分层自适应炉内火焰图像显著点提取方法.docVIP

分层自适应炉内火焰图像显著点提取方法 　　摘要 针对锅炉和工业生产中产生的大量炉内火焰图像的特征提取问题，提出一种分层自适应显著点提取方法。首先利用块逆概率差模型将原图像转换为块逆概率差（BDIP图像。在此基础上，将得到的BDIP图像进行Haar小波变换，利用改进的加权方法计算出二维图像的显著值，然后通过提出的自适应的方法构建一棵非平衡四叉树，树的根节点代表整幅图像的显著值，根据每棵子树的显著值占父节点显著值的比例确定子树的显著点数目。该算法与基于BDIP的和基于Haar小波变换的显著点提取算法对比，实验结果表明，边缘准确率和综合特征检索精度都至少提高了10%和3.5%。结果说明，该算法不仅克服了传统显著点提取时数目过多以及提取点不显著的缺点，同时还避免了显著点的局部聚集。 　　关键词 显著点；块逆概率差；小波变换；火焰图像；特征提取 　　中图分类号 TP391.413 　　文献标志码 A 　　0引言 　　图像是一种重要的媒体，同时也是所包含事物特征信息的重要载体。随着锅炉和工业炉窑自动控制水平、计算机软硬件及数字图像处理技术的不断发展，在工业生产中计算机看火正在逐渐取代人工看火，这样便会产生海量的数字火焰图像。而炉膛燃烧火焰图像是炉内燃烧状况的最直接反映，它包含了炉内燃烧情况、炉内温度等重要信息，因此，用火焰图像来监控炉内燃烧状况更具有直接性和实时性[1-2]。