在回转窑烧结工艺中,保持烧结带工况的稳定是工艺控制最重要的环节。传统人工看火的测量手段易受到人的身体状况、情绪等因素的影响,因此研究者越来越倾向采用图像处理和模式识别的方法来监控窑内烧结带的燃烧状态,反馈窑内温度信息进而判断窑内的烧结状态,并通过改变喂煤量和风量等操作以达到自动化控制。窑内烧结状态的判定通常是根据烧结带火焰图像的特征信息,因此火焰图像处理也是回转窑控制工艺重要的研究方向之一。回转窑窑内工况复杂,通常仅从火焰图像的火焰区域和物料区域特征难以判断烧结带的燃烧状态,这时可以将黑靶子区域中携带的温度信息作为辅助判定因素。但是,火焰图像由于受到烟雾、粉尘等因素的强烈干扰,图像通常具有多噪、模糊不清、特征区域不完整等特点,很难直接提取出完整的黑靶子区域。因此,本文采用融合的方法,将两帧火焰图像用适当的方法进行融合,最后可以融合出较完整的黑靶子区域。目前,基于小波变换的融合方法应用比较广泛,但是小波变换只具有高维零点奇异性,不能够表达高维直线和曲线性奇异性。曲波理论是一种发展比较完善多尺度分析工具,它能够较好的逼近图像的直线和曲线边缘,具有表达图像时能够达到“最稀疏”的特点,同时具有较好的抗噪能力。因此,本文在分析火焰图像特点,提出了一种基于DCWT的火焰图像融合检测方法,同时根据火焰图像多雾的特点,提出一种新的图像去雾算法,分别在时域空间和频域空间对火焰图像进行去雾。本文主要研究内容如下:首先,研究了基于小波变换的图像融合方法和基于曲波变换的图像融合方法,在此基础上提出了基于DCWT的火焰图像融合检测方法。该方法将小波变换和曲波变换相结合,充分利用了两种变换的优势,并采用合理的融合规则进行融合实验,结果可以融合出比较完整的黑靶子区域,同时具有较好的抗噪能力。然后,火焰图像具有多烟雾的特点,视觉效果比较差,因此研究了目前自然雾天图像去雾的方法,在此基础上提出了一种在时域空间内基于区域能量的火焰图像去雾算法。实验结果表明该算法可以有效的对火焰图像进行去雾,同时对自然雾天图像也有一定的去雾效果,并且运行时间短,具有时效性。最后,在分析火焰图像烟雾形成原因和特点的基础上,提出了一种基于DWT变换的火焰图像去雾,该算法是在频域空间内对火焰图像进行去雾,结果表明该算法对火焰图像去雾有较好的效果,具有较好的研究价值。