| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 传统的锅炉火焰检测技术 | 第12-14页 |
| 1.3 基于图像处理的火焰监测和燃烧智能诊断 | 第14-17页 |
| 1.3.1 火焰可视化和燃烧智能诊断的研究现状 | 第14-16页 |
| 1.3.2 智能算法在燃烧状态监测与诊断中的应用 | 第16-17页 |
| 1.4 本文的研究内容 | 第17-18页 |
| 2 锅炉火焰图像采集系统的构成 | 第18-23页 |
| 2.1 引言 | 第18页 |
| 2.2 火焰图像检测系统的构成 | 第18-22页 |
| 2.2.1 传像光纤 | 第19页 |
| 2.2.2 CCD 摄像机 | 第19-21页 |
| 2.2.3 风冷系统的选择 | 第21页 |
| 2.2.4 图像采集卡 | 第21-22页 |
| 2.3 小结 | 第22-23页 |
| 3 锅炉火焰图像处理 | 第23-35页 |
| 3.1 锅炉火焰图像去噪 | 第23-25页 |
| 3.2 锅炉火焰图像增强 | 第25-29页 |
| 3.2.1 火焰图像频域增强 | 第26-27页 |
| 3.2.2 火焰图像空域滤波增强 | 第27-29页 |
| 3.3 锅炉火焰图像恢复 | 第29-34页 |
| 3.3.1 火焰图像空域滤波复原 | 第30-32页 |
| 3.3.2 火焰图像 Lucy_Richardson 滤波复原 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 炉内火焰图像特征提取与识别 | 第35-48页 |
| 4.1 基于马尔可夫随机场理论的图像分割算法 | 第35-38页 |
| 4.1.1 颜色特征提取 | 第35页 |
| 4.1.2 马尔科夫随机场模型的建立 | 第35-38页 |
| 4.2 基于马尔可夫随机场的分割算法的参数估计 | 第38-43页 |
| 4.2.1 最大似然估计 | 第38-39页 |
| 4.2.2 最大伪似然估计(MPL) | 第39页 |
| 4.2.3 均场近似估计 | 第39-40页 |
| 4.2.4 期望最大法 | 第40-42页 |
| 4.2.5 参数估计 | 第42页 |
| 4.2.6 图像分割仿真实验 | 第42-43页 |
| 4.3 火焰图像识别 | 第43-47页 |
| 4.3.1 火焰图像特征提取 | 第43-45页 |
| 4.3.2 图像特征提取仿真实验分析 | 第45-46页 |
| 4.3.3 火焰图像识别 | 第46-47页 |
| 4.4 小结 | 第47-48页 |
| 5 基于 ARM 的火焰图像处理系统的设计 | 第48-61页 |
| 5.1 总体结构设计 | 第48页 |
| 5.2 系统平台搭建与程序设计 | 第48-58页 |
| 5.2.1 交叉开发环境的构建 | 第48-49页 |
| 5.2.2 Bootloader 的配置与移植 | 第49-50页 |
| 5.2.3 内核的配置与移植 | 第50-53页 |
| 5.2.4 文件系统的挂载 | 第53-54页 |
| 5.2.5 GUI 程序的设计 | 第54-58页 |
| 5.3 系统功能测试 | 第58-60页 |
| 5.3.1 视频采集功能测试 | 第58-59页 |
| 5.3.2 抓拍功能的测试 | 第59页 |
| 5.3.3 图像处理功能测试 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |