欧拉视频增强技术在火焰弱信号检测中的应用

敖 宇,杨健晟

(贵州大学电气工程学院,贵州 贵阳 550025)

0 引 言

火焰的稳定燃烧是燃烧设备安全高效运行的前提。而燃烧过程的多样性与复杂性[1-4]，使燃烧过程持续稳定地进行变得十分困难。因此对燃烧火焰动态特性进行检测和分析是优化燃烧过程、确保安全生产的有效手段。闪烁频率是火焰的重要动态特征，它能直接表征燃烧过程的状态[5-7]。火焰闪烁频率的识别，对燃烧诊断和燃烧进程的优化起重要作用。

常用的火焰闪烁频率检测方法是基于辐射光能原理[8-10]。该类方法是根据燃烧过程中火焰向外辐射的光谱信息来获取火焰闪烁频率。如袁宏永等[9]基于辐射光能原理设计了火焰红外辐射的数据采集系统。蔡小舒等[10]利用探针测量火焰辐射谱的分布强度和火焰的闪烁频率等。但是这些方法存在一定的局限性，如需要增加额外电路，难以适应大范围变化的负荷，动态闪烁范围小，难以获得原有的信息等。随着光电传感器技术和数字图像处理技术的快速发展，也有研究者利用图像处理方法来获取火焰闪烁频率、火焰的结构以及温度[11-15]等物理信息。如Huang等[15]通过CCD相机采集火焰视频图像分析能量谱密度，进而获取火焰的闪烁频率；沈诗林[11]提出了基于图像处理的火焰闪烁频率识别方法等。由于这些方法易受外界灯光等因素的干扰，使得这些方法难以获取火焰的准确能量谱密度，且处理复杂，不能实现闪烁区域的可视化。另外也有研究人员利用火焰高度变化、燃烧音强度、火焰偏转角度、火焰内部涡旋结构[11]等方法间接测量火焰闪烁频率。如Hiroki Ishida[1992]通过纹影技术来检测火焰的高度变化求取火焰闪烁频率。Thorsten Schultze[2006]通过麦克风检测燃烧音强度来获取火焰频率等。但是这些方法抗干扰能力差，难以获取火焰准确闪烁频率。

MIT在2011年提出了基于流体力学的欧拉视频放大技术[16]。该方法是将视频图像序列中的各个像素点作为时间和空间的函数，并利用光流法来对图像的各个像素点进行处理，同时使用与光流法相同的微分近似法来提取有用信号。该方法的提出为火焰的动态研究提供了新的研究思路。为克服现有技术存在的一些问题，本文利用欧拉视频放大技术来实现火焰闪烁信号的增强，并对处理后的火焰视频信号进行傅里叶变换来获取火焰的闪烁频率。

1 方案设计

由于重力的影响使得扩散火焰具有各自的固有闪烁频率[9,17]，且由于人眼对时空的局限性，使得人们无法对火焰闪烁信号的产生区域直接观察或难以观察。针对这一现象，本文利用欧拉视频放大技术对火焰闪烁信号进行增强，并实现其闪烁区域的可视化和火焰闪烁主频率的提取。其系统结构框图如图1所示。

图1 系统结构框图

1.1 空间分解

空间分解包括空间滤波和金字塔分解2部分，用于将视频信号分解到不同的通带下，以增强视频信号的信噪比。

本文将火焰原图像经过高斯低通滤波和步长为2的下采样将火焰图像分解到不同的低通子带。由于采用了步长为2的隔行采样，则每经过一次下采样，图像的分辨率降为上一层采样的1/4。对于M×N的图像其采样过程表示为：

(1)

式(1)中ω(u,v)为高斯核函数，k表示第k层采样，kmax为最大下采样层数，Mk为第k层下采样的行数，Nk为第k层下采样的列数。

1.2 时域滤波

时域滤波用于提取火焰闪烁频率范围内的闪烁信号。由于火焰的闪烁频率分布在3～25 Hz范围内，其中主要频率集中在7～12 Hz频段内[9]。因此本文选用带通滤波提取所需的特征信号。

1.3 信号放大

假设视频信号在0时刻的信号强度为I(x)，则在t时刻的视频信号强度表示为I(x,t)，期间视频信号的强度变化量为δ(t)。则经过α倍增强后的表达式表示为：

(2)

式(2)中α为放大倍数，且由文献[16]可知：

(3)

2 仿真分析

2.1 无噪声视频信号

为验证欧拉算法在增强时是否会引入新的随机频率，本文用均值为0、谱密度为0.01的高斯噪声分别合成了固有频率f=30 Hz的视频序列进行算法验证。利用欧拉视频放大技术对该视频在10～20 Hz、25～35 Hz这2个不同频带范围内的变化信号进行增强处理。将增强前后的视频序列的每一帧图像经过灰度处理后，提取每一帧图像的平均灰度值进行傅里叶变换，绘制了该视频序列在2个频段处理前后的频谱图，如图2所示。

图2 无噪声时增强前后的频谱图

从图2可知，合成的视频序列增强前后主频率均为f=30 Hz，且选取10～20 Hz范围内的信号进行增强时，由于主频不在选取的频段范围内，使得主频幅值没有改变。而25～35 Hz频段则包含了主频信号，故主频幅值明显增强。此外，2个不同频段处理前后均未出现新频率，因此欧拉算法对视频信号增强时不会引入新的随机频率，且对频段外的信号不会起到增强作用。故该方法对无噪声视频信号进行提取增强是可行的。

2.2 噪声视频信号

为验证欧拉视频放大技术在噪声背景下处理的准确性，本文用均值为0、谱密度为0.01的椒盐噪声和高斯噪声合成了主频率f=15 Hz的视频序列。由于视频中的干扰信号在12～20 Hz频段内，因此文中分别选取了包含主频率及部分干扰信号(12～17 Hz)、主频率及全部干扰信号(10～20 Hz)的2个不同频段进行增强，并绘制了增强前后的频谱图，如图3所示。

