| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-13页 |
| 1．1 课题的研究意义 | 第9页 |
| 1．2 国内外的技术研究现状 | 第9-11页 |
| 1．3 本文主要工作 | 第11-13页 |
| 2 电站锅炉燃烧火焰特性分析与数字图像模型 | 第13-20页 |
| 2．1 典型燃煤电站锅炉燃烧系统 | 第13-14页 |
| 2．2 火焰检测系统炉膛内窥镜头简介 | 第14-15页 |
| 2．3 电站锅炉煤粉燃烧特性分析 | 第15-17页 |
| 2．3．1 煤粉的燃烧过程 | 第15页 |
| 2．3．2 火焰的热辐射现象 | 第15-16页 |
| 2．3．3 燃烧的脉动现象 | 第16页 |
| 2．3．4 燃烧火焰的颜色 | 第16页 |
| 2．3．5 燃烧火焰的温度 | 第16-17页 |
| 2．3．6 燃烧火焰的能量 | 第17页 |
| 2．4 火焰图像成像原理 | 第17-19页 |
| 2．5 数字图像数学模型 | 第19-20页 |
| 3 数字火焰图像信息的预处理 | 第20-30页 |
| 3．1 图像信息预处理理论 | 第20-21页 |
| 3．2 Windows系统的设备无关位图 | 第21-22页 |
| 3．3 采集图像颜色信息的标准化 | 第22页 |
| 3．4 火焰图像的中值滤波恢复 | 第22-24页 |
| 3．5 火焰图像的锐化增强 | 第24-25页 |
| 3．6 火焰图像的伪彩色处理 | 第25页 |
| 3．7 火焰图像的分割算法的选择 | 第25-30页 |
| 3．7．1 火焰图像分割的目的 | 第25-26页 |
| 3．7．2 锅炉火焰图像分割算法选择 | 第26页 |
| 3．7．3 快速二维最大熵阀值分割算法 | 第26-30页 |
| 4 火焰图像特征分析 | 第30-33页 |
| 4．1 火焰图像特征参数分析 | 第30页 |
| 4．2 计算公式理论推导 | 第30-32页 |
| 4．3 火焰图像特征空间的建立 | 第32-33页 |
| 5 火焰图像标准聚类模式库的建立与训练 | 第33-37页 |
| 5．1 火焰图像标准模式库建立的原则 | 第33页 |
| 5．2 导师型模糊-C均值聚类训练算法 | 第33-37页 |
| 5．2．1 基本思路 | 第33页 |
| 5．2．2 导师型模糊-C均值聚类分析器的设计 | 第33-36页 |
| 5．2．3 算法描述 | 第36-37页 |
| 6 基于模糊最大隶属度的火焰图像燃烧状态的识别 | 第37-42页 |
| 6．1 常用的模式识别的方法简介 | 第37页 |
| 6．2 基于模糊最大隶属度的火焰图像燃烧状态的识别算法 | 第37-39页 |
| 6．2．1 模糊集识别基本方法 | 第37-38页 |
| 6．2．2 模糊隶属度函数的设计 | 第38-39页 |
| 6．2．3 模糊度参数的取值 | 第39页 |
| 6．2．4 模式种类C的确定 | 第39页 |
| 6．3 对于火焰特征引入重要性修正因子的考虑 | 第39-40页 |
| 6．3．1 人类自身得认知（模式识别）的特点 | 第39-40页 |
| 6．3．2 重要性修正因子理论原理 | 第40页 |
| 6．3．3 重要性修正因子取值问题 | 第40页 |
| 6．4 基于模糊最大隶属度的识别算法描述 | 第40-42页 |
| 7 模式库聚类中心主动优化与自适应调整的动态算法研究 | 第42-48页 |
| 7．1 问题提出的背景 | 第42页 |
| 7．2 问题的解决思路 | 第42-43页 |
| 7．3 机器学习的概念、类型 | 第43-44页 |
| 7．4 学习系统的基本原理 | 第44-45页 |
| 7．5 模式库聚类中心主动优化与自适应调整的动态学习算法设计 | 第45-48页 |
| 7．5．1 基本思路 | 第45页 |
| 7．5．2 算法的求解过程 | 第45-46页 |
| 7．5．3 模式的聚合分裂、收敛稳定性控制、综合评价等问题 | 第46-48页 |
| 8 软硬件系统设计与实现 | 第48-58页 |
| 8．1 硬件系统设计 | 第48-49页 |
| 8．2 软件系统设计软件主要工作简介 | 第49-53页 |
| 8．3 系统现场数据与模拟数据实验 | 第53-58页 |
| 9 结论与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 作者参加的科研工作和软件主程序流程图 | 第63-67页 |
