干扰。接着，使用频域增强技术对降噪后的图像序列集进行图像增强处理，提高图像的清晰度和对比度。通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，并提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集。使用边缘检测算法对图像序列集中的每张图片进行处理，以检测并提取出火焰的轮廓和特征。这些提取得到的轮廓图像序列集将用于后续的计算和分析。利用光流估计算法和时间间隔测量技术分析火炬排放强频图像序列中火焰像素点的运动轨迹和移动时间，得到火焰运动特征。在这一步骤中，使用光流估计算法和时间间隔测量技术来分析火焰在图像序列中的像素点的运动轨迹和移动时间。这些运动特征可以提供关于火焰的运动情况和速度等信息。根据火炬排放变化趋势、火焰运动特征和火炬排放外部影响因素，利用火炬排放流量算法进行计算，得到火炬排放流量。在这一步骤中，将利用火焰轮廓图像序列集和火焰运动特征，结合火炬排放外部影响因素的数据，进行火炬排放流量的计算。通过对火焰变化趋势的监测和火焰运动特征的分析，可以估计火炬排放的流量。最后，利用数据可视化技术将得到的火炬排放流量在火炬排放高清视频上进行展示，得到实时监测火炬排放流量的视频。通过将计算得到的火炬排放流量与火炬排放视频进行叠加，可以直观地观察和监测火焰的流量变化。

优选地，步骤S1包括以下步骤：

步骤S11：利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频；

步骤S12：通过视频处理软件对火炬排放高清视频进行批量导出视频帧处理，得到火炬排放图像序列集；

步骤S13：通过传感器获取燃料材料、燃烧设备、气象温度，得到火炬排放外部影响因素。

作为本发明的一个实施例，参考图2所示，为图1中步骤S1的详细步骤流程示意图，在本实施例中步骤S1包括以下步骤：

步骤S11：利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频；

本发明实施例需要准备一台高速摄像头，确保其设置和参数适合捕捉火焰的细节和运动，将摄像头合理安装在适当的位置，以便能够清晰地拍摄到火炬的排放过程，启动高速摄像头，并设置适当的帧率和分辨率，以获得高清的视频录像，确保相机对焦准确，并调整其他设置如曝光时间和白平衡以适应环境条件，开始拍摄火焰排放过程，并确保记录足够长的时间，以获得充分的视频素材。

步骤S12：通过视频处理软件对火炬排放高清视频进行批量导出视频帧处理，得到火炬排放图像序列集；

本发明实施例使用视频处理软件，如Adobe Premiere、Final Cut Pro等，打开火焰排放高清视频文件，导入视频文件并选择需要处理的片段，可以根据需要剪切或截取视频；如果需要批量操作，将视频文件按需导入到软件中的处理列表中，使用软件的批量导出功能，设置输出路径和文件格式，选择图像序列作为输出选项，运行批量导出操作，软件将自动将视频分解为一系列图像帧，并按顺序导出到指定的文件夹中，形成火焰排放图像序列集。

步骤S13：通过传感器获取燃料材料、燃烧设备、气象温度等外部影响因素，得到火炬排放外部影响因素。

本发明实施例确定需要监测的外部影响因素，如燃料材料、燃烧设备和气象温度，安装相应的传感器来测量和获取这些影响因素的数据，根据具体的影响因素，选择合适的传感器，如燃料材料使用重量传感器、燃烧设备温度使用温度传感器等。将传感器与数据采集系统或控制系统连接，确保传感器的信号能够准确采集和记录，在数据采集系统或控制系统中设置相应的数据采集参数和采集频率，以获取外部影响因素的实时数据，对获取到的数据进行实时记录，可以保存到文件中或通过网络传输至分析系统用于后续处理和分析。

本发明使用高速摄像头对火炬进行实时拍摄，以获得火炬排放过程的高清视频数据。高速摄像头能够以较高的帧率拍摄，捕捉到火焰的细节和动态变化。通过实时拍摄高清视频，能够提供火焰排放过程的可视化信息，为后续的分析和处理提供基础。利用视频处理软件对火炬排放的高清视频进行处理。首先，批量导出视频帧，将视频拆分成一系列单独的图像帧。这样可以将每个视频帧作为单独的图像进行处理和分析。接着，对导出的视频帧进行图像处理，如去噪、增强、特征提取等。这些处理可以帮助减少噪声、改善图像质量，并提取出火焰的相关信息。通过使用传感器获取火炬排放过程中燃料材料、燃烧设备和气象温度等外部影响因素的数据。通过传感器测量和监测这些因素，可以获得与火炬排放有关的外部环境条件信息。例如，燃料材料的种类和质量、燃烧设备的参数设置、环境温度等因素都可以对火焰的特性和排放流量产生影响。这些外部影响因素的数据将在后续的火焰流量计算和分析中使用，以提高计算的准确性和可靠性。

