第十一章 數(shù)字圖像處理應用課件

第十一章數(shù)字圖像處理應用

第一節(jié)鍋爐火焰圖像檢測第十一章數(shù)字圖像處理應用

一、火焰圖像檢測系統(tǒng)結(jié)構(gòu)(一)系統(tǒng)結(jié)構(gòu)圖11－1為200MW火焰圖像檢測系統(tǒng)結(jié)構(gòu)成圖。圖11－1 系統(tǒng)構(gòu)成第十一章數(shù)字圖像處理應用

系統(tǒng)主要組成有：1.火焰圖像傳感器

2.視頻分配器

3.視頻切換矩陣

4.畫面分割器

5.上位機工程師站

6.下位機工作站

7.錄像機等第十一章數(shù)字圖像處理應用

(二)系統(tǒng)功能系統(tǒng)具有的主要功能：

1.爐膛火焰的實時監(jiān)視功能

2.滅火保護功能

3.實時診斷功能

4.故障記錄與追憶等主要功能第十一章數(shù)字圖像處理應用

二、火焰檢測算法（1）圖像特征分析圖11－4著火圖像圖11－5熄火圖像第十一章數(shù)字圖像處理應用

有兩種滅火情況：一是斷粉熄火另一種是噴粉滅火傳感器故障時，整個圖像特征與黑區(qū)的特性一致。第十一章數(shù)字圖像處理應用

（2）特征提取

設(shè)置如圖11－8示的三個特征提取區(qū)域，在相應區(qū)域內(nèi)提取火焰燃燒的特征參數(shù)。

區(qū)域A設(shè)置原則是：一般情況下，火焰的黑龍區(qū)、初燃區(qū)和燃燒區(qū)都落在該區(qū)域內(nèi)。圖11－8特征提取區(qū)域第十一章數(shù)字圖像處理應用

（3）RBF神經(jīng)網(wǎng)絡

RBF神經(jīng)網(wǎng)絡輸入層到隱含層的映射具有特征聚類功能，因此RBF神經(jīng)網(wǎng)絡在分類能力和學習速度上優(yōu)于其它神經(jīng)網(wǎng)絡，故采用該神經(jīng)網(wǎng)絡進行著火判別。

RBF神經(jīng)網(wǎng)絡為三層前向網(wǎng)絡，隱含層徑向基函數(shù)采用高斯函數(shù)，其第j元的輸出與輸入向量的關(guān)系為：第十一章數(shù)字圖像處理應用

輸出層為2個神經(jīng)元，其輸出（）與隱含層輸出（）的關(guān)系為:

網(wǎng)絡理想輸出狀態(tài)（1,0）為著火；（0,0）為熄火；（0,1）為滅火；（1,1）為故障。第十一章數(shù)字圖像處理應用第二節(jié)燃燒穩(wěn)定性判別

一、燃燒穩(wěn)定性特征彩色火焰圖像的G色度圖像的差分圖像能較好地反映出未燃區(qū)域變化，其G色度值的差分圖像定義為：第十一章數(shù)字圖像處理應用

用表示在時間間隔內(nèi)的火焰G色度圖像的相對變化量，其定義為:

其中為比例因子,作用有:

一突出變化量二調(diào)整參數(shù)與語言的模糊關(guān)系第十一章數(shù)字圖像處理應用

二、判別方法燃燒穩(wěn)定性判別方法如圖11－12所示，采用了模糊模式識別方法進行燃燒穩(wěn)定性判。圖11－12燃燒穩(wěn)定性判別方法第十一章數(shù)字圖像處理應用

用一個差分圖像相對變化量來判別燃燒穩(wěn)定性，其效果不理想。而用二個差分圖像相對變化量來進行燃燒穩(wěn)定性判別可有效克服燃燒波動的隨機影響，提高燃燒穩(wěn)定性判別正確率。此外采樣圖像的間隔也是影響判別的一個重要因素。大，采樣圖像失去反映燃燒穩(wěn)定性信息；太小，未燃區(qū)域變化不明顯，容易誤判。第十一章數(shù)字圖像處理應用

在一定條件下，燃燒穩(wěn)定性與差分圖像相對變化量在概念層上的關(guān)系用語言描述如下：如果大，且大，則不穩(wěn)定燃燒；如果大，且中，則不穩(wěn)定燃燒；如果中，且大，則不穩(wěn)定燃燒；其它情況下，為穩(wěn)定燃燒。第十一章數(shù)字圖像處理應用第三節(jié)二維溫度場測量

