基于图像处理技术的炉膛火焰检测方法研究
| 第一章 绪 论 | 第1-26页 |
| ·本课题的研究意义 | 第8-10页 |
| ·安全性要求 | 第8-9页 |
| ·经济性要求 | 第9-10页 |
| ·环保要求 | 第10页 |
| ·国内外的研究现状 | 第10-25页 |
| ·传统的火焰测量技术 | 第11-12页 |
| ·火焰检测技术的发展历程 | 第12-15页 |
| ·火焰检测系统的分类 | 第15-20页 |
| ·检测原理分类 | 第15-18页 |
| ·检测结构分类 | 第18-20页 |
| ·火焰检测系统的现状 | 第20-25页 |
| ·本文的研究内容 | 第25-26页 |
| 第二章 炉膛温度场计算 | 第26-43页 |
| ·引言 | 第26-27页 |
| ·炉膛火焰监视系统的构成 | 第27-33页 |
| ·光学图像传感器系统组成 | 第27-30页 |
| ·数字图像采集原理 | 第30-32页 |
| ·计算机数字处理系统 | 第32-33页 |
| ·测温原理 | 第33-34页 |
| ·单色测温算法 | 第34-35页 |
| ·三波长测温算法 | 第35-37页 |
| ·比色测温算法 | 第37-42页 |
| ·比色测温原理 | 第37-39页 |
| ·比色测温误差分析 | 第39-42页 |
| ·本章总结 | 第42-43页 |
| 第三章 炉膛火焰图像处理技术 | 第43-58页 |
| ·颜色分析 | 第43-44页 |
| ·RGB颜色空间 | 第43页 |
| ·YIQ颜色空间 | 第43-44页 |
| ·图像噪声处理 | 第44-50页 |
| ·图像噪声分析 | 第44-47页 |
| ·图像噪声处理 | 第47-49页 |
| ·快速中值噪声滤波 | 第49-50页 |
| ·图像的局部增强 | 第50-54页 |
| ·直方图处理 | 第51-52页 |
| ·直接灰度变换 | 第52-54页 |
| ·用灰度阀值提取图形 | 第54页 |
| ·图像显示 | 第54-56页 |
| ·温度切割 | 第54-55页 |
| ·从灰色到彩色的变换 | 第55-56页 |
| ·本章总结 | 第56-58页 |
| 第四章 炉膛火焰图像分割技术 | 第58-78页 |
| ·分割算法的分类 | 第58-59页 |
| ·分割算法的定义 | 第58-59页 |
| ·分割算法的分类 | 第59页 |
| ·边缘检测算法分析与比较 | 第59-64页 |
| ·炉膛火焰图像分割算法 | 第64-77页 |
| ·遗传算法 | 第64-65页 |
| ·遗传学习的分类系统方法 | 第65-66页 |
| ·基于遗传算法的全炉膛火焰图像的边缘检测算法研究 | 第66-73页 |
| ·基于BP网络的燃烧器图像的边缘检测算法研究 | 第73-77页 |
| ·神经网络结构 | 第74-76页 |
| ·神经网络优化梯度算子的学习过程: | 第76-77页 |
| ·本章总结 | 第77-78页 |
| 第五章 基于图像处理技术的燃烧诊断研究 | 第78-92页 |
| ·引言 | 第78页 |
| ·炉膛火焰的燃烧特征区 | 第78-80页 |
| ·现有判据的分析 | 第80-84页 |
| ·平均亮度判据 | 第80-81页 |
| ·特征区判据 | 第81-82页 |
| ·最小距离判据 | 第82页 |
| ·火焰锋面判据 | 第82-84页 |
| ·基于自组织神经网络的燃烧诊断 | 第84页 |
| ·基于BP网络的燃烧诊断 | 第84-91页 |
| ·网络的结构和数学描述 | 第84-85页 |
| ·燃烧状态参数描述 | 第85-89页 |
| ·基于BP网络的燃烧诊断 | 第89-91页 |
| ·本章总结 | 第91-92页 |
| 第六章 全文总结 | 第92-96页 |
| 致 谢 | 第96-97页 |
| 参考文献 | 第97-103页 |
| 攻读博士学位期间发表的学术论文 | 第103-104页 |
| 攻读博士学位期间参加的科研项目 | 第104页 |