优选地，步骤S2包括以下步骤：

步骤S21：利用图像去噪算法对火炬排放图像序列集中的图片进行去噪处理，得到火炬排放降噪图像序列集；

步骤S22：对火炬排放降噪图像序列集进行傅里叶变换，得到火炬排放频谱图像；

步骤S23：利用同态滤波器对火炬排放频谱图像进行滤波处理，得到火炬加强频谱图像；

步骤S24：对火炬加强频谱图像进行傅里叶逆变换，得到火炬排放强频图像序列集。

作为本发明的一个实施例，参考图3所示，为图1中步骤S2的详细步骤流程示意图，在本实施例中步骤S2包括以下步骤：

步骤S21：利用图像去噪算法对火炬排放图像序列集中的图片进行去噪处理，得到火炬排放降噪图像序列集；

本发明实施例针对火炬排放图像序列集中的每个图像，选择适当的图像去噪算法。常用的算法包括均值滤波、中值滤波、高斯滤波等；使用图像处理软件，如OpenCV、AdobePhotoshop等，打开火炬排放图像序列集，对每个图像应用所选的图像去噪算法，根据算法的参数进行调整，以达到合适的去噪效果；逐个处理图像，将去噪后的图像保存到新的图像序列集中，形成火炬排放降噪图像序列集。

步骤S22：对火炬排放降噪图像序列集进行傅里叶变换，得到火炬排放频谱图像；

本发明实施例使用图像处理库或软件，针对火炬排放降噪图像序列集中的每个图像，进行傅里叶变换。对每个图像应用傅里叶变换算法，将图像转换到频域，得到火炬排放的频谱图像，对得到的频谱图像进行适当的缩放和调整，以便更好地观察和分析频谱信息。

步骤S23：利用同态滤波器对火炬排放频谱图像进行滤波处理，得到火炬加强频谱图像；

本发明实施例使用图像处理库或软件，例如OpenCV，选择合适的同态滤波器算法。同态滤波器可以同时调整图像的亮度和对比度，适用于火炬排放频谱图像的滤波处理，将火炬排放频谱图像导入图像处理软件中，应用所选的同态滤波器算法，根据同态滤波器算法的参数，对频谱图像进行滤波处理，以增强所需的频谱信息。

步骤S24：对火炬加强频谱图像进行傅里叶逆变换，得到火炬排放强频图像序列集。

本发明实施例对经过同态滤波处理后的频谱图像序列集，使用图像处理库或软件进行傅里叶逆变换，将每个频谱图像应用傅里叶逆变换算法，将图像从频域转换回空域，得到火炬排放强频图像序列集，对逆变换后的图像进行适当的调整和后处理，以优化图像的质量和效果。

本发明使用图像去噪算法对火炬排放图像序列集中的每张图片进行去噪处理，图像去噪是一种常见的图像处理技术，旨在减少图像中的噪声，并提高图像质量和细节清晰度。通过对火炬排放图像序列集中的每张图片进行去噪，可以减少图像中的噪声影响，得到更清晰的火炬排放图像序列集。对经过去噪处理的火炬排放图像序列集进行傅里叶变换。傅里叶变换是一种将时域信号转换为频域信号的数学工具，通过应用傅里叶变换，可以将每个图像转换为其频谱表示形式，频谱图像显示了图像中不同空间频率的分量信息对火炬排放图像序列集进行傅里叶变换后，得到了一组频谱图像，其中每个图像表示了火焰在不同频率上的分布情况。使用同态滤波器对火炬排放的频谱图像进行滤波处理。同态滤波器是一种在频域对图像进行调整的滤波器，可用于调整图像的亮度和对比度。通过应用同态滤波器，可以增强火炬排放频谱图像中的特定频率分量，以突出图像中的细节和特征。滤波后的图像称为火炬加强频谱图像，其中火焰的频谱特征被加强。对火炬加强频谱图像序列集进行傅里叶逆变换，将其从频域恢复到时域。傅里叶逆变换是傅里叶变换的逆过程，用于将频谱信号转换回原始时域信号。通过对火炬加强频谱图像序列集进行逆变换，可以得到一组强频图像，这些图像显示了火焰在时域上的强度分布情况，这些强频图像提供了对火焰排放过程的更详细描述。

优选地，步骤S21中的图像去噪算法的函数公式如下所示：

;

式中，为火炬排放降噪图像序列集，/>为控制数据保真项的权重的正则化参数，/>为火炬排放降噪图像序列集中的图片数量，/>为火炬排放降噪图像序列集中第/>张图片，/>为火炬排放图像序列集中第/>张图片，/>为权重矩阵，/>为火炬排放降噪图像序列集中第/>张图片，/>为火炬排放图像序列集中图片的定义域，/>为控制平滑项的权重的正则化参数，/>为火炬排放图像序列集中图片的梯度，/>为控制平滑项形式的参数，/>为积分参数。