一、測量機理（一）CCD攝像機

CCD成像是一個光電轉(zhuǎn)換過程，在理想情況下，面陣CCD器件在像點處的輸出電流與該點光照度的關(guān)系為：第十一章數(shù)字圖像處理應用

當物距遠大于鏡頭焦距f時，像點的光照度與該點CCD所能接收到的相應物體亮度的關(guān)系為:第十一章數(shù)字圖像處理應用

在CCD攝像機中除了對CCD器件輸出電流信號放大之外，還進行了γ校正以滿足圖像顯示要求。因此攝像機在像點的實際輸出電壓與該點所對應的曝光量關(guān)系為:第十一章數(shù)字圖像處理應用

（二）理想溫度模型

在正常曝光范圍內(nèi)，溫度小于3000K時，由Wein定律可以得到:第十一章數(shù)字圖像處理應用

上式可整理得到彩色CCD攝像機的三色測溫公式：第十一章數(shù)字圖像處理應用

二、實際測溫模型彩色CCD攝像機的RGB分量輸出電壓、、經(jīng)過圖像采樣后與數(shù)字圖像RGB分量的灰度值近似為線性關(guān)系，于是溫度與圖像灰度值也存在如下非線性函數(shù)關(guān)系：

第十一章數(shù)字圖像處理應用

BP神經(jīng)網(wǎng)絡具有自學習和逼近任意有界連續(xù)非線性函數(shù)的能力。所以利用BP神經(jīng)網(wǎng)絡來構(gòu)造一個“黑箱”，并通過神經(jīng)網(wǎng)絡的自學習來逼近溫度與灰度值的函數(shù)關(guān)系，其網(wǎng)絡輸入為RGB分量的灰度值，輸出層為一個神經(jīng)元，表示測量溫度。第十一章數(shù)字圖像處理應用

所采用的BP神經(jīng)網(wǎng)絡結(jié)構(gòu)如圖11－16所示：

圖11－16神經(jīng)網(wǎng)絡結(jié)構(gòu)第十一章數(shù)字圖像處理應用

三、測量結(jié)果

神經(jīng)網(wǎng)絡的學習誤差的定義為：第十一章數(shù)字圖像處理應用第四節(jié)蘋果壞損自動檢測與分類

一、圖像處理系統(tǒng)蘋果光學反射特性主要有如下性質(zhì)：在近紅外波段750－1100nm內(nèi)，同一品種蘋果綠色、紅色、黃綠色部分的反射系數(shù)基本相等，非壞損部分反射系數(shù)比壞損部分反射系數(shù)大。另外在波段750—880nm之間非壞損部分反射系數(shù)可認為是一常數(shù)。第十一章數(shù)字圖像處理應用

二、圖像預處理(一)均值濾波蘋果一些非壞損區(qū)域灰度值有不規(guī)則的小波動，這些現(xiàn)象可認為是由于光電子散粒噪聲、矩陣式CCD器件對光敏感性不一致以及蘋果本身表面情況細微變化所造成的。第十一章數(shù)字圖像處理應用圖11－22蘋果圖像圖11－23圖像在壞損處（橫截面）灰度分布圖11－24濾波后圖像在壞損處（橫截面）灰度分布第十一章數(shù)字圖像處理應用

(二)圖像增強通過增加光照強度等外部條件增大壞報與非壞損灰度對比度，但是在實際中增加光照強度可一定程度上增大壞損與非壞損灰度對比度，但并非是線性關(guān)系；另外光照強度的增強還受CCD攝像機光響應特性條件的限制。因此通過軟件方法來增大壞損與非壞報灰度差值，以利于壞損邊緣的檢測。第十一章數(shù)字圖像處理應用

設(shè)對于相鄰的兩像素，在果形表面正常的情況下，可認為兩相鄰點的光照強度、形狀因子相等。于是兩相鄰像素灰度差值為：圖像增強后的兩相鄰像素灰度差值為：

第十一章數(shù)字圖像處理應用

三、壞損檢測（一）特征分析圖像灰度分布具有如下特征：(1)當蘋果圖像中無壞損和花萼或果梗時，在理想情況下由蘋果邊緣至中心區(qū)域灰度值呈單調(diào)上升趨勢，其等灰度曲線近似圓形。(2)圖像有壞損時，壞損區(qū)域的灰度值較相鄰的非壞損區(qū)域灰度值小，且其差值較大(3)由于噪聲的影響，在蘋果正常部分其灰度值也有一些小的淺洼區(qū)，但是這些洼區(qū)的深度較壞損部分所對應的洼區(qū)要淺。第十一章數(shù)字圖像處理應用

