煤燃烧国家重点实验室开放基金(FSKLCC1001)
- 作品数：10 被引量：112H指数：6
- 相关作者：吴一全周怀春宋昱朱丽孟天亮更多>>
- 相关机构：华中科技大学南京航空航天大学国家海洋局更多>>
- 发文基金：煤燃烧国家重点实验室开放基金国家自然科学基金江苏高校优势学科建设工程项目更多>>
- 相关领域：电子电信动力工程及工程热物理自动化与计算机技术电气工程更多>>
- Log-Gabor小波和分数阶多项式KPCA的火焰图像状态识别被引量：3
- 2014年
- 目的为了进一步提高锅炉燃烧火焰图像状态识别的性能,提出了一种基于Log-Gabor小波和分数阶多项式核主成分分析(KPCA)的火焰图像状态识别方法。方法首先利用Log-Gabor滤波器组对火焰图像进行滤波,提取滤波后图像的均值和标准差,并构成纹理特征向量。然后使用分数阶KPCA方法对纹理特征向量进行降维,并将降维后的纹理特征向量输入支持向量机进行分类。结果本文与基于Log-Gabor小波特征提取以及2种基于Gabor小波特征提取的方法相比,本文方法的分类识别正确率更高,分类精度为76%。同时,第1主分量方差比重与核函数参数d之间满足递增关系。本文方法能够准确地提取火焰图像纹理特征。结论本文提出一种对锅炉燃烧火焰图像进行状态识别的方法,对提取的火焰图像纹理特征向量进行降维并进行分类,可以获得较高的分类精度。实验结果表明,本文方法分类精度较高,运行时间较短,具有良好的实时性。
- 宋昱吴一全
- 关键词：燃烧监测火焰图像LOG-GABOR小波核主成分分析
- 基于复Contourlet和改进数学形态学的火焰图像边缘检测被引量：6
- 2014年
- 为进一步改善火焰图像边缘检测性能,提出了一种基于复Contourlet模极大值和改进数学形态学的边缘检测方法.通过复Contourlet变换将火焰图像分解成低频和高频子带,并对边缘细节较少的低频子带分量采用改进的数学形态学方法进行处理,检测出较弱的边缘并保证定位准确,而对高频子带分量采用复Contourlet模极大值法检测边缘,可有效减弱噪声,最后经融合得到火焰图像的完整边缘.结果表明:与Canny方法、小波模极大值方法、Contourlet模极大值方法和Contourlet形态学方法相比,所提方法在主观视觉效果、峰值信噪比等客观定量评价指标2个方面有明显的优势,具有更好的边缘检测效果,边缘轮廓更清晰完整,且具有很强的抗噪性能.
- 吴一全朱丽周怀春
- 关键词：图像处理数学形态学边缘检测
- 基于双树复小波域HMT模型的煤燃烧火焰图像去噪被引量：7
- 2014年
- 锅炉煤燃烧火焰图像中存在的噪声会对后续的特征提取和温度重建造成不利的影响.为更有效地去除锅炉煤燃烧火焰图像中的噪声,文中提出了一种基于双树复小波域隐马尔可夫树(HMT)模型的锅炉煤燃烧火焰图像去噪方法.首先对含噪火焰图像进行双树复小波变换,然后依据HMT模型分别对双树复小波系数的实部和虚部进行建模,并采用期望值最大算法来估计模型参数,接着利用贝叶斯最小均方误差准则来估计无噪双树复小波系数,最后通过双树复小波逆变换得到去除噪声的火焰图像.实验结果表明,与小波域VisuShrink阈值法、基于小波域或Contourlet域HMT模型的方法相比,文中方法能够有效地抑制噪声,获得较高的峰值信噪比.
- 吴一全宋昱
- 关键词：图像去噪双树复小波变换隐马尔可夫树模型
- 分解的二维倒数交叉熵图像阈值选取被引量：2
- 2013年
- Shannon熵常用于表示信息平均不确定性,但因其定义基于对数函数故存在零点处无意义的缺陷,且二维交叉熵法中若能避免对数运算可使处理速度进一步提升。据此,本文提出了基于分解的二维倒数交叉熵图像阈值选取方法。首先定义了倒数交叉熵,依据分割前后图像之间的最小倒数交叉熵选取阈值;然后给出了二维倒数交叉熵定义及其阈值选取公式,提出了二维倒数交叉熵阈值选取的分解算法。通过求解两个一维倒数交叉熵的最佳阈值,再将其组合获得二维倒数交叉熵最佳阈值,由此将二维运算分解为两个一维运算,算法的计算复杂度从O(L4)降低到O(L)。大量实验结果表明,与基于粒子群优化(Particle Swarm Optimization,PSO)的二维最大Shannon熵法、基于粒子群优化的二维Shannon交叉熵法以及二维指数交叉熵法相比,本文方法的分割效果和运行速度均有优势。
- 吴一全孟天亮
- 关键词：图像处理阈值选取二维直方图
- 锅炉煤燃烧火焰图像倒数交叉熵多阈值分割被引量：1
- 2013年
- 为了快速准确地进行锅炉煤燃烧火焰图像的分割,提出了基于倒数交叉熵的多阈值分割方法,以弥补现有Shannon交叉熵方法因涉及对数运算而存在无定义值和零值的缺陷,并提升算法运算速度.首先定义了倒数交叉熵,导出了最小倒数交叉熵单阈值选取公式,证明了倒数交叉熵在灰度均匀分布时和Shannon交叉熵等价;然后将此推广到多阈值选取,给出最小倒数交叉熵多阈值选取的改进粒子群优化算法,实现对多个阈值快速精确地寻优;最后针对火焰图像进行了大量的实验.结果表明,与基于改进粒子群优化的最大Shannon熵、灰度熵、Otsu、Shannon交叉熵等方法相比,该方法能够更为准确地对火焰图像进行多阈值分割,而且计算速度比Shannon交叉熵方法大大加快.