本发明构建了一个图像去噪算法的函数公式，用于与对火炬排放图像序列集中的图片进行去噪处理，得到火炬排放降噪图像序列集；该公式充分考虑到了控制数据保真项的权重的正则化参数，火炬排放降噪图像序列集中的图片数量/>，火炬排放降噪图像序列集中第/>张图片/>，火炬排放图像序列集中第/>张图片/>，权重矩阵/>，火炬排放降噪图像序列集中第/>张图片/>，火炬排放图像序列集中图片的定义域/>，控制平滑项的权重的正则化参数/>，火炬排放图像序列集中图片的梯度/>，控制平滑项形式的参数/>，/>是数据保真项，用于度量图像序列集中的每个图像/>与对应的参考图像/>之间的差异。通过最小化这一项，可以使去噪后的图像与参考图像尽可能接近。/>是平滑项，用于促进去噪后图像的平滑性，其中，/>是权重矩阵，用于调整每对图像/>和/>之间的平滑约束，最小化这一项可以减少图像中的噪声和不连续性。/>是另一个平滑项，用于度量图像的梯度平滑性，/>表示图像/>的梯度，/>表示梯度的模的/>次方，通过最小化这一项，可以减少图像中的边缘和细节噪声。

优选地，步骤S3包括以下步骤：

步骤S31：通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，并提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集；

步骤S32：根据火炬排放轮廓图像序列集计算图片中火焰的形状特征参数，得到火焰几何参数；

步骤S33：按时间序列对火炬排放轮廓图像序列集中火焰几何参数进行统计分析，得到火焰变化趋势。

作为本发明的一个实施例，参考图4所示，为图1中步骤S3的详细步骤流程示意图，在本实施例中步骤S3包括以下步骤：

步骤S31：通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，并提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集；

本发明实施例使用边缘检测算法进行火焰边缘检测，常见的算法包括Canny边缘检测、Sobel算子等。选择合适的边缘检测算法根据具体情况和需求进行决定，针对火炬排放强频图像序列集中的每个图像，应用所选的边缘检测算法，提取火焰的边缘信息；可以使用图像处理库或软件，如OpenCV，导入火炬排放强频图像序列集并应用边缘检测算法，对于每个图像，提取得到的火焰边缘可以用来构建火焰轮廓，形成火炬排放轮廓图像序列集。

步骤S32：根据火炬排放轮廓图像序列集计算图片中火焰的形状特征参数，得到火焰几何参数；

本发明实施例对火炬排放轮廓图像序列集中的每个图像，通过图像分析和处理技术计算图像中火焰的形状特征参数，常见的火焰几何参数包括面积、周长、长宽比、圆度等。可以使用图像处理库或软件，如OpenCV，计算这些参数。对每个图像，应用合适的图像分析算法，提取火焰的几何特征并计算所需的参数。

步骤S33：按时间序列对火炬排放轮廓图像序列集中火焰几何参数进行统计分析，得到火焰变化趋势。

本发明实施例对火炬排放轮廓图像序列集中的火焰几何参数进行时间序列分析和统计。可以使用统计分析工具，如MATLAB、Python中的NumPy和Pandas等。统计分析可以包括计算火焰几何参数的平均值、方差、最大最小值等，以及绘制时间序列图、趋势线等。分析得到的火焰几何参数的变化趋势可以提供关于火焰的大小、形状等信息，帮助理解和解释火焰排放的变化。

本发明首先使用火焰边缘检测技术对火炬排放强频图像序列集进行处理，对火炬排放强频图像序列集应用边缘算子检测后，可以得到火焰边缘的二值图像。接下来，根据这些二值图像，可以提取火焰的轮廓和特征。轮廓提取可以利用形态学操作或边缘检测结果上的连通区域分析方法。通过提取火焰的轮廓，可以获得每一帧火焰的外形信息。然后，使用火炬排放轮廓图像序列集进行进一步的分析。针对每一帧图像的火焰轮廓，可以计算火焰的形状特征参数。这些参数可以包括火焰的面积、周长、长宽比等。通过计算这些几何参数，可以量化火焰的形状特征。对火焰几何参数按照时间序列进行统计分析。通过对火焰几何参数的变化进行分析，可以得到火焰的演化趋势。例如，可以计算每一帧火焰的面积随时间的变化，进而得到火焰的面积变化趋势。同样地，可以对其他几何参数进行分析，如周长、长宽比等，以获取更多火焰性质的演化信息。

