基于數(shù)字圖像處理的燃?xì)忮仩t火焰檢測(cè)算法

王延年，王海娟

(西安工程大學(xué)電子信息學(xué)院，西安 710048)

1 引言

與傳統(tǒng)燃煤鍋爐相比，燃?xì)忮仩t有很多特點(diǎn):輕便靈活，安裝調(diào)試方便，同時(shí)燃?xì)忮仩t在清潔方面有很大優(yōu)勢(shì)，近十年其在民用建筑供暖以及工業(yè)生產(chǎn)方面起著舉足輕重的作用。為達(dá)到燃?xì)忮仩t的最大利用率，及時(shí)了解火焰燃燒時(shí)的各項(xiàng)參數(shù)顯得頗為關(guān)鍵。因此，一套能夠準(zhǔn)確快速獲得火焰燃燒參數(shù)的算法非常重要。

在此提出了一套完整的基于數(shù)字圖像處理的火焰檢測(cè)算法，首先，通過利用小波變換改進(jìn)蟻群算法，實(shí)現(xiàn)了火焰圖像的完整分割，之后運(yùn)用中值濾波將圖像中的噪聲去除，得到純凈的火焰圖像，最后將火焰圖像經(jīng)過灰度變換增強(qiáng)，得到火焰特征參數(shù)明顯的火焰圖像，從而利于對(duì)火焰參數(shù)的分析與調(diào)整。這套算法很好的克服了傳統(tǒng)火焰檢測(cè)算法的缺點(diǎn)，為燃?xì)忮仩t的檢測(cè)調(diào)整提供了很大方便。

火焰圖像的獲得方法是將爐膛火焰信號(hào)經(jīng)光學(xué)系統(tǒng)采集后，通過傳象素光纖輸入CCD攝像機(jī)，將光信號(hào)轉(zhuǎn)變成為電信號(hào)，然后再用圖像采集卡將其轉(zhuǎn)換成為數(shù)字信號(hào)，送入計(jì)算機(jī)，之后采用給出的具體算法對(duì)火焰圖像進(jìn)行處理。

2 運(yùn)動(dòng)火焰的檢測(cè)與分割

由于火焰從無到有是一個(gè)發(fā)生發(fā)展的過程，它在燃燒過程中會(huì)受到氣流強(qiáng)弱的影響而顯現(xiàn)出不規(guī)則的運(yùn)動(dòng)，由于空氣流動(dòng)，熱空氣上升，整個(gè)外焰和內(nèi)焰向外擴(kuò)張。由于火焰不停地?cái)U(kuò)張、收縮、搖晃、上升、下收、分離等，所以火焰的形狀、面積等會(huì)產(chǎn)生變化。另外，可燃物燃燒時(shí)產(chǎn)生的火焰通常是閃爍的，特別是火苗的跳躍和抖動(dòng)，劇烈的火焰閃爍會(huì)引起高頻的火焰區(qū)域變化，火焰的亮度、顏色都在改變，因此可以把火焰看作一種特殊的運(yùn)動(dòng)物體，用運(yùn)動(dòng)目標(biāo)檢測(cè)來提取出包括火焰在內(nèi)的運(yùn)動(dòng)物體。

目前幾種常用的目標(biāo)檢測(cè)方法有:背景減除［1］、時(shí)間差分［1］、光流［1］、神經(jīng)網(wǎng)絡(luò)算法、FCM 聚類算法、小波變換法、能量運(yùn)動(dòng)檢測(cè)、基于數(shù)學(xué)形態(tài)學(xué)的場(chǎng)景變化檢測(cè)等。但是基于上述幾種傳統(tǒng)的檢測(cè)方法都有一定的缺陷，火焰燃燒時(shí)背景和目標(biāo)火焰不能很好的區(qū)分出來，因此提取的火焰圖像會(huì)伴隨大量噪聲。圖1－圖4是經(jīng)過上述算法對(duì)火焰圖像進(jìn)行分割得到的處理圖像。

