小波分析视域下双阈值火焰彩色图像强化方法分析

魏 挺

（西安航空职业技术学院，陕西 西安 710089）

小波变换是基于小波基的多尺度分析得以发展的。而小波分析不仅是傅里叶变换的重要突破，还是应用数学、信号与图像处理等各种领域的研究热点。在小波理论与方法不断完善的形势下，其得以在信号分析、地震勘察数据处理、算子理论、图像处理等许多领域实现了广泛应用。当前小波分析在图像处理中的应用主要体现在图像压缩、去噪、强化、融合等环节。而且小波变换在时域与频域等方面具备一定的局部性，在信号与图像处理中以其优势备受青睐。小波阈值属于非线性方法，其是在小波域中基于小波系数处理进一步分割图像。现阶段，图像强化的方法各式各样，但是其中不同方法所针对的特殊情况不同，所需采取的措施也各不相同，一旦图像拍摄环境与强化目标出现变化，此方法就极有可能无法满足工业应用相关要求，因此，炉膛内火焰彩色图像强化，应以锅炉监控系统的需求为依据，采用与之相适应的强化方法[1]。

1 小波分析视域下双阈值火焰特征提取

火焰彩色图像中包含非常丰富的多元化火焰特征信息，以及纹理特征信息。对于彩色纹理图像来说，特征描述直接决定着图像分割效果，而且提取图像颜色特征与纹理特征信息，可以促使图像分割效率与质量得到显著提升，因此，同时提取具有十分重要的现实意义。

1.1 颜色特征

基于成像系统采集火焰彩色图像，以RGB 形式存在，在图像显示中更具适用性，而RGB 颜色构成存在较高的相关性，RGB 色度空间难以真实体现出颜色差异，不适合进行颜色特征提取。在图像处理过程中，可以将RGB图像转换到其他色度空间去，不同色度空间的优点与缺点也各不相同[2]。其中，在Y、Cb、Cr空间中，颜色分量之间的相关性比较小，能够代表火焰特征，所以，进一步探究Y、Cb、Cr空间的火焰颜色特征已经成为必然趋势。而RGB色度空间转换成Y、Cb、Cr空间的表达式是：

1.2 纹理特征

纹理特征能够将目标物体的颜色与灰度变化全面展现出来，其中最常用的提取方式就是矩阵法，其主要是为了获取图像的全局灰度统计学特征。而以结构与模型作为主要载体的纹理提取方式也十分常见，此方式更加适合在具备相关性与方向性的图像中加以应用。小波变化可以确保图像信息在分解时，不会过多损失与冗余，其在图像纹理特征提取与分割中的应用相对广泛。就火焰图像而言，其具备较强的动态性，而且其纹理结构不固定，所以，更加适合利用小波变化进行纹理特征提取。小波变化是通过小波函数和尺度函数吧原始信号进行分解，划分为不同的频带信号，能够利用正交镜像滤波器进行[3]。而二维小波分解把低通（L）与高通（H）滤波器水平作用到原始图像I中，其所形成的系数矩阵则为IL、IH。然后再把低通与高通滤波器垂直作用在IL、IH上，以形成子图ILL、ILH、IHL、IHH。而ILL是原始图像的基图像，其他代表水平、竖直、对角方向的详细信息。

2 小波分析视域下火焰彩色图像分割

通过分类算大进行火焰图像分割，受像素点数影响，耗时也在逐渐增加。另外，为了确保计算速度，采用多尺度火焰彩色图像分割方法。首先进行图像特征矩阵压缩，为了在此基础上尽量消除噪声，保留图像的局部特征，通过局部均值化的方式进行特征矩阵压缩，然后利用分类算法获取压缩尺度火焰区域，进行边缘检测，最后根据检测原始尺度区域，进一步构建特征矩阵，并再次检测，从而获得原始尺度火焰区域图像[4]。具体算法流程如图1所示。

3 小波分析时域下双阈值火焰彩色图像强化方法

在锅炉燃烧监控过程中，应强化处理基于CCD 的火焰彩色图像，从而满足顺利生产的相关要求。灰度图像可以看作是二维函数，但是，RGB三色所构成的彩色图像是三维信号，小波分析能够处理三维信号，但是也会衍生运算量太大，计算时间太长等问题，根本不能满足实时处理图像的具体要求[5]。但是，通过计算机成像原理，RGB三基色火焰彩色图像是由二维矩阵所构成，其分别代表图像在不同像素点上的R 分量、G 分量、B分量，相同像素点的分量重叠，构成色彩。在此原理的基础上行，先对矩阵分别进行二维小波分解，并利用双阈值法，提高或降低小波系数，重新构建小波，获得新RGB二维矩阵信号，然后把信号重组，从而获取强化的彩色图像。这样一来，不仅能够克服三维小波分解的不足，还能够将小波分析方法切实应用到彩色图像处理中去[6]。

图1 多尺度火焰彩色图像分割流程

3.1 强化方法

基于小波分析后，获得小波系数，采用有效的处理方法强化或限制小波系数，便可以实现图像强化的目标。图像强化的效率与质量在很大程度上是由小波系数的适当处理所决定的。对此，通过双阈值法进行小波系数处理，从而促使图像强化质量与效率得到提升[7]。采用这一方法的优势在于，其不仅能够强化与要求相符的有价值信息，还能够控制噪声信息，以实现强化与去噪的双赢局面，表达式具体为

式中：Gin为小波系数输入；Gout为小波系数输出；λ1与λ2为阈值门限；P为增益系数；λ2与P 值代表试验选取最优值。小波分析视域下的双阈值法把输入小波系数在[-λ1，λ2]内的输出小波系数归零，有效控制信号噪声，在其他范围的小波输入系数进行适当扩大变换，强化图像，这样一来，不仅能实现火焰彩色图像的强化，还能够有效去噪，补偿既有方法的缺陷，进一步满足炉膛火焰彩色图像的强化要求。

3.2 强化步骤

以小波分析为载体的双阈值火焰彩色图像强化方法，主要是为了适当处理高频分量的小波系数，以此凸显细节化信息，及时消除噪声信息，清晰化图像，具体步骤是：假设f*（x，y）是彩色图像的RGB三基色二维分量信号，其中λ1与λ2分别代表强化阈值，P 代表增益系数。首先，把图像信号进行小波变换，获得低频成分以Cj（a，b）表示，高频成分以Djk（a，b）表示，高频成分小波系数Gin。其次，进一步明确小波类型与分解级数。再次，双阈值强化处理高频小波系数Gin，获得强化系数Gout。然后，把低频成分与强化处理后的系数Gout进一步进行小波重新构建，获得f*1（x，y）。最后，把变换后所得RGB三基色的二维分量信号重新组合，获得强化后清晰的图像[8]。

4 小波分析视域下双阈值火焰彩色图像强化实验分析

4.1 验证视觉增强效果

基于炉膛内部进行火焰彩色图像采集，通过计算机Matlab 仿真软件验证强化效果。图像采集处理系统主要包含高清工业CCD 摄相机、电动镜头、图像采集卡、工控机、火焰燃烧器、数显测温仪、锅炉。经过各种类型小波比较分析，采用haar小波进行三级小波分解。每一级分解把图像划分成原始图像1/4 的4 个涵盖不同信息的子图像，其中一个含有低频信息，其他三个含有高频信息，但是方向不同。将第一级到第三级所获高频系数，全面进行双阈值强化处理，再把低频系数和强化处理后的高频系数进行小波重新构建，便能够获取强化后的火焰图像。通过强化后的图像亮度值明显增高，图像各个部分的亮度也显著提升，直接避免了炉膛内黑暗环境下不利于工作人员观察火焰的不足。而且，火焰彩色图像强化之后，噪声明显降低，层次感也大大增强，细节部分显著凸显，火焰燃烧区域区分比较显著，利于工作人员对火焰燃烧状态进行实时观察，对风燃比进一步重调，从而保障锅炉运行的安全性与经济性[9]。

4.2 验证二维温度场测量精确度

受硬件设施与外界因素影响，基于CCD 拍摄的火焰彩色图像会有一定的失真度，使得RGB 值出现偏差，而通过火焰彩色图像强化处理后，能够全面消除拍摄误差，并强化图像亮度比较弱的部分，保证火焰图像的色彩足够丰富，进一步还原图像的物理特性，提高二维温度场测量的精确度[10]。在确保CCD 拍摄相机光圈与快门速度的基础上，拍摄火焰彩色图像，随机选取10 幅，通过比色测温法求解强化前与强化后相同像素位置的温度值，同时和真实值对比分析，具体如表1所示。

表1 验证火焰彩色图像强化前、后温度测量的精确度结果

通过表1可以看出，火焰彩色图像在强化之后，通过比色测温法获得二维温度场的精确度明显提升了，平均相对误差与平均绝对误差也都有所降低。所以，通过小波分析视域下的双阈值火焰彩色图像强化方法，能够有效优化图像质量，并提高火焰二维温度场测量的精确度，从而对炉膛内部温度分布与火焰燃烧状况进行了准确判断，避免了炉膛的局部出现高温状态，防止炉壁出现结焦积灰现象，进而促使锅炉运行的安全性与稳定性得以提升。

5 结 论

综上所述，以颜色特征与纹理特征为基础的多尺度火焰彩色图像分割，切实结合了颜色与小波纹理特征，准确并快速进行火焰彩色图像分割。通过小波分析视域下的双阈值火焰彩色图像强化方法，进一步强化基于CCD 拍摄的火焰彩色图像。但是，因为小波分析进行三维信号处理相对繁杂，所以，把三维彩色图像信号划分成RGB 三项二维矩阵信号，然后进行小波变换，通过利用双阈值法处理小波系数，以此实现强化与去噪目标，然后通过小波重新构建，获得全新的RGB二维矩阵信号，重新组合后，获得强化后的火焰彩色图像。强化后图像能够在一定程度上满足锅炉燃烧监控系统的多元化需求，图像也愈发清晰，还显著提高了二维温度场测量的精确度，利于准确获得炉膛内的温度分布，从而确保锅炉运行的安全性与稳定性。