优选地，步骤S31包括以下步骤：

步骤S311：利用火焰边缘检测技术计算火炬排放强频图像序列集中图片的相邻像素之间的梯度，得到火焰像素梯度幅值；

步骤S312：根据预设的梯度阈值对每个火焰像素梯度幅值进行边缘像素判断，火焰像素梯度幅值超过梯度阈值的像素确定为边缘像素，得到火焰边缘像素集；

步骤S313：根据火焰边缘像素集提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集。

作为本发明的一个实施例，参考图5所示，为图4中步骤S31的详细步骤流程示意图，在本实施例中步骤S31包括以下步骤：

步骤S311：利用火焰边缘检测技术计算火炬排放强频图像序列集中图片的相邻像素之间的梯度，得到火焰像素梯度幅值；

本发明实施例对于火炬排放强频图像序列集中的每一张图像，将其转换为灰度图像。可以使用图像处理库或软件，如OpenCV，将图像转换为灰度。对灰度图像应用梯度算子计算相邻像素之间的梯度。这些算子可以帮助检测图像中的边缘信息。使用所选的梯度算子对图像进行卷积操作，得到水平和垂直方向上的梯度值。计算每个像素位置的梯度幅值，可以通过将水平和垂直梯度的平方和开方得到。

步骤S312：根据预设的梯度阈值对每个火焰像素梯度幅值进行边缘像素判断，火焰像素梯度幅值超过梯度阈值的像素确定为边缘像素，得到火焰边缘像素集；

本发明实施例预设一个梯度阈值，用于判断火焰像素是否为边缘像素。阈值可以根据具体情况进行选择，以保留较明显的边缘信息并滤除噪声。对火焰像素的梯度幅值进行遍历，比较每个像素的梯度幅值与梯度阈值。如果火焰像素的梯度幅值超过梯度阈值，则将该像素确定为边缘像素。

步骤S313：根据火焰边缘像素集提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集。

本发明实施例根据得到的火焰边缘像素集，可以使用轮廓提取算法，如OpenCV中的findContours函数，对图像进行轮廓提取。使用findContours函数可以找到图像中的所有闭合轮廓并存储为轮廓集合。对于每个轮廓，可以进一步提取火炬的轮廓特征，如面积、周长等。可以使用OpenCV中的contourArea和arcLength函数计算这些特征。

本发明火焰边缘检测常常使用梯度算子来捕捉图像中的边缘信息。一种常用的梯度算子是Sobel算子，它能够计算图像中每个像素的梯度值。梯度值表示图像在该像素位置上的强度变化情况。火焰边缘检测常常使用梯度算子来捕捉图像中的边缘信息。一种常用的梯度算子是Sobel算子，它能够计算图像中每个像素的梯度值。梯度值表示图像在该像素位置上的强度变化情况。根据预设的梯度阈值对每个火焰像素的梯度幅值进行边缘像素判断。如果某个像素的梯度幅值超过了预设的梯度阈值，将其确定为边缘像素，即可能属于火焰的边缘。通过设定梯度阈值，可以控制边缘检测的敏感度。较高的阈值可以获得较明显的边缘信息，但可能会遗漏一些细微的边缘。较低的阈值则可以捕捉更多的边缘，但也可能引入一些噪声。通过对每个火焰像素进行边缘像素判断，可以得到一个火焰边缘像素集，其中包含了可能属于火焰边缘的像素。根据火焰边缘像素集来提取火炬的轮廓和特征，从而得到火炬排放轮廓图像序列集。通过对火焰边缘像素集进行处理，可以使用轮廓提取算法（如连通区域分析）来获得火焰的轮廓形状。轮廓提取可以将相连的边缘像素组合成闭合的曲线，代表火焰的形状。提取到的轮廓可以被视为火焰在图像中的边界，具有一定的几何特征。可以进一步分析这些轮廓，计算火焰的面积、周长等几何参数，以获取更详细的火焰特征。

优选地，步骤S4包括以下步骤：

步骤S41：利用光流估计算法计算火炬排放强频图像序列中相邻图片的火焰像素点的运动向量，得到火焰像素点运动轨迹；

步骤S42：利用时间间隔测量技术对火炬排放强频图像序列中的相邻图片计算图片之间的时间差，得到火焰像素点移动时间；

步骤S43：对火焰像素点运动轨迹和火焰像素点移动时间进行数据分析，得到火焰运动特征。

作为本发明的一个实施例，参考图6所示，为图1中步骤S4的详细步骤流程示意图，在本实施例中步骤S4包括以下步骤：

步骤S41：利用光流估计算法计算火炬排放强频图像序列中相邻图片的火焰像素点的运动向量，得到火焰像素点运动轨迹；

本发明实施例使用光流估计算法对火焰排放强频图像序列中的相邻图片计算火焰像素点的运动向量。常用的光流估计算法包括Lucas-Kanade光流算法和基于金字塔的法算法（例如金字塔Lucas-Kanade算法）。在每对相邻图片中，选择一组火焰像素点作为特征点，可以选择边缘像素或其他具有明显运动的像素点。这些特征点将用于光流估计；对选定的特征点应用光流估计算法，计算得到每个特征点的运动向量。运动向量表示特征点在相邻图片之间的位移量。