（二）壞損點檢測

壞損點檢測規(guī)則分以下幾種情況：（1）當相鄰比較像素PI不是壞損點時（2）當相鄰比較像素PI是首次可疑下降點時（3）當相鄰比較像素PI是第2可疑下降點時（4）當相鄰比較像素PI是第3可疑下降點時（5）當相鄰比較像素PI是第4可疑下降點時第十一章數(shù)字圖像處理應用

（6）當相鄰比較像素PI是第5可疑下降點時（7）當相鄰比較像素PI是第1可疑上升點時（8）當相鄰比較像素PI是第2可疑上升點時（9）當相鄰比較像素PI是第3可疑上升點時（10）當相鄰比較像素PI是第4可疑上升點時（11）當相鄰比較像素PI是下降壞損點時（12）當相鄰比較像素PI是上升壞損點時第十一章數(shù)字圖像處理應用

上述條件都不滿足，則檢測點P作為上升壞損點處理。上述預估值是指與壞損邊緣點相鄰的且在同一判別方向上的蘋果非壞損處的灰度值的預估值。在蘋果圖像中如無壞損和果梗、花萼時，其灰度值的空間分布可用下式近似表示：第十一章數(shù)字圖像處理應用

（三）壞損區(qū)域判別首先，將檢測出的壞損點依據(jù)壞損點標記使圖像中的壞損點匯聚成若干個不相聯(lián)的可疑壞損區(qū)域。定義區(qū)域的最小深度為：當閾值，且區(qū)域面積閾值時，該區(qū)域初步判定為壞損區(qū)域。第十一章數(shù)字圖像處理應用

為了避免將果梗區(qū)和花萼區(qū)判為壞損區(qū)域，采用如下判別方法：（設(shè)可疑壞損區(qū)域所在的圖像為F1(或F3)）(1)當可疑壞損區(qū)域的面積大于閾值時，需進行下面判別，否則為壞損區(qū)域。(2)在F3(或F1)中無可疑壞損區(qū)域，如果的面積大于閾值，并且其形心靠近圖像處理窗口的頂部，則進行第(3)判別，否則可疑壞損區(qū)域是壞損區(qū)域。第十一章數(shù)字圖像處理應用

(3)如果形心位于接近圖像處理窗口的頂部邊緣，則為果梗區(qū)域或花萼區(qū)域。否則F2中的蘋果圖像上部的邊緣作一直線擬合(如圖11－28所示)。當擬合直線的斜率大于，則為果梗區(qū)域或花萼區(qū)域；否則為壞損區(qū)域。圖11－28邊緣直線擬合第十一章數(shù)字圖像處理應用

（4）在F3或(F1)中有可疑壞損區(qū)域，當其相應的形心滿足下列條件之一則和為果梗區(qū)和花萼區(qū)，否則都為壞損區(qū)域。第十一章數(shù)字圖像處理應用

（四）結(jié)果

壞損點單調(diào)檢測法能有效地檢測出壞損。系統(tǒng)對閾值參數(shù)選擇不是很敏感，即魯棒性較強。在參數(shù)選擇得當?shù)臈l件下，壞損檢測與判別方法能以較高的正確率將壞損檢出。第十一章數(shù)字圖像處理應用

四、缺陷分類（一）缺陷特征參數(shù)圓形因子定義為：長形因子L(B)

定義為：第十一章數(shù)字圖像處理應用

區(qū)域?qū)挾萕(B)定義：設(shè)區(qū)域在θ方向上獲得最大投影長度，區(qū)域在方向上的投影長度則為區(qū)域?qū)挾?，其為：第十一章?shù)字圖像處理應用

（二）分類方法缺陷分類是一個多模式分類問題，利用二叉樹（決策）方法可把一個復雜多模式分類問題化為多級多個二類模式分類問題。如圖11－31所示的缺陷分類方法。第十一章數(shù)字圖像處理應用圖11－31缺陷分類方法第十