圖1 源圖像

圖2 神經(jīng)網(wǎng)絡(luò)分割圖

圖3 FCM分割圖

圖4 小波變換分割圖

通過實(shí)驗(yàn)證明，常用的這些圖像分割方法無法準(zhǔn)確有效分割出完整的火焰圖像，從而給后期火焰圖像的處理帶來很多困難?；诖?，提出了將蟻群算法和小波變換相結(jié)合的方法來提取火焰圖像。

2.1 蟻群算法［4］在火焰圖像分割中的數(shù)學(xué)模型

假設(shè)X 代表原始圖像，將像素 Xj(j=1，2，...N)視作一只螞蟻，那么每只螞蟻都是以灰度、梯度和鄰域?yàn)樘卣鞯娜S向量，圖像分割的思想便是利用這些螞蟻根據(jù)自己的特征特點(diǎn)找尋一條通往食物源的最優(yōu)路徑的過程。設(shè)dij為任意像素Xi到Xj的距離，采用歐式距離計(jì)算如下式:

其中μk為加權(quán)因子，其設(shè)定依賴于像素各分量對(duì)聚類的影響程度，m為螞蟻的維數(shù)，這里m=3。設(shè)r為蟻群聚類半徑，phij為信息量，則有:

Xi選擇到路徑Xj的概率Pij為:

其中，S={Xs|dsj≤r，s=1，2，...，N}為合法路徑結(jié)合，ηij為引導(dǎo)函數(shù)，用下面的公式進(jìn)行表示，

每只螞蟻經(jīng)過一次循環(huán)后，各路徑上的信息量根據(jù)下式進(jìn)行調(diào)整:

2.2 蟻群算法［5］的實(shí)現(xiàn)步驟

(1)讀取圖像數(shù)據(jù)并轉(zhuǎn)化為M×N矩陣，每一只螞蟻對(duì)應(yīng)一個(gè)圖像數(shù)據(jù);

(2)初始化 α，β，phij，γ，ρ，λ 參數(shù)并令時(shí)間t=0，循環(huán)次數(shù)NC=0，設(shè)定最大循環(huán)次數(shù)NCmax。

(3)聚類循環(huán)開始，循環(huán)次數(shù)NC←NC+1;

(4)螞蟻數(shù)目k←k+1;

(5)根據(jù)公式(1)計(jì)算像素Xi到其它像素Xj的距離dij，如果dij為零，那么表示該像素屬于本類的隸屬度為1，否則如果dij＜r，根據(jù)公式(4)確定引導(dǎo)函數(shù)，然后根據(jù)公式(5)計(jì)算Xj到各路徑上的信息量;

(6)根據(jù)公式(3)計(jì)算像素間的轉(zhuǎn)移概率，同給定參數(shù)λ比較，若大于λ，則按照公式(5)調(diào)整路徑上的信息量，并按以下公式更新聚類中心:

(7)若滿足結(jié)束條件即循環(huán)次數(shù)NC≥NCmax，則結(jié)束循環(huán)，并輸出結(jié)果，否則轉(zhuǎn)到步驟(3)?？梢钥闯?，蟻群算法具有運(yùn)算量巨大，運(yùn)行時(shí)間長(zhǎng)等缺點(diǎn)。

2.3 基于小波變換改進(jìn)的蟻群算法［6］實(shí)現(xiàn)步驟

蟻群算法在火焰圖像分割中程序運(yùn)行時(shí)間較長(zhǎng)，遠(yuǎn)遠(yuǎn)滿足不了現(xiàn)實(shí)的需要，因此這里引入小波變換。一幅圖像經(jīng)過一次小波分解之后，圖的數(shù)據(jù)是原圖像數(shù)據(jù)的四分之一，經(jīng)過二次小波分解之后，數(shù)據(jù)是原圖像數(shù)據(jù)的十六分之一;另外小波分解后的低頻系數(shù)較好的保存了原始圖像的基本信息，如果對(duì)經(jīng)過小波分解后的低頻系數(shù)進(jìn)行處理將大大減少蟻群的搜索次數(shù)，縮短程序運(yùn)行時(shí)間。

