电站锅炉燃烧火焰图像处理与智能诊断研究
| 第一章 绪论 | 第1-25页 |
| ·课题的研究意义 | 第15-16页 |
| ·火焰检测技术简介 | 第16-19页 |
| ·单火嘴火焰检测 | 第17-18页 |
| ·全炉膛的火焰检测 | 第18-19页 |
| ·数字图像技术 | 第19-20页 |
| ·人工智能理论在燃烧诊断中的应用 | 第20-24页 |
| ·本文的主要工作 | 第24-25页 |
| 第二章 数字图像处理 | 第25-57页 |
| ·视觉与数字图像 | 第25-29页 |
| ·人眼与亮度视觉 | 第25-26页 |
| ·颜色视觉 | 第26-29页 |
| ·数字图像处理简介 | 第29-30页 |
| ·图像变换 | 第30-33页 |
| ·一维傅立叶变换 | 第30-31页 |
| ·二维傅立叶变换 | 第31页 |
| ·快速傅立叶变换 | 第31-33页 |
| ·图像增强 | 第33-44页 |
| ·直接灰度变换 | 第34-35页 |
| ·直方图处理 | 第35-37页 |
| ·空域滤波增强 | 第37-39页 |
| ·频域增强 | 第39页 |
| ·局部增强 | 第39-41页 |
| ·彩色增强 | 第41-44页 |
| ·图像分割 | 第44-52页 |
| ·边缘检测 | 第44-47页 |
| ·阈值分割 | 第47-52页 |
| ·MATLAB图像处理 | 第52-57页 |
| ·MATLAB的特点 | 第52-54页 |
| ·基于MATLAB的图像处理 | 第54-57页 |
| 第三章 人工神经网络基础 | 第57-62页 |
| ·脑与神经系统 | 第58-59页 |
| ·神经元模型 | 第59页 |
| ·神经网络的结构和学习规则 | 第59-62页 |
| 第四章 火焰特征的计算 | 第62-85页 |
| ·单火嘴火焰的特征 | 第62-63页 |
| ·常用的火焰特征值 | 第63-65页 |
| ·观察孔及观察孔中心 | 第65-69页 |
| ·观察孔偏离图像中心位置 | 第65-67页 |
| ·观察孔中心位置的确定 | 第67-69页 |
| ·火焰图像分割 | 第69-78页 |
| ·图像的阈值分割 | 第69-73页 |
| ·火焰图像核心区的分割 | 第73-74页 |
| ·采用极坐标法进行火焰边界的标定 | 第74-78页 |
| ·结论 | 第78页 |
| ·火焰温度场的重建 | 第78-85页 |
| ·基于火焰图像的测温原理 | 第79-80页 |
| ·双色测温法 | 第80-82页 |
| ·单色测温法 | 第82-83页 |
| ·彩色CCD三基色测温法 | 第83页 |
| ·三维温度场的重建 | 第83-85页 |
| 第五章 实验设备与实验设计 | 第85-96页 |
| ·设备简介 | 第85-88页 |
| ·层火焰图像检测器的使用 | 第88-89页 |
| ·火焰状态的识别 | 第89-93页 |
| ·常用火焰判据 | 第89-91页 |
| ·新的火焰判据 | 第91-93页 |
| ·实验设计 | 第93-96页 |
| ·特征值计算 | 第94-95页 |
| ·使用BP神经网络进行训练 | 第95-96页 |
| 第六章 结论与展望 | 第96-97页 |
| 参考文献 | 第97-100页 |
| 附录 | 第100-103页 |
| 主要程序 | 第100-103页 |
| 致谢 | 第103-104页 |
| 攻读学位期间发表的学术论文目录 | 第104页 |