- 吴一全宋昱周怀春
- 关键词：改进粒子群优化
- 改进的二维最小交叉熵阈值分割快速迭代算法被引量：7
- 2011年
- 基于灰度级-平均灰度级直方图的现有二维交叉熵阈值分割法的分割结果不够准确,计算最佳阈值时需搜索整个解空间,因而效率不高.针对这一问题,提出一种基于灰度-梯度共生矩阵的二维最小交叉熵阈值选取快速迭代算法,推导了相关的公式.对典型测试图像进行了大量实验,并与基于灰度级-平均灰度级直方图的方法在分割结果及运行时间上作了比较,结果表明所提出的算法分割结果更加精确,且计算最佳阈值时只需遍历其中一小部分解空间,运行时间减少到5%左右.
- 吴一全樊军周怀春
- 关键词：图像处理阈值分割灰度-梯度共生矩阵
- 基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取被引量：11
- 2014年
- 提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则，解决了Shannon熵定义中存在的无意义值问题。同时，以二维直方图斜分方式更加准确地划分目标和背景，提高了算法抗噪性能，且使需要选取的阈值个数由两个变为一个，减少了算法运行时间。此外，采用蜂群优化算法加速对最佳阈值的搜索，使速度提升了约80％～140％，进一步提高了算法的实时性。最后，针对火焰图像进行了大量实验，并与二维斜分最大Shannon熵法、基于混沌小生境粒子群优化（NCPS0）的二维斜分最大倒数熵法进行了比较。结果表明，提出的方法在分割效果上优势明显，且抗噪性能更好，是一种实时有效的火焰图像分割方法。
- 吴一全孟天亮王凯
- 关键词：图像分割阈值选取
- 基于Krawtchouk矩和支持向量机的火焰状态识别被引量：18
- 2014年
- 监测炉膛火焰燃烧状态对防止锅炉爆管起着重要作用。为了进一步提高火焰图像特征提取的准确度和燃烧状态的识别率,文中将Krawtchouk矩引入火焰特征提取,提出了一种将Krawtchouk矩不变量与小波支持向量机相结合的火焰燃烧状态识别方法。首先计算火焰图像的Krawtchouk矩及Krawtchouk矩不变量,以此构造火焰图像的特征向量;然后根据训练样本的特征向量构造支持向量机,对火焰图像进行状态识别,并采用混沌小生境粒子群算法优化支持向量机中的核函数参数与惩罚因子,使其识别性能最优。大量实验结果表明:与基于Hu矩和支持向量机的方法、基于Zernike矩和支持向量机的方法相比,采用Krawtchouk矩不变量作为火焰图像的特征能更好地对火焰图像燃烧状态进行识别,识别率大大提高,且结果与实际情况相符。
- 吴一全朱丽周怀春
- 关键词：火焰图像特征提取KRAWTCHOUK矩小波支持向量机
- 基于灰度熵多阈值分割和SVM的火焰图像状态识别被引量：31
- 2013年
- 为了进一步提高锅炉燃烧火焰图像状态识别的性能,提出了一种基于灰度熵多阈值分割和支持向量机(supportvector machine,SVM)的火焰图像状态识别方法。对火焰图像进行基于灰度熵准则的多阈值分割,采用改进粒子群优化算法选取最优多阈值,由此快速准确地分割出火焰图像中的背景区域、有效燃烧区域及高温燃烧区域;然后,提取火焰图像的10个特征参数,以此作为训练样本训练支持向量机,最后采用支持向量机依据提取的特征对火焰图像进行分类,并通过上述改进粒子群优化算法优化支持向量机中的2个参数。实验结果表明,提出的方法分割结果正确,与采用将图像像素作为训练样本的方法相比,该方法的分类识别正确率更高,运行速度大大加快。
- 吴一全宋昱周怀春
- 关键词：燃烧监测火焰图像灰度熵多阈值分割改进粒子群优化
- 基于各向异性数学形态学的火焰图像边缘检测被引量：33
- 2013年
- 为了更加有效地提取锅炉燃烧火焰图像的边缘,提出了一种基于各向异性数学形态学的火焰图像边缘检测方法。首先计算火焰图像的平均平方梯度向量并由其表示平均梯度向量,然后对平均梯度向量进行扩散得到图像的平均梯度向量场,并计算图像各像素点的平均梯度方向,最后根据各点的方向信息构造适合的形态结构元素,并计算其形态学梯度,据此检测出火焰图像的边缘。针对大量火焰图像进行的实验结果表明,与现有的边缘检测方法包括Roberts方法、Sobel方法、Prewitt方法、Canny方法、Log方法、各向同性数学形态学方法以及自适应邻域方法相比,该方法检测出的边缘,定位更加准确,边缘完整清晰,算法抗噪性更好,运算速度快。
- 吴一全宋昱周怀春
- 关键词：边缘检测形态学梯度