加入小波變換后的蟻群算法具體實(shí)現(xiàn)步驟:

讀取圖像數(shù)據(jù)并轉(zhuǎn)化為M×N的矩陣A，每一只螞蟻對(duì)應(yīng)一個(gè)圖像數(shù)據(jù);

第一步:對(duì)原始圖像進(jìn)行小波變換，只保留近似分量cA部分。

第二步:利用蟻群算法進(jìn)行分割，其具體算法如下:

a)將經(jīng)過小波變化的圖像的cA部分分成n×n個(gè)圖像塊，分別對(duì)每塊進(jìn)行聚類分析，假設(shè)每類有M只螞蟻，隨機(jī)分布在圖像上;

b)初始化 α，β，phij，γ，ρ等參數(shù)，根據(jù)公式(1)計(jì)算螞蟻Xi到像素Xj的距離dij，如果dij為零，則該螞蟻選擇該像素點(diǎn)的概率為1，否則如果dij＜r，根據(jù)公式(4)計(jì)算引導(dǎo)函數(shù)，并根據(jù)公式(6)計(jì)算到各像素點(diǎn)的信息量;

c)按照轉(zhuǎn)移概率公式(3)計(jì)算像素間的轉(zhuǎn)移概率，看看是否大于λ，若大于λ，則根據(jù)公式(6)調(diào)整路徑上的信息量;

第三步:利用小波反變換進(jìn)行圖像重構(gòu)，輸出分割結(jié)果圖像。

圖5－6是采用引入小波變換的蟻群算法對(duì)火焰圖像進(jìn)行分割得到的效果圖。

圖5 源圖像

圖6 蟻群算法分割圖像

由圖可以看出，通過蟻群算法可以有效提取出鍋爐中的火焰圖像，火焰信息明顯得到了加強(qiáng)，是一種有效的分割方法。而其與小波變換結(jié)合，克服了蟻群算法運(yùn)算比較復(fù)雜耗時(shí)長(zhǎng)的缺點(diǎn)，將圖像分解，提取其中有用的部分，從而提高了蟻群算法的高效性。

3 中值濾波去噪

由于火焰數(shù)字圖像信號(hào)在爐膛內(nèi)部、攝像、信號(hào)傳送中，會(huì)有各種干擾，造成圖像帶有各種噪聲，為了更準(zhǔn)確地獲取燃燒火焰的特性，有必要清除噪聲。由于圖像的噪聲常常表現(xiàn)為孤立的象素點(diǎn)，象素灰度和周圍點(diǎn)有顯著差別，灰度的陡性變化比較大，所以可用中值濾波來抑制噪聲。

中值濾波器是一種典型的非線性處理方法，對(duì)圖像中比較孤立的隨機(jī)脈沖噪聲有良好的抑制作用，使圖像的輪廓邊緣得以較好的保護(hù)。另外，中值濾波具有對(duì)階躍信號(hào)、斜升信號(hào)不產(chǎn)生影響，濾波后保持頻譜不變以及對(duì)圖像上的脈沖噪聲具有很強(qiáng)的去除作用等特性。

圖像去噪是圖像處理的必然步驟，因?yàn)樵肼晻?huì)干擾圖像本身信息的分析，圖7－圖8為采用中值濾波對(duì)分割的火焰圖像進(jìn)行的有效去噪。

圖7 蟻群算法分割后圖像

可以看出，采用中值濾波對(duì)引用蟻群算法得到的圖像進(jìn)行去噪處理，圖像中一些比較離散的噪聲點(diǎn)被很好地去除了。

圖8 中值濾波去噪后圖像

4 火焰圖像增強(qiáng)

經(jīng)過去噪處理后，雖然去除了圖像中的噪聲，但是由于分割出來的火焰圖像亮度比較暗，同背景顏色對(duì)比度比較小，不利于火焰參數(shù)的分析與提取，為了增強(qiáng)對(duì)比度，采用灰度變換對(duì)圖像進(jìn)行增強(qiáng)。灰度變換對(duì)灰度級(jí)比較單一的圖片有很好的處理效果，而火焰圖像本身灰度級(jí)比較單一，因此灰度變換能夠很好的適用于此圖片處理，同時(shí)灰度變換簡(jiǎn)單快速，大大提高了處理的高效性。

