在烧结法生产工艺中,回转窑内的烧成带温度是生产过程中的关键工艺控制指标。由于传统测量手段易受工况的影响,研究工作者采用火焰图像处理的方式来反馈温度信息。其中,火焰图像的黑把子区域携带重要的特征信息,可以辅助解决火焰区和物料区无法准确判断烧结状态的情况。但是由于火焰图像自身特点局限和干扰信号的影响,使得黑把子区域特征难以准确提取。在回转窑火焰图像的边缘检测处理中,主要是针对单幅图像进行分割处理,也有一些研究者对单幅图像提取出各个区域后再进行融合处理,但这些方法对于黑把子区域边缘不完整的单幅图像处理效果不佳,因此本文采用像素级图像融合方法,对两幅单帧图像进行融合,可以融合出比较完整的黑把子区域。目前小波变换是像素级图像融合中常用的理论,传统离散小波变换(Discrete Wavelet Transform, DWT),有一定的局限性,无法满足噪声干扰严重的工业现场图像处理需求。而双树复小波变换(Dual-tree Complex Wavelet Transform, DT-CWT)能克服DWT的不足,DT-CWT融合方法可以得到比DWT融合方法更好的融合效果。为能在融合过程中抑制无关的噪声信息,需结合一定的去噪方法增强DT-CWT融合方法的抗噪性。传统去噪方法通常会造成图像边缘模糊,不能很好的表现图像特征。基于过完备字典的图像稀疏表示方法因满足稀疏性、特征保持性、可分性,能更好的表现图像特征,成为很好的去噪方法,因此本文基于燃煤火焰图像的特点,综合稀疏去噪和DT-CWT融合方法,提出一种基于稀疏去噪的DT-CWT火焰图像融合检测方法,在噪声干扰严重条件下,实现回转窑火焰图像黑把子区域的有效融合及边缘的检测。本文的主要内容如下：首先,研究基于双树复小波的火焰图像融合。将两幅单帧火焰图像作为输入,进行两级双树复小波变换,其中第一级分解得到的低频部分作为下一级分解的输入；采用绝对值最大法对分解后的高频部分进行融合,得到融合图像各方向的高频系数；采用加权平均法对分解后的低频部分进行融合,得到融合图像各方向的低频系数；通过双树复小波逆变换,得到融合后的火焰图像。其次,火焰图像融合过程中,在第一级双树复小波分解后,采用稀疏去噪方法分别对低频和高频部分进行去噪,有效提高了融合方法的抗噪性。最后,利用回转窑工业现场采集的多组火焰图像进行实验仿真,通过对不同融合检测方法的效果参数和边缘图进行对比,验证了基于稀疏去噪的DT-CWT火焰图像融合方法的有效性。实验结果表明,该方法具有较好的实际应用价值。