步骤S42：利用时间间隔测量技术对火炬排放强频图像序列中的相邻图片计算图片之间的时间差，得到火焰像素点移动时间；

本发明实施例使用时间间隔测量技术计算火焰排放强频图像序列中的相邻图片之间的时间差。可以使用图像采集系统或视频处理库提供的时间戳信息，确定每个相邻图片的时间戳。

对每对相邻图片的时间戳进行减法操作，得到两张图片之间的时间差。这个时间差可以表示火焰像素点的移动时间。

步骤S43：对火焰像素点运动轨迹和火焰像素点移动时间进行数据分析，得到火焰运动特征。

本发明实施例对于得到的火焰像素点运动轨迹和火焰像素点移动时间，进行数据分析以提取火焰的运动特征，可以使用各种数据分析方法，如统计学方法、机器学习或深度学习技术，根据具体需求从运动轨迹和移动时间中提取火焰的特征，可能的火焰运动特征包括平均速度、加速度、运动方向、运动模式等。这些特征可以帮助理解火焰的运动行为和变化规律。

本发明使用光流估计算法来计算火焰排放强频图像序列中相邻图片中火焰像素点的运动向量，从而得到火焰像素点的运动轨迹。光流估计是一种用于分析图像序列中像素点运动的技术。它基于一个关键假设：相邻帧中的像素点在短时间内的运动可以近似为像素的亮度值不变。根据这个假设，可以通过分析像素点在相邻帧中的亮度值变化来估计像素点的运动向量。对于火焰排放强频图像序列中的相邻图片，使用光流估计算法，如Lucas-Kanade算法或Horn-Schunck算法，计算出火焰像素点的运动向量。每个像素点的运动向量表示了它在相邻帧之间的位移情况。通过收集所有火焰像素点的运动向量，可以得到火焰像素点的运动轨迹。利用时间间隔测量技术对火焰排放强频图像序列中的相邻图片计算图片之间的时间差，从而得到火焰像素点的移动时间。时间间隔测量常常使用帧率来估计相邻图片之间的时间差。帧率是指单位时间内连续显示的图像帧数。通过知道视频的帧率，可以计算出相邻图片之间的时间间隔。火焰像素点的移动时间可以通过相邻图片之间的时间差与运动轨迹中的每个向量对应的帧数进行计算。通过对火焰像素点的运动轨迹进行分析，可以获取火焰在图像序列中的运动模式和方向。例如，可以计算运动轨迹的平均位移，以了解火焰的整体运动速度；还可以计算运动轨迹的方向，以确定火焰的流向。通过对火焰像素点的移动时间进行分析，可以获得火焰像素点在相邻图片中的移动速度。这可以帮助了解火焰的运动快慢和变化频率。

优选地，步骤S41包含以下步骤：

使用光流技术算法计算火炬排放强频图像序列中相邻图片的火焰像素点的位移，得到火焰像素点的运动向量；

本发明实施例选择合适的光流计算算法，常用的算法包括Lucas-Kanade光流算法、Horn-Schunck光流算法和基于深度学习的光流算法（如FlowNet）。通过相邻图片间的亮度变化来计算火焰像素点的光流。对于每对相邻图片，在光流算法中输入前一帧图像和当前帧图像。对于每个火焰像素点，计算得到相应的运动向量，该向量表示来自前一帧图像到当前帧图像的位移量。这个向量的大小和方向表示了火焰像素点的位移情况。

其中，光流技术算法的公式如下所示：

;

;

式中，为火焰像素点的水平运动向量，/>为火焰像素点的垂直运动向量，/>为图像域，/>为火炬排放强频图像序列中第/>张图片，/>为水平方向坐标轴，/>为垂直方向坐标轴，/>为正则化参数，/>为火焰像素点水平运动向量/>的梯度，/>为火焰像素点垂直运动向量/>的梯度，/>和/>均为边界条件函数，/>为图像边界；

