基于仿生學(xué)的爐內(nèi)火焰圖像分割算法研究.pdf

1、碩士學(xué)位論文碩士學(xué)位論文論文題目論文題目：基于仿生學(xué)的爐內(nèi)火焰圖像分割算法研究英文題目英文題目：ResearchontheSegmentationAlgithmfFurnaceFlameImageBaseonbionics學(xué)位類學(xué)位類別：工學(xué)碩士研究生姓研究生姓名：張沖學(xué)號(hào)學(xué)號(hào)2014023078學(xué)科學(xué)科(領(lǐng)域領(lǐng)域)名稱名稱：軟件工程指導(dǎo)教指導(dǎo)教師：張曉琳職稱職稱：教授協(xié)助指導(dǎo)教協(xié)助指導(dǎo)教師：師：職稱：職稱：2017年6月2日分類號(hào)：分

2、類號(hào)：TP391TP391密級(jí)：級(jí)：公開UDC：學(xué)校代碼：學(xué)校代碼：1012710127內(nèi)蒙古科技大學(xué)碩士學(xué)位論文I摘要中國是世界上煉鋼和發(fā)電的大國。在煉鋼和發(fā)電的過程中，鍋爐中火焰燃燒狀態(tài)的實(shí)時(shí)監(jiān)測與控制是一項(xiàng)十分重要的工作，關(guān)系著能否高產(chǎn)、安全、低消耗地?zé)掍摵桶l(fā)電。早期人們只能通過人工看火的方式去監(jiān)測與控制爐內(nèi)火焰的燃燒狀態(tài)，此種方法受人的主觀情趣和經(jīng)驗(yàn)影響，效率低下且不穩(wěn)定。近年來，隨著計(jì)算機(jī)視覺的飛速發(fā)展，圖像處理技術(shù)逐漸被引入

3、到工業(yè)監(jiān)測領(lǐng)域，利用圖像處理技術(shù)能夠很好的識(shí)別爐內(nèi)火焰的燃燒狀態(tài)。圖像分割是一種十分基礎(chǔ)但是又不能夠被取代的圖像處理技術(shù)，它能夠提取圖像中我們感興趣的部分。如果在對(duì)采集到的火焰圖像進(jìn)行特征提取之前，利用圖像分割技術(shù)將火焰區(qū)域分離出來，能夠極大的提高火焰狀態(tài)識(shí)別的準(zhǔn)確性?，F(xiàn)有的圖像分割技術(shù)有許多種，其中閾值分割是一種簡單高效的圖像分割技術(shù)，近年來，眾多學(xué)者以閾值分割為基礎(chǔ)提出了許多改進(jìn)的圖像分割方法，效果較以前都有了較大的提升。本文也以閾

4、值分割為基礎(chǔ)提出了一種通過仿生學(xué)優(yōu)化算法尋找最佳閾值的圖像分割算法。仿生學(xué)優(yōu)化算法是一種通過模仿生物的生活習(xí)俗所演化出的智能尋優(yōu)算法。這類算法結(jié)合閾值分割技術(shù)，在分割圖像時(shí)，不僅具有快速、精準(zhǔn)的優(yōu)勢，而且還能滿足不同應(yīng)用場景的大部分需求。其中，布谷鳥算法是一種極其優(yōu)越且受研究者愛戴的仿生學(xué)優(yōu)化算法，它具有變量少、簡單易實(shí)現(xiàn)、搜索方式優(yōu)、探索能力強(qiáng)等優(yōu)點(diǎn)，在大多數(shù)極值問題上都比著名的GA和PSO效率高且穩(wěn)定，但是也存在一些缺陷，例如：后期

5、收斂速度不夠快、開采能力弱。本文以布谷鳥算法為基本框架，提出了兩種基于二維最大類間方差的自適應(yīng)變異布谷鳥算法的火焰圖像分割方法。以二維最大類間方差作為閾值選取準(zhǔn)則，增強(qiáng)了算法的抗噪性能；通過實(shí)際測試確定了閾值的搜索范圍，利用混沌理論和反向?qū)W習(xí)構(gòu)建了混沌反向初始化，加強(qiáng)了初始種群的多樣性。并利用差分進(jìn)化算法的變異策略或者蛙跳局部搜索方式自適應(yīng)的改進(jìn)布谷鳥算法的更新策略，并動(dòng)態(tài)變化發(fā)現(xiàn)概率，增強(qiáng)了算法的開采能力，平衡了布谷鳥算法的探索能力和