目前,利用計算機(jī)視覺技術(shù)對電站爐膛火焰燃燒狀態(tài)的監(jiān)控已成為研究的熱點。對此，國內(nèi)外學(xué)者作了大量的研究工作，意在通過火焰圖像信息的解讀，對其燃燒狀態(tài)進(jìn)行識別，從而保證電站鍋爐的正常運(yùn)行[1-5]。圖像分割是圖像處理和分析的關(guān)鍵環(huán)節(jié)，是成功進(jìn)行下一步工作的有力保證，現(xiàn)有大量的人工智能算法己應(yīng)用到火焰圖像分割之中[6-10]。

    根據(jù)上述研究現(xiàn)狀，本文將計算機(jī)視覺技術(shù)應(yīng)用到所從事的工作之中，即向各個社區(qū)供暖的電站鍋爐爐膛火焰圖像，提出一種基于馬爾科夫隨機(jī)場模型的爐膛火焰分割算法。算法分別對火焰圖像建立觀測場模型和標(biāo)記場模型,將圖像分割轉(zhuǎn)化為求后驗概率最大值的問題。實驗證明，該方法有效地分割火焰圖像，為火焰燃燒狀態(tài)的識別、電站鍋爐運(yùn)行狀態(tài)的監(jiān)督及社區(qū)供暖監(jiān)控等工作奠定了堅實的基礎(chǔ)。
1 系統(tǒng)裝置
    本文設(shè)計的爐膛火焰圖像分割系統(tǒng)具有一定的創(chuàng)新性，適用于各種有無工業(yè)電視監(jiān)督的電站，具有方便、經(jīng)濟(jì)、成本低的特點。硬件裝置包括具有靈敏度高、抗強(qiáng)光、體積小等特點的CCD攝像機(jī)，CPU為Intel Pentium 4、內(nèi)存1 GB、硬盤80 GB的計算機(jī)(或筆記本電腦)，可以自由移動的暗箱及固定在暗箱上的2個高精密度光源。暗箱用來阻止外界光的干擾，CCD攝像機(jī)與計算機(jī)相連，安插固定在暗箱上方。獲取圖像時，將暗箱與電站爐膛口相對即可。2個高靈敏光源與爐膛火焰均成45°，既充當(dāng)了自然光，又消除了火焰在攝像頭前留下的陰影。通過計算機(jī)控制調(diào)整CCD攝像機(jī)與火焰的距離，每隔一定的時間可獲取火焰圖像，并存儲在計算機(jī)內(nèi)。系統(tǒng)硬件裝置如圖1所示。軟件選擇Matlab，其圖像處理工具箱中自帶的圖像處理函數(shù)和簡單的語法結(jié)構(gòu)，使得仿真試驗可以方便快速地進(jìn)行。

2 算法
    火焰圖像分割算法包括顏色特征提取、標(biāo)記場模型Potts和觀測場模型FGMM的建立及最大后驗概率(MAP)的計算三部分，由此將圖像分割問題轉(zhuǎn)化成統(tǒng)計學(xué)計算的問題。
2.1 顏色特征提取
    系統(tǒng)裝置獲取的原始火焰圖像是在RGB顏色空間中表示的，RGB顏色空間由于參數(shù)R、G、B具有高度的相關(guān)性，所以不適合顏色提取分析。HSV顏色空間由RGB顏色空間演變而來，參數(shù)H表示色彩信息，參數(shù)S表示純度，參數(shù)V為色彩明亮程度，彼此之間的相關(guān)度不高，適合顏色分析。本文采用HSV顏色空間表示顏色特征，將提取的顏色特征記為α。
2.2 模型建立
    設(shè)圖像中的觀測像素為?琢，圖像的標(biāo)號為Ma，可以定義為離散隨機(jī)變量，從L={1,2,…,N}中取值，這樣標(biāo)號集合M={Ma,a∈A}是隨機(jī)場。每個觀測像素都有其相應(yīng)的標(biāo)號，圖像分割就是找出相同標(biāo)號的不同觀測像素，并放在一起。數(shù)學(xué)表達(dá)為求P{M|?琢}，即后驗概率(MAP)值最大。