本发明构建了一个光流技术算法的公式，用于计算火炬排放强频图像序列中相邻图片的火焰像素点的位移，得到火焰像素点的运动向量；该公式充分考虑了火焰像素点的水平运动向量，火焰像素点的垂直运动向量/>，图像域/>，火炬排放强频图像序列中第/>张图片/>，水平方向坐标轴/>，垂直方向坐标轴/>，正则化参数/>，火焰像素点水平运动向量/>的梯度/>，火焰像素点垂直运动向量/>的梯度/>，边界条件函数/>和/>，图像边界/>；其中，/>表示火焰像素点在图像序列中的运动对梯度贡献的乘积且图像亮度不变性约束项，它衡量了像素点在不同帧之间的亮度变化。/>用于平滑运动场和防止过拟合。/>这部分表示边界条件，指定了在图像边界/>上的像素点的运动向量必须等于给定的边界条件函数/>和/>，这样可以确保光流场在边界上具有合理的运动。该公式通过最小化优化目标函数来求解火焰像素点的运动向量。其中，亮度不变性约束项度量了火焰像素点在图像序列中梯度贡献的平方和，而正则化项则平滑了运动场并防止过拟合。边界条件确保了光流场在图像边界上的准确性。整个任务的目标是找到最优的运动向量估计，以获得火焰像素点的运动轨迹。

根据火焰像素点的运动向量，跟踪火焰像素点的运动轨迹，得到火焰像素点的运动轨迹。

本发明实施例初始化火焰像素点的运动轨迹，可以使用数据结构（如列表）记录每个像素点的轨迹，对于每个火焰像素点，在连续的图片帧中根据前一帧的位置和运动向量来预测当前帧中的位置。更新火焰像素点的轨迹，将当前帧中的位置添加到对应的轨迹中。可以根据需要选择合适的轨迹长度或时间窗口，后续的像素点位置和轨迹计算将在这个时间窗口内进行，重复以上步骤，对每一对相邻图片进行处理，直到完成整个图像序列。

本发明通过计算火焰像素点的运动向量，可以获得火焰的运动信息，包括水平和垂直方向的运动分量。这可以帮助量化火焰的移动速度和方向。通过跟踪火焰像素点的运动向量，可以为每个像素点建立一个运动轨迹。根据连续的运动向量，可以重构火焰像素点的运动轨迹，了解火焰在图像序列中的整体运动模式。这对于分析火焰的动态行为和研究火焰的运动特征非常有益。通过观察火焰像素点的位移和运动轨迹，可以得到关于火焰行为的有用信息。例如，可以检测火焰的旋转、膨胀或螺旋运动等特殊运动模式。这些信息可以帮助了解火焰的燃烧状态、燃烧过程中的变化和火势的发展趋势。

优选地，步骤S5包括以下步骤：

步骤S51：基于火炬排放变化趋势、火焰运动特征计及火炬排放外部影响因素，利用火炬排放流量算法计算得到火炬排放流量；

步骤S52：将火炬排放的几何参数、火焰运动特征、火炬排放外部影响因素数据及火炬排放流量数据集成为火炬排放实时测量数据；

步骤S53：利用数据可视化技术将火炬排放实时测量数据展示于火炬排放高清视频上，得到实时监测火炬排放流量视频。

作为本发明的一个实施例，参考图7所示，为图1中步骤S5的详细步骤流程示意图，在本实施例中步骤S5包括以下步骤：

步骤S51：基于火炬排放变化趋势、火焰运动特征计及火炬排放外部影响因素，利用火炬排放流量算法计算得到火炬排放流量数据；

本发明实施例收集火炬排放的变化趋势数据、火焰运动特征数据以及可能影响火炬排放的外部影响因素数据。这些数据可以通过传感器、监测设备或其他测量手段获取。基于收集到的数据，开发适用于火炬排放流量计算的算法。这个算法可以根据火焰运动特征、排放变化趋势和外部影响因素，利用数学模型或统计方法计算得到火炬排放的流量；根据收集到的数据进行计算，得到火炬排放的流量值。这可以是实时计算，也可以是基于历史数据的离线计算。

步骤S52：将火炬排放的几何参数、火焰运动特征、火炬排放外部影响因素数据及火炬排放流量数据集成为火炬排放实时测量数据；

本发明实施例收集和整理火炬排放的几何参数数据，包括火炬的尺寸、形状等信息，以及火焰的运动特征数据，如火焰高度、温度等。获取火炬排放过程中可能存在的外部影响因素数据，如风速、气温、湿度等。这些数据可以通过气象站、传感器等设备测量获得。将收集到的火炬排放的几何参数数据、火焰运动特征数据、外部影响因素数据以及火炬排放流量数据整合在一起，形成火炬排放实时测量数据集。

步骤S53：利用数据可视化技术将火炬排放实时测量数据展示于火炬排放高清视频上，得到实时监测火炬排放流量视频。

本发明实施例选择合适的数据可视化技术，如图表、动态图像、视频等，根据需求和数据特点来展示火炬排放实时测量数据；将整合过的火炬排放实时测量数据与火炬排放的高清视频进行融合，即将数据与视频进行对应，使数据能够与视频进行同步展示。利用选择的数据可视化技术，将火炬排放实时测量数据与火炬排放的高清视频进行合成，生成实时监测火炬排放流量的视频。

