回转窑是一类重要的热工设备,在水泥、造纸和冶金等行业中得到了广泛的应用。但由于其大时滞、非线性、关键参数难以检测等特性,传统控制方法难以奏效,实际生产往往采用人工操作的方式。本文采用图像处理技术,模拟人工看火,从回转窑图像提取反映物料烧结状态和烧成带燃烧状况的图像特征,以便今后采用模式识别等方法判断回转窑窑况。 首先对氧化铝熟料烧成回转窑生产过程进行了介绍,分析了将物料烧结状态和燃烧状况引入回转窑控制的合理性,提出了需要提取的图像特征。在这些特征中,由于图像噪声和物料本身的特性,物料颗粒细度的测量较为困难。本文提出了采用运动分割计算物料颗粒细度的方法。 文中的运动分割采用光流算法。对光流算法的基本假设、算法种类等进行了概述。采用基于张量(tensor)的光流算法,这种算法是近年来光流算法的研究热点,具有精度高、生成光流场稠密等优点。运动分割是基于张量的光流算法的重要部分,运动分割的精度对于算法精度有很大的影响。 为了提高运动分割精度,对基于张量的光流算法进行研究,提出了两个改进算法。一个是在运动场边缘具有较高精度的光流算法;另一个是采用均值平移(Mean Shift)进行运动分割的光流算法。后一算法在计算光流场的同时得到运动分割,并融入其他信息(位置、灰度),以提高运动分割的准确度。 其次介绍了光流算法在回转窑实际图像序列的应用研究。(由于回转窑图像有强烈的噪声,且亮度变化较大,因此需要对图像进行处理。文中介绍了算法的步骤,捕述了区域提取、光照补偿、图像预处理等内容。 最后,介绍了窑况识别系统的开发。对系统的软、硬件结构进行了描述;对关键模块进行了分析,包括图像特征的提取、特征序列滤波、窑况识别等模块。给出了算法在工业图像的实验结果。