回转窑在工业生产过程中对烧成带的温度测量和监控在整个工业生产过程中有着至关重要的地位。由于回转窑内熟料烧结的过程是一个十分复杂的物理化学,具有强干扰、非线性、大滞后等特点,难以用精确数学模型描述,传统控制方法效果往往不理想。实际生产中常采用人工看火的方式,监测结果有相当大的随机性。经过长期观察研究发现,从回转窑烧成带内采集到的火焰图像中包含了大量烧成带的温度信息,可以用来判别回转窑的燃烧状况。因此,本文旨在采用数字图像处理技术,模拟人工看火,从回转窑火焰图像中提取窑内的燃烧图像特征信息,根据特征信息建立窑内燃烧的判别模型,是一种更有效的智能控制方法。本文首先采用中值滤波算法对所采集的回转窑视频图像进行滤除大量干扰信息,得到较为清晰地便于图像后续分割和特征提取的图像。接着对滤除后的图像采用改进的最大类间方差阈值分割算法对彩色图像进行分割,得到烧成带的火焰区、物料区、物料高度区的燃烧图像,然后在此基础上对分割处理过的连续两幅图像的火焰区、物料区、物料高度区分别采用基于小波变换改进的HSI光流算法,得到三个区域的光流特征。在光流运算方面,本文首先分析了光流法的基本假设和原理,研究了已有的算法种类及近年来的研究进展,提出了一种基于小波变换和HSI颜色模型的改进加权彩色图像序列光流算法,用该方法对图像序列进行运算,可以提高对运动物体的识别精度。最后,根据光流场建立矢量直方图,统计矢量信息分布情况,提供给控制工人做出控制动作。因此,本文对回转窑彩色图像进行了处理并且提取了运动图像的光流失量场,进而建立了统计矢量直方图。对回转窑图像进行分割和光流场特征提取是本文研究的重点。