基于灰度熵多阈值分割和SVM的火焰图像状态识别

• 作者: 吴一全 周怀春 宋昱
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 燃烧监测 火焰图像 灰度熵 多阈值分割 改进粒子群优化 支持向量机
• 年，卷（期）: 2013,（20）
• 页码范围: 66-73
• 页数: 8页
• 分类号: TK223|TN911
• 字数: 6306字
• 语种: 中文

摘要

为了进一步提高锅炉燃烧火焰图像状态识别的性能，提出了一种基于灰度熵多阈值分割和支持向量机(support vector machine，SVM)的火焰图像状态识别方法。对火焰图像进行基于灰度熵准则的多阈值分割，采用改进粒子群优化算法选取最优多阈值，由此快速准确地分割出火焰图像中的背景区域、有效燃烧区域及高温燃烧区域；然后，提取火焰图像的10个特征参数，以此作为训练样本训练支持向量机，最后采用支持向量机依据提取的特征对火焰图像进行分类，并通过上述改进粒子群优化算法优化支持向量机中的2个参数。实验结果表明，提出的方法分割结果正确，与采用将图像像素作为训练样本的方法相比，该方法的分类识别正确率更高，运行速度大大加快。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴一全	南京航空航天大学电子信息工程学院	198	2249	23.0	36.0
2	宋昱	南京航空航天大学电子信息工程学院	13	146	6.0	12.0
3	周怀春		3	76	3.0	3.0