针对图像像素集合的处理过程，用S代表结构元素 (Structure Element)，用矩阵A表示待处理的二值图像，用S对A进行腐蚀的结果就是把S平 移后使S包含于A的所有像素构成的集合，即= (外用S对A进行膨胀的结果 就是把S平移后使S与A的交集非空的像素构成的集合，即S =丨21 nd #0丨。对于上 述二值化结果图像m(x，y)，所采用的形态学处理方法是先通过闭运算(先膨胀后腐蚀的过 程)来连接近邻目标像素、填充细小空洞，然后再采用开运算(先腐蚀后膨胀的过程)来消除 毛刺、断开狭窄连接，实现目标轮廓的平滑，同时目标面积基本保持不变。接着对处理后的 连通区域的面积进行比较，去掉较面积小的连通区域，保留面积最大的连通区域Ω η。以上 图像形态学处理结果记为
，Mask(x，y)相当于火焰像素模板， 其非零处记录了最可能的火焰像素位置。
[00?8]让形态学处理后的二值图像Mask (X，y)分别与火焰RGB图像的B通道图像h2 (X，y; B)及R通道图像h2(x，y;R)对应位置的像素灰度值相乘，就可得到火焰区域的B通道灰度图 像lB(x，y)=h2(x，y;B) · Mask(x，y)及R通道灰度图像lR(x，y)=h2(x，y;R) · Mask(x，y)，以 用于下一步提取火焰特征。
[0019] 在上述技术方案中，所述步骤四包括以下步骤：
[0020] 火焰燃烧状态是对火焰图像特征进行分析后得出的。本发明从上述火焰图像预处 理结果中提取火焰区域面积、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，计算方法为：
[0021] (1)火焰区域面积
^焰区域面积指的是火焰灰度图像中非零 X-U ?/-
) 像素的个数，根据B通道灰度图像计算 vAe[0，wXh]，w、h分别为 图像的宽和高。
[0022] (2)火焰区域平均亮度〔焰区域平均亮度指 X=:yy=\j
的是火焰灰度图像中非零像素灰度的平均值，根据B通道灰度图像计算。
[0023] (3)火焰区域质心(xc，yc:车中叉。 χ=υ γ=υ
λ -u ￡[0，《-1]，7。6[0，1!-1]，根据8通道灰度图像计算，质心波动与火焰燃烧是否稳定有关。
[0024] (4)火焰颜色主成分:煤气或天然气燃烧时，视其燃烧充分与否，火焰颜色一般表 现为蓝色或橙黄色。从RGB颜色空间看，这里将橙黄色火焰的颜色主成分定为红色(R)，蓝色 火焰的颜色主成分定为蓝色(B)。比较图像I B(x,y)和图像IR(x,y)相同位置处像素的灰度值 大小，求出蓝色分量大于红色分量的像素个I」
以及红色 分量大于蓝色分量的像素个；
.其中
。若Nb >Nr，则火焰的颜色主成分为蓝色;反之，则火焰的颜色主成分为红色。
[0025] 在上述技术方案中，所述步骤五包括以下步骤：
[0026] 对提取到的火焰特征进行综合分析，判定火焰的燃烧状态，并作为火焰监测结果 输出。
[0027] (1)对于火焰是否正在燃烧，以当前帧为判定单位，建立规则1:若当前帧火焰面积 A>Ta(Ta为所设置的面积阈值），且平均亮度μ>Τ μ(Τμ为所设定的平均亮度阈值），则判定火 焰正在燃烧，否则火焰熄灭。
[0028] (2)为了降低熄火误报率，以连续Κ帧为判定单位，建立规则2:对于连续Κ帧图像的 检测结果，只要其中有一帧图像满足火焰面积六>1^且平均亮度μ>Τ μ，则判定火焰正在燃 烧，否则火焰熄灭。
[0029] (3)对于火焰燃烧是否稳定，以连续Κ帧为判定单位，建立规则3:当火焰正在燃烧 时，设质心平均坐标
若质心波动范围
(T。为所设定的质心波动范围阈值），则火焰波动小，判定燃烧稳定;反之，则火焰波动大，燃 烧不稳定。
[0030] (4)对于火焰燃烧是否充分，以连续K帧为判定单位，建立规则4:当火焰正在燃烧 时，若NB>NR的帧数比NB < Nr的帧数多，则火焰的颜色主成分为蓝色，燃烧充分;反之，则火 焰的颜色主成分为红色，燃烧不充分。
[0031 ]在上述技术方案中，所述步骤六包括以下步骤：
[0032]系统运行监测过程中，将历史数据(包括火焰图像特征数据、图像处理或分析中用 到的阈值参数、对应的火焰燃烧状态判定结果)保存到数据库，通过不断积累的有效数据建 立离线自学习模型，采用机器学习方法，寻求最优的阈值参数和分析判定规则，并将优化结 果重新应用于监测系统中，提升方法的鲁棒性。
[0033]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，具有 以下有益效果:采用人机交互方式选定火焰R0I区域，计算R0I平均图像进行处理分析，大大 减少了恶劣工业环境带来的噪声干扰，计算效率高，满足实时性要求;通过有效的图像预处 理算法准确定位最可能的火焰区域，提取符合燃气火焰的图像特征，进行有针对性的特征 分析给出判定结果，还通过建立对历史数据的离线自学习模型，优化系统参数，提高了系统 鲁棒性，从而能实现实时准确地监测火焰燃烧状态，给工业生产提供安全保障，为企业创造 经济效益。该方法解决了目前国内比较缺乏的以煤气或天然气为燃料的多火嘴工业加热炉 炉膛火焰燃烧状况实时监测的技术问题，具有广阔的推广前景。
【附图说明】
[0034] 图1是本发明基于R0I平均图像分析的燃气加热炉火焰实时监测方法流程图
【具体实施方式】
[0035] 下面结合附图和实施例对本发明的实施方式进行详细阐述，但该实施例不应理解 为对本发明的限制。
[0036]参见图1，本发明所描述的一种基于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：
[0037]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。实际工作时， 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，具体做法是: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= {x〇，y〇;w，h}形式记录各R0I位置信息，其中（x〇，y〇)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
其中xe [x0，x0+W-l]，ye [y0，y0+h-l]。
[0038] 步骤二:对采集到的视频流（图像序列），提取每一帧对应的ROI图像，选取适当的 窗口尺寸N计算平均帧（图像）。以下步骤仅针对一个R0I图像，若同一帧中存在其它R0I图像 采用相同的方法处理。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，则利用"平均图像法"计算出当前帧R0I平均图像
其中，k=l，2,…表示当前帧序号，N是窗口尺寸。N 值越大，对炉膛中剧烈运动的热浪、烟灰和火焰串扰等引起的成像噪声抑制作用越强，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N值。
[0039] 步骤三:对R0I平均图像进行预处理操作，包括平滑去噪