基于roi平均图像分析的燃气加热炉火焰实时监测方法
【技术领域】
[0001] 本发明属于工业加热炉火焰视频监控领域，具体涉及一种基于R0I平均图像分析 的燃气加热炉火焰实时监测方法。
【背景技术】
[0002] 燃气加热炉在石油、化工、钢铁等生产企业中地位举足轻重，火焰燃烧状况是其工 况最直接的反映，一般要求保证火焰充分、稳定地燃烧，避免因炉膛熄火而引发安全事故。 因此要在生产过程中对炉膛火焰燃烧状况进行实时监测，在工况异常时及时提供报警信息 并采取应对措施。目前已有的火焰自动监测手段，常采用单点的紫外线、红外线或可见光光 电传感元件，利用火焰亮度或闪烁频率来判断火焰燃烧状况，输出开关量为监控处理系统 提供判断依据，存在探头视角小、易被烟灰玷污、参数整定困难、易被火焰串扰现象影响等 诸多问题，其误报率和漏报率较高。随着计算机技术的飞速发展，基于视频/图像处理的炉 膛火焰监测技术不仅看火直观、形象，而且能充分发挥计算机强大的计算处理能力，自动采 集图像、提取火焰特征、进行燃烧诊断、存储事故图像等。国内外现有火焰视频监测系统主 要用于燃煤或燃油工业加热炉火焰的监测，已有的图像处理方法并不适用于燃气工业加热 炉的火焰监测，尤其对于多火嘴燃气工业加热炉，面临火嘴之间存在的严重火焰串扰问题， 现有图像处理方法无法准确给出燃烧状态的自动判别结果。随着工业摄像机分辨率提高， 对采集到的监控视频流进行全分辨率图像处理分析的计算量较大，实现实时处理分析的难 度也相应增大，这也需要更有效的图像处理方法实现火焰的实时监测，并准确判定火焰的 燃烧状态。
【发明内容】
[0003] 本发明旨在解决上述问题，针对以煤气或天然气为燃料的工业加热炉，提出一种 基于R0I平均图像分析的炉膛火焰实时监测方法。其主要特点在于:对耐高温成像系统采集 到的炉膛火焰视频流，采用人机交互方式选定火焰感兴趣区域(R〇I，Region of Interest) 并仅对R0I图像进行处理分析，提高了计算效率;在计算R0I平均图像的基础上通过一系列 图像预处理算法进一步准确定位最可能的火焰像素区域，据此提取有效的燃气火焰特征 量，并制定了相应特征分析策略给出实时的燃烧状态判定结果;通过不断积累的历史数据 建立离线自学习模型，优化系统分析参数，提高方法鲁棒性，给工业生产提供了安全保障。
[0004] 本发明提供的一种基于R0I平均图像分析的燃气加热炉火焰实时监测方法，可以 用于单火嘴或多火嘴燃气加热炉。存在多火嘴时，使耐高温成像系统的探火镜头以适当视 角俯视炉膛，可依据火嘴分布情况以火嘴燃烧火焰不遮挡为原则采集多路视频信号，每路 视频监控一个火嘴区域或相邻的多个火嘴区域，对每个火嘴区域选定其R0I图像进行处理 分析。
[0005] 具体而言，本发明提供的一种基于R0I平均图像分析的燃气加热炉火焰实时监测 方法，包括以下步骤：
[0006] 步骤一:在正常燃烧工况下，从耐高温成像系统中采集一帧图像，采用人机交互方 式在火嘴周围选定火焰感兴趣区域(R0I)，记录R0I坐标信息，并保存为模板;步骤二:对采 集到的视频流（图像序列），提取每一帧对应的R0I图像，选取适当的窗口尺寸计算平均帧 (图像）；步骤三:对R0I平均图像进行预处理操作，包括平滑去噪、阈值分割、形态学处理，确 定最可能的火焰像素区域，并由此得到用于提取燃气火焰特征的火焰区域B通道灰度图像 及R通道灰度图像;步骤四：利用R0I平均图像预处理结果分别计算火焰区域面积、火焰区域 平均亮度、火焰区域质心、火焰颜色主成分共4种特征量;步骤五:对提取到的火焰特征进行 综合分析，建立判定规则，自动识别火焰的燃烧状态(是否正在燃烧、燃烧是否稳定、燃烧是 否充分），并作为火焰监测结果输出；步骤六:利用系统运行监测过程中保存的历史数据，建 立离线自学习模型，不断优化系统分析参数，优化火焰状态判定规则，并重新应用于监测系 统，提升方法的鲁棒性。
