針對網帶窯燒結工況圖像頻域噪聲干擾的特點以及彩色圖像處理算法復雜、實時性差的問題，提出了利用頻域濾波技術與灰度變換技術相結合對燒結工況圖像進行預處理的算法，實現了燒結工況圖像的去噪與灰度變換。

　針對單純的基于像素灰度值的圖像分割方法難以精確分割火焰區與物料區的難題，分析了網帶窯燒結工況圖像火焰區與物料區在紋理特征方面的差別，提出了利用Gabor小波紋理粗糙度對基于像素灰度值的FCM聚類結果進行去模糊化的燒結工況圖像分割算法，實現了圖像中火焰區與物料區的分割。根據“人工看火”經驗描述了物料高度、閃爍頻率、整體平均灰度、火焰顏色與物料顏色五個回轉窯燒結工況圖像特征，提出了網帶窯從整體圖像及分割后的圖像中提取上述特征的算法。

　根據“人工看火”過程的數據融合原理，針對網帶窯燒結工況圖像特征以及由燒成帶溫度、窯頭溫度、窯尾溫度以及冷卻機電流構成的關鍵過程數據的特點，提出了包括數據濾波、同步序列化與歸一化處理的融合算法，得到了融合后的混合特征數據。將混合特征數據作為輸入，網帶窯欠燒結、正燒結和過燒結三種基本燒結工況作為輸出，建立了基于準正態二叉樹支持向量機的燒結工況識別模型?！緇rz】