基于小波變換的熱處理火焰監測系統研究

趙京鶴，張翠翠

（長春光華學院，吉林長春 130033）

引 言

進入21世紀，我國正一步步轉變為世界的制造業中心，我們眾所周知的熱加工行業也作為其重要的組成部分，無論是零部件生產、房地產、能源開發等方面均起著至關重要的作用。所以可以說熱加工往往是一個國家的工業制造業的基礎和象征，同時，德國寶馬、奔馳等大廠紛紛在境外尋求合作以減少本國環境污染。對于大型熱處理設備，隨著燃燒器數量的增加和單個單元的容量變大，熱處理爐必須實現各種操作模式。因此，對燃燒器控制靈活性的要求非常嚴格。早期的熱處理火焰監測是通過熱處理爐上的觀察孔人工觀察火焰的情況。隨著科學技術的不斷發展，熱處理爐的結構變得越來越復雜，傳統的觀察孔已經不能滿足熱處理爐安全運行的需要。后來，人們發明了一種煙色顯示器，它使用人造光源通過測量的煙氣進入光電器件，通過光強隨著煙色的變化而表征火焰的燃燒情況。有利用采集噪聲的聲學法，有利用著火后氣體膨脹產生的壓力變化的差壓法，但這些方法往往時間滯后，可靠性不高等缺點。

隨著計算機技術的蓬勃發展，特別是圖像處理技術的日趨發展，高溫監控攝像探頭采集到的圖像信號完全能夠轉換為可由計算機識別的數字圖像。這意味著可以定量分析火焰圖像瞬時特征，這是后續分析和火焰自動監測的理論基礎。所以根據不同的工作環境要求，利用圖像處理技術作為熱處理過程中火焰檢測方法或對現有的方法進行改進是未來研究的重要方向。

1 小波變換理論

小波變換理論是近年廣泛應用在應用數學和工程學科領域中的新興理論。同時，它也是多學科整合的熱點，是信號處理的前沿課題。小波理論的起源可以追溯到20世紀初，小波的形成和發展是在20世紀80年代后期。J.Morlet是德國從事石油信號處理的工程師，在1984年首次提出小波理論。1986年，著名數學家Y.Meyer偶然構建了一個真實的小波基，并與J.Morlet合作構建了一個統一的小波基方法。隨后小波理論才真正迅速的發展起來。傅里葉變換是研究穩定信號的理想工具，而對于非穩態信號，目前小波理論變換是理想的工具。

小波理論分析相對于傳統傅里葉變換的優點在于它在時域和頻域都具有良好的定位特性。小波變換的理論變化使得時頻根據高頻和低頻均勻變化，這對于檢測正常信號中發生的瞬態異常非常有用。

小波變換是一種時頻和頻域分析信號的方法，具有多分辨率分析的特點，能夠表征時域和頻域信號的局部特征。這是一種時域和頻域定位分析方法，其中固定大小的窗口不變，但形狀改變，并且時間窗口和頻率窗口都可以改變。

小波變換在工程應用中具有以下優勢：

（1）低熵，系數的稀疏分布，使得處理變換后的圖像的熵值減??；

（2）多分辨率，由于其多分辨率優勢，它可以很好地表征信號的非靜態特征，如斷點，邊緣等。

（3）去相關，小波變換可以使處理后的信號去相關，這使得其在采集圖像的同時可以去除噪音的影響；

（4）選擇基本靈活性，小波變換可以任意選擇變換基數，因此可以針對不同場合和不同對象選擇不同的小波主函數，以獲得最佳效果。

事實上，平均值為零的帶通濾波器的任何脈沖響應和以更快的速率零速度降低都可以用作基本小波。從小波的定義可以看出，小波函數不僅包含一定的頻率特性，而且還需要一定的局部性。也就是說，它總是等于零或在一個區間內收斂到零，這就是它被稱為小波的原因。

2 多分辨率分析理論

多分辨率分析（MRA）由Mallat于1989年提出，也稱為多尺度分析。其基本思想是將L2（R）中的函數f（t）表征為一系列近似函數的擾動極限，并且該級別對應于不同的分辨率。逐步分析的想法是從L2（R）的子空間開始，然后使用非常簡單的變換將基數擴展到L2（R）的其他子空間。這也是“多分辨率分析”這個名稱的由來。隨著尺度從大到小變化，可以在所有尺度上從粗到細觀察目標。

3 火焰圖像的噪聲處理方法

當收集火焰圖像時，存在圖像噪聲，其是影響整個圖像處理過程的不可預測的隨機信號。如果圖像采集過程中存在較大的噪聲，則必然會在整個圖像處理過程和輸出結果中產生不可忽略的誤差。因此，噪聲分析對爐膛火焰圖像的分析非常重要。

小波理論變換處理的本質是減少甚至完全消除噪聲產生的系數，同時最大限度地保留真實信號的系數，最后保留重構實信號的最優估計。從信號處理的角度來看，小波去噪的本質是信號濾波，但去除噪聲后，它還保留了完整的圖像特征，因此它優于傳統的低通濾波器。

小波去噪的基本步驟是：對信號進行多尺度小波變換，從時域變換到小波域，然后在每個尺度上盡可能多地提取信號的小波系數。去除噪聲的小波系數，最后通過逆小波變換重建信號。

4 火焰圖像的邊緣檢測

由于火焰內外溫度不同，圖像邊緣檢測也是圖像處理領域的重要研究內容，也是圖像深度處理的基本手段。其特征在于特定圖像特征中的對象和背景之間的差異，包括灰度，雜散光和孔徑系數。通過分析圖像特征改變的位置來實現辨別的目的。

圖像邊緣是分析和理解圖像的基礎，是圖像中最基本的特征。雖然邊緣檢測技術是圖像處理領域的基本技術，但它也是圖像處理中的問題。早期的經典算法包括Roberts邊緣檢測算法，Sobel邊緣檢測算法，Prewitt邊緣檢測算法等。近年來，開發了許多新的邊緣檢測方法，如Canny邊緣檢測算子，小波邊緣檢測算子和數學形態學邊緣檢測算法。

通過比較，發現通過重建可以實現小波變換的三層分解。由于分解水平太小，噪聲很大，重建后圖像中的噪聲較多，影響精度，分解過多。由于重建過大，會使圖像細節更加模糊，因此本文采用小波三層分解。對圖像進行三層小波分解，采用阻塞確定閾值的方法，第一層分解系數的非邊緣比為0.7，在第三層分解系數中，定義的非邊緣比率是0.6，并且執行相同的處理。對于第三層分解系數，將非邊緣比定義為0.5，然后重建以獲得圖像的邊緣信息。

5 結論

本文主要研究圖像處理在熱處理火焰檢測中的應用。通過分析，發現小波變換在圖像處理去噪和邊緣檢測方面取得了良好的效果。