[0007] 在上述技术方案中，所述步骤一包括以下步骤：
[0008] 鉴于实际的耐高温成像系统中伸入炉膛中的探火镜头与炉膛中火嘴的位置相对 固定，在监测系统硬件就绪后，打开监测系统软件，对每一路视频信号，在正常燃烧工况下， 使用软件"火焰R0I模板设置"功能从监控视频流中采集一帧火焰燃烧图像，根据火焰燃烧 情况人工判定监控画面中火嘴所在位置，并在其周围连续点击鼠标选定包含火嘴的封闭多 边形区域Ω作为火嘴R0I区域。如有多个火嘴，重复选择，使每个被监控火嘴均对应一个R0I 区域。以封闭多边形Ω外接矩形Rect= {xo，yo;w，h}形式记录各R0I位置信息，其中（xo，yo) 表示矩形左上角起点，w表示矩形宽度，h表示矩形宽度。为方便提取R0I图像，保存火焰R0I 模板图像表示为
_*χ￡[χ。，χο+w-1 ]，y e [ y。，y 0+h-1 ]。
[0009] 以下步骤仅针对一个ROI图像，若同一帧中存在其它ROI图像(多火嘴情形)采用相 同的方法处理。
[0010] 在上述技术方案中，所述步骤二包括以下步骤：
[0011] 鉴于炉膛在火焰燃烧时工况复杂，剧烈运动的热浪、烟灰和火焰串扰等极易引起 成像系统产生的图像受噪声污染，采用"平均图像法"计算R0I平均图像。利用火焰R0I模板 提取当前帧中火嘴R0I原始图像gk(x，y)，对应于视频流一帧图像中的R0I区域。设求取平均 图像的窗口尺寸为N，则当前帧R0I平均图像可由公式
进行计算，其中，k=l，2，···，表示当前帧序号。
[0012] 对于成像模型8(义，7)=;^1，7)+11(1，7)，其中；^(1，7)表示无噪理想图像，11(1，7)表 示随机加性噪声，其均值E{n(x，y)} =〇,则E{g(x，y)}=E{f (x，y)+n(x，y)} =E{f (x，y)}，由 此可知N帧图像的平均图像》
），且该平均图像 方m
)，其中〇g2(x，y)为原始图像的方差，即平均图像方差是原图像的 1/NA值越大，噪声抑制作用越强，但考虑到火焰监测的实时性，应根据实际情况来确定适 当的Nft。
[0013] 在上述技术方案中，所述步骤三包括以下步骤：
[0014] 对目标图像进行预处理，包括平滑去噪、阈值分割、形态学处理，确定最可 能的火焰像素区域。
[0015] 为进一步去噪，采用中值滤波与高斯滤波相结合的方法。中值滤波用一个含有奇 数点的滑动窗口扫描图像中的每一个像素，将窗口确定的邻域中的像素灰度排序，取其中 间值为输出像素灰度值，能有效消除椒盐噪声，保持图像边缘。设S为中值滤波器滑动窗口 所确定的像素(X，y)的邻域集合，|s|表示集合S中元素个数(为奇数），S〇rt( ·)表示排序操
作，则对5(^，3〇进行中值滤波可以表示为 |+1。高斯滤波对整幅 ·? 图像进行加权平均，设二维高斯杉
，^为均值，σ为标准差，经高 斯滤波后得到图像毛〇^)=尽(~，)@(^(；^)，黎表示卷积操作，实际计算时利用一个 高斯核确定的加权模板扫描图像中的每一个像素，用模板所确定的邻域内像素的加权平均 灰度值去替代模板中心像素点的值，达到平滑去噪目的。
[0016] 对于燃气火焰图像，经验发现利用RGB空间图像h2(x，y)的蓝色通道（即Β通道)Β (^7)=11 2(^7;8)进行阈值分割效果最好。采用了二值阈值分割，设定灰度阈值1'，则图像 二值化结果为
[0017] 为使得到的二值图像更好地反映火焰形状信息，紧接着对该二值图像进行一系列 形态学处理。图像形态学处理是一种