    (1) 設(shè)定圖像的分類數(shù)K，勢函數(shù)?茁及迭代次數(shù)；
    (2) 使用K-均值算法計算初始分割結(jié)果；
    (3) 估計觀測場參數(shù)μa和δ2；
    (4) 計算式(9)；
    (5) 根據(jù)式(9)最小原則，估計新的分割結(jié)果；
    (6) 判斷終止條件是否滿足。若滿足，則停止計算，否則返回步驟(3)。
2.4 算法流程
   本文的算法流程圖如圖2所示。

3 仿真及結(jié)果分析
    針對本文提出的算法，在Matlab7.1環(huán)境下，對在系統(tǒng)硬件裝置中，間隔5 s所獲取的原始火焰圖像進(jìn)行仿真，如圖3所示。
     本文提出的算法可以準(zhǔn)確地分割不同區(qū)域的火焰輪廓，為下一步分析工作打下堅實的基礎(chǔ)。系統(tǒng)全部程序的運(yùn)行時間僅為6.023 8 s，體現(xiàn)了算法的準(zhǔn)確快速性。仿真結(jié)果如圖4所示。

    本設(shè)計成功地將計算機(jī)視覺技術(shù)應(yīng)用到爐膛火焰分割之中。創(chuàng)新點在于系統(tǒng)裝置的設(shè)計和對原始火焰圖像的建模。通過對系統(tǒng)硬件獲取的火焰圖像建立馬爾科夫隨機(jī)場模型，準(zhǔn)確地分割火焰圖像，為之后的火焰識別等工作奠定了基礎(chǔ)。
參考文獻(xiàn)
[1] HIRANO T, ISHIZUKA S, TSURUDA T, et al. The potential od visualization for studies on flames and furnace[J]. Fuel, 1994,73(11):1697-1705.
[2] 劉道光, 呂麗霞, 劉長良. 支持向量機(jī)在爐膛火焰監(jiān)測中的應(yīng)用[J]. 化工自動化及儀表, 2010,37(1):41-44.
[3] 韓璞, 張欣, 王兵. 基于神經(jīng)網(wǎng)絡(luò)的交互式爐膛火焰圖像識別[J]. 中國電機(jī)工程學(xué)報, 2008,28(20):22-26.
[4] 周鵬，朱虹，季瑞瑞. 爐膛火焰圖像預(yù)處理的Matlab實現(xiàn)[J]. 微計算機(jī)信息, 2007,23(6):306-307.
[5] 孟令軍. 用計算機(jī)數(shù)字圖像處理技術(shù)檢測電站鍋爐燃燒器火焰[J]. 化工自動化及儀表,2001, 28(2):43-45.
[6] 田麗軍. 煤礦監(jiān)控中火災(zāi)圖像分割方法研究[J]. 煤炭技術(shù), 2011,30(7):83-85.
[7] 許志聞, 紀(jì)政,郭嘵新,等. 基于小波神經(jīng)網(wǎng)絡(luò)的爐膛火焰識別和診斷[J]. 儀器儀表學(xué)報, 2004, 25(8):376-378.
[8] 劉禾.基于火焰圖像和模糊神經(jīng)網(wǎng)絡(luò)的鍋爐燃燒穩(wěn)定性判別[J]. 儀器儀表學(xué)報, 2008,29(6):1280-1283.
[9] 吳錚, 孫立,汪亞明.基于隱馬爾可夫模型的火焰檢測[J].計算機(jī)工程, 2008,34(20):213-215.
[10] 董增壽, 張鳳春.基于OSTU爐膛火焰圖像分割建模[J].微計算機(jī)信息, 2010,26(6):201-203.