灰度變換是一種簡(jiǎn)單而實(shí)用的方法。它利用點(diǎn)運(yùn)算修改圖像象素的灰度，用于控制對(duì)比度。點(diǎn)運(yùn)算是把一幅輸入圖像f(x，y)修改成輸出圖像g(x，y)。g(x，y)上每一點(diǎn)象素與 f(x，y)上對(duì)應(yīng)位置象素的坐標(biāo)相同，象素灰度按函數(shù)法則Φ映射，可表示為:

g(x，y)=Φ［f(x，y)］

函數(shù)中有線性、分段線性和非線性等幾種形式。根據(jù)顯示的側(cè)重不同，可以分成任意線性段進(jìn)行變換。當(dāng)變換函數(shù)的斜率大于l時(shí)，輸入圖像象素的灰度級(jí)的對(duì)比度擴(kuò)展;反之，對(duì)比度將壓縮。而截距反映變換后比變換前亮度偏暗或偏亮。

圖9是經(jīng)過灰度變換對(duì)圖像采取的增強(qiáng)處理。經(jīng)過灰度變換后，火焰圖像與背景色對(duì)比度明顯，為后期進(jìn)行火焰特征參數(shù)的分析提供了有力幫助。

5 結(jié)束語

經(jīng)過實(shí)驗(yàn)驗(yàn)證，提出的這套火焰檢測(cè)算法能夠準(zhǔn)確快速的獲得火焰圖像，其中的難點(diǎn)與核心是對(duì)火焰圖像的檢測(cè)與分割，因此提出了一種有效的基于蟻群算法和小波變換相結(jié)合的鍋爐火焰檢測(cè)方法。蟻群算法較好地解決了背景模型的提取、更新，能夠有效地檢測(cè)出運(yùn)動(dòng)火焰，而其與小波變換的結(jié)合又大大縮短了蟻群算法的運(yùn)算時(shí)間，更加高效地完成了運(yùn)動(dòng)火焰的識(shí)別。運(yùn)用中值濾波與灰度變換有效達(dá)到了去噪與增強(qiáng)的效果。若將本算法應(yīng)用于實(shí)際燃?xì)忮仩t火焰檢測(cè)系統(tǒng)之中，必將對(duì)我國(guó)燃?xì)忮仩t的安全有效運(yùn)行具有重大意義。

圖9 灰度變換后的火焰圖像

［1］C Stauffer，W Grimson.Adaptive Background Mixture Models for Real－ time Tracking［J］.In Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition，1999，Vol.2:246 －252.

［2］AJ Lipton，H Fujiyoshi，R S Patil.Moving Target Classification and Tracking from Real－ time Video［J］.In Proceedings of IEEE Workshop on Applications of Compute Vision，1998，9:8 －14.

［3］AVERRI，SUras，E De Micheli.Motion Segmentation from Optical Flow［J］.In Proceedings of the 5th Alvey Vision Conference，1989(10):209 －214.

［4］韓彥芳，施鵬飛.基于蟻群算法的圖像分割方法［J］.計(jì)算機(jī)工程與應(yīng)用，2004，40(18):5 －7.

［5］BLUM C.Ant colony optimization:introduction and recent trends［J］.PhysicsofLifeReviews，2005，2(8):353－373.

［6］胡小兵.蟻群優(yōu)化原理、理論及其應(yīng)用研究［D］.重慶:重慶大學(xué)，2004.

［7］周昱，張杰，李昌禧.基于RGB模型的燃?xì)饣鹧鏅z測(cè)的圖像處理方法［J］.儀表技術(shù)與傳感器，2010(11):85－87.

［8］劉芳.基于數(shù)字圖像處理的爐膛火焰檢測(cè)及燃燒診斷系統(tǒng)研究［D］.陜西:陜西科技大學(xué)，2008.