本发明通过火焰流量的计算，可以量化火炬排放的气体或物质的释放量，基于火炬排放变化趋势、火焰运动特征和火炬排放外部影响因素，火炬排放流量算法可以精确计算火焰的流量；基于火炬排放变化趋势、火焰运动特征和火炬排放外部影响因素，火炬排放流量算法可以精确计算火焰的流量。将火炬排放的几何参数、火焰运动特征、火炬排放外部影响因素数据和火炬排放流量数据集成为火炬排放实时测量数据有助于实现全面的火焰监测和分析。整合多个参数可以提供更全面的火焰特征信息，增强对火焰排放的了解和掌握。火炬排放实时测量数据的集成为后续的数据分析和决策提供了基础，支持科学管理和监控火焰排放。利用数据可视化技术将火炬排放实时测量数据展示于火炬排放高清视频上，可以直观地展示火焰流量的变化和排放情况。实时监测火炬排放流量视频可以提供直观的可视化信息，帮助操作人员实时了解火焰的排放情况和流量变化。通过可视化展示，可以更好地进行火焰排放的分析、监测和决策，提高对排放过程的掌控水平。

优选地，步骤S51中的火炬排放流量算法的公式如下所示：

;

式中，为火炬排放流量，/>为空气密度，/>为阻力系数，/>为火焰轮廓面积，/>为重力加速度，/>为火炬高度，/>为火炬倾角，/>为环境温度，/>为火焰颜色，/>为火焰速度平均值，/>为火焰长度，/>为修正因子，/>为风速，/>为大气压力，/>为空气湿度。

本发明构建了一个火炬排放流量算法的公式，用于计算得到火炬排放流量；该公式充分考虑到火炬排放流量，表示单位时间内从火炬排放的气体或物质的量；空气密度/>，阻力系数/>，描述火焰运动时所受到的阻力大小，它是一个无量纲系数，通常是通过实验和经验确定的；火焰轮廓面积/>，表示火焰在平面投影上的面积；重力加速度/>，表示火焰在平面投影上的面积；火炬高度/>，表示火焰在平面投影上的面积；火炬倾角/>，表示火焰与水平面之间的夹角；环境温度/>，表示环境中的温度；火焰颜色/>，描述火焰的颜色特性，可以以数值或者分类的方式表示；火焰速度平均值/>；火焰长度/>，指火焰从火焰底部到火焰顶部的垂直距离；修正因子/>，风速/>，大气压力/>，空气湿度/>，修正因子可以校正因环境条件变化而引起的影响，以提高计算的准确性。将这些变量和参数结合在一起，并进行适当的数学计算，公式可以估算和计算火焰排放的流量。每一项都代表了火焰排放的不同方面，通过综合考虑这些因素，可以对火焰排放的流量进行量化和监测。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于火炬视频实时测量火炬排放流量的方法，其特征在于，包括以下步骤：

步骤S1：利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频；对火炬排放高清视频进行视频转图像处理，得到火炬排放图像序列集；并通过传感器获取外部影响因素，得到火炬排放外部影响因素，其中外部影响因素包括燃料材料、燃烧设备与气象温度；

步骤S2：利用图像去噪算法对火炬排放图像序列集中的图片进行去噪处理，得到火炬排放降噪图像序列集；利用频域增强技术对火炬排放降噪图像序列集进行图像增强处理，得到火炬排放强频图像序列集；

步骤S3：通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，并提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集；根据火炬排放轮廓图像序列集计算图片中火焰几何参数，得到火焰变化趋势；

步骤S4：利用光流估计算法和时间间隔测量技术分别分析火炬排放强频图像序列中火焰像素点的运动轨迹和移动时间，进而得到火焰运动特征；

步骤S5：根据火炬排放变化趋势、火焰运动特征计及火炬排放外部影响因素利用火炬排放流量算法进行计算，得到火炬排放流量数据；利用数据可视化技术将火炬排放流量展示于火炬排放高清视频上，得到实时监测火炬排放流量视频。

2.根据权利要求1所述的基于火炬视频实时测量火炬排放流量的方法，其特征在于，步骤S1包括以下步骤：

步骤S11：利用高速摄像头对火炬进行实时拍摄，得到火炬排放高清视频；

步骤S12：通过视频处理软件对火炬排放高清视频进行批量导出视频帧处理，得到火炬排放图像序列集；

步骤S13：通过传感器获取燃料材料、燃烧设备、气象温度，得到火炬排放外部影响因素。

3.根据权利要求2所述的基于火炬视频实时测量火炬排放流量的方法，其特征在于，步骤S2包括以下步骤：

步骤S21：利用图像去噪算法对火炬排放图像序列集中的图片进行去噪处理，得到火炬排放降噪图像序列集；

步骤S22：对火炬排放降噪图像序列集进行傅里叶变换，得到火炬排放频谱图像；

步骤S23：利用同态滤波器对火炬排放频谱图像进行滤波处理，得到火炬加强频谱图像；

步骤S24：对火炬加强频谱图像进行傅里叶逆变换，得到火炬排放强频图像序列集。

4.根据权利要求3所述的基于火炬视频实时测量火炬排放流量的方法，其特征在于，步骤S21中的图像去噪算法的函数公式如下所示：

;