图3 有噪声时增强前后频谱图

图3为利用欧拉放大技术对12～17 Hz和10～20 Hz这2个频段分别增强前后的频谱图。从图中可知，增强前后视频序列的主频率均为15 Hz，与放大前的视频信号频率相同，且2个频段增强后的频率幅值也明显增大。同时也能看出，欧拉视频放大技术对所选取频段范围内的其他干扰信号也有略微的增强。

由以上分析可知，欧拉视频放大技术对无噪声视频信号和有噪声视频信号下的信号都能有效地提取增强。因此，用该方法对火焰闪烁信号进行提取增强，对燃烧状态进行监测是十分有意义的。

3 火焰信号增强

3.1 实验设备

本文用200D电子本生灯、MV-U300工业相机等构建了燃烧火焰的实验平台，并使用该工业相机采集了AVI格式的丙烷、丁烷混合气体的扩散火焰视频图像信号，其中视频帧数为300、相机采样率为28 fps、帧分辨率为640×480。并利用提出的方法在Matlab平台上对采集的火焰视频信号进行处理分析，以此来检测不同干扰强度下，扩散火焰的主要波动频率。

3.2 火焰参数选取

欧拉视频放大技术对火焰闪烁频率进行增强主要包括空间分解、时域滤波、信号的放大、信号重组等步骤，其涉及的主要参数有带通滤波器的频段范围、放大倍数、衰减因子等。具体参数选择如下：

1)空间分解。常用的空间分解方法有高斯金字塔、拉普拉斯金字塔。由于拉普拉斯金字塔不能保证图像边缘的平滑性，因此本文选用高斯金字塔对视频进行预处理。随着高斯金字塔层数的增加，图像的分辨率会随之减小，同时图像所蕴含的信息也会随之减少。通过实验比较，本文选取的金字塔采样层数为4。

2)频段范围的选取。由文献[9]可知，火焰的闪烁频率分布在3～25 Hz范围内，其中主要频率集中在7～12 Hz之间。因此文中选取6.9～12.1 Hz的带通滤波器对该频段的主频率进行提取增强。

3)采样频率的选取。由于文中选取的频段范围在6.9～12.1 Hz范围内，因此结合香农采样定理、干扰信号频率，以及相机参数等，故选取28 fps的采样频率对不同干扰强度下的火焰视频信号进行采样。

4)放大倍数的选取。在不同频段下，火焰弱信号的变化幅度δ(x)不相同。因此，对于不同频段的放大倍数的选取需要通过具体实验比较，以达到最佳效果。基于实验处理效果，最终选取的放大倍数为α=200。

5)衰减因子的选取。欧拉视频放大技术不仅能实现颜色增强，也能实现运动增强。衰减因子对运动增强时用于削减颜色信号的色度强度，而对颜色增强时用于保留颜色的色度信息，其取值范围为0～1。本文利用欧拉视频放大技术对火焰弱信号的增强属于颜色增强，在处理时应尽可能保留颜色信号，故本文对火焰弱信号进行提取时，衰减因子选为1。

4 结果分析

4.1 时域分析

通过以上选取的参数，对不同干扰强度下的火焰视频信号进行欧拉视频增强处理。将增强前后的火焰视频序列经过灰度处理后，利用数字火焰颜色分布模型(DFCD)提取火焰区域，并计算其平均灰度值作为输出，绘制不同干扰强度下火焰视频序列增强前后的时域曲线图，如图4所示。

图4 不同干扰强度下增强前后火焰时域图

从图4可知，增强前火焰图像的平均灰度值变化幅度小，几乎呈一条水平直线，即处理前火焰亮度值变化微小，肉眼几乎无法识别火焰闪烁。而增强后火焰图像的平均灰度值相比增强前有明显的变化幅度。

4.2 频域分析

为了检测不同强度干扰信号对火焰主要波动频率的影响，文中分别加入了5 Hz、8 Hz的干扰信号，其中5 Hz干扰信号处于所选频段(6.9～12.1 Hz)范围外，8 Hz则处于所选频段内，并利用提出的方法对火焰的主要波动频率进行提取。本文将时域处理中增强前后的火焰区域平均灰度值进行傅里叶变换，绘制了干扰信号的频谱图，以及不同干扰强度下，火焰视频信号增强前后的频谱图，如图5、图6所示。

图5 干扰信号频谱图

图6 不同干扰强度下增强前后火焰频谱图

由图6火焰增强前的频域曲线可知，增强前，火焰的频率无法识别，而增强后的火焰频率为7.003 Hz。加入5 Hz、8 Hz的干扰信号后，经欧拉视频放大技术处理后可清楚地看出火焰的主要波动频率为6.999 Hz、6.995 Hz，且未加入干扰信号与加入干扰信号之后的火焰主要波动频率的误差分别为0.004 Hz、0.008 Hz。因此，该方法能有效地提取火焰的主要波动频率。

5 结束语

本文利用欧拉视频放大技术对火焰闪烁弱信号进行提取增强，并通过傅里叶变换求取火焰的闪烁频率。通过文中处理分析可得出以下结论：

1)利用欧拉视频增强技术在频段6.9～12.9 Hz范围内，对不同干扰强度下火焰主要波动频率进行识别可知，该方法能有效地提取有干扰火焰与无干扰火焰的主要波动频率。且该频段范围内火焰的主要波动频率约为7 Hz。

(2)对火焰弱信号识别与增强时，火焰的弱信号在选取频段外时，信号会被弱化。同时该方法相对于辐射光能方法具有操作简单、低成本以及硬件要求低等优点。