式中，为火炬排放降噪图像序列集，/>为控制数据保真项的权重的正则化参数，/>为火炬排放降噪图像序列集中的图片数量，/>为火炬排放降噪图像序列集中第/>张图片，/>为火炬排放图像序列集中第/>张图片，/>为权重矩阵，/>为火炬排放降噪图像序列集中第/>张图片，/>为火炬排放图像序列集中图片的定义域，/>为控制平滑项的权重的正则化参数，/>为火炬排放图像序列集中图片的梯度，/>为控制平滑项形式的参数，/>为积分参数。

5.根据权利要求4所述的基于火炬视频实时测量火炬排放流量的方法，其特征在于，步骤S3包括以下步骤：

步骤S31：通过火焰边缘检测技术对火炬排放强频图像序列集进行边缘算子检测，并提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集；

步骤S32：根据火炬排放轮廓图像序列集计算图片中火焰的形状特征参数，得到火焰几何参数；

步骤S33：按时间序列对火炬排放轮廓图像序列集中火焰几何参数进行统计分析，得到火焰变化趋势。

6.根据权利要求5所述的基于火炬视频实时测量火炬排放流量的方法，其特征在于，步骤S31包括以下步骤：

步骤S311：利用火焰边缘检测技术计算火炬排放强频图像序列集中图片的相邻像素之间的梯度，得到火焰像素梯度幅值；

步骤S312：根据预设的梯度阈值对每个火焰像素梯度幅值进行边缘像素判断，火焰像素梯度幅值超过梯度阈值的像素确定为边缘像素，得到火焰边缘像素集；

步骤S313：根据火焰边缘像素集提取火炬的轮廓和特征，得到火炬排放轮廓图像序列集。

7.根据权利要求6所述的基于火炬视频实时测量火炬排放流量的方法，其特征在于，步骤S4包括以下步骤：

步骤S41：利用光流估计算法计算火炬排放强频图像序列中相邻图片的火焰像素点的运动向量，得到火焰像素点运动轨迹；

步骤S42：利用时间间隔测量技术对火炬排放强频图像序列中的相邻图片计算图片之间的时间差，得到火焰像素点移动时间；

步骤S43：对火焰像素点运动轨迹和火焰像素点移动时间进行数据分析，得到火焰运动特征。

8.根据权利要求7所述的基于火炬视频实时测量火炬排放流量的方法，其特征在于，步骤S41包含以下步骤：

使用光流技术算法计算火炬排放强频图像序列中相邻图片的火焰像素点的位移，得到火焰像素点的运动向量；

其中，光流技术算法的公式如下所示：

;

;

式中，为火焰像素点的水平运动向量，/>为火焰像素点的垂直运动向量，/>为图像域，/>为火炬排放强频图像序列中第/>张图片，/>为水平方向坐标轴，/>为垂直方向坐标轴，/>为正则化参数，/>为火焰像素点水平运动向量/>的梯度，/>为火焰像素点垂直运动向量/>的梯度，和/>均为边界条件函数，/>为图像边界；

根据火焰像素点的运动向量，跟踪火焰像素点的运动轨迹，得到火焰像素点的运动轨迹。

9.根据权利要求8所述的基于火炬视频实时测量火炬排放流量的方法，其特征在于，步骤S5包括以下步骤：

步骤S51：基于火炬排放变化趋势、火焰运动特征计及火炬排放外部影响因素，利用火炬排放流量算法计算得到火炬排放流量数据；

步骤S52：将火炬排放的几何参数、火焰运动特征、火炬排放外部影响因素数据及火炬排放流量数据集成为火炬排放实时测量数据；

步骤S53：利用数据可视化技术将火炬排放实时测量数据展示于火炬排放高清视频上，得到实时监测火炬排放流量视频。

10.根据权利要求9所述的基于火炬视频实时测量火炬排放流量的方法，其特征在于，步骤S51中的火炬排放流量算法的公式如下所示：

;

式中，为火炬排放流量，/>为空气密度，/>为阻力系数，/>为火焰轮廓面积，/>为重力加速度，/>为火炬高度，/>为火炬倾角，/>为环境温度，/>为火焰颜色，/>为火焰速度平均值，/>为火焰长度，/>为修正因子，/>为风速，/>为大气压力，/>为空气湿度。