圖像是一種重要的媒體，同時(shí)也是所包含事物特征信息的重要載體。隨著鍋爐和工業(yè)爐窯自動(dòng)控制水平、計(jì)算機(jī)軟硬件及數(shù)字圖像處理技術(shù)的不斷發(fā)展，在工業(yè)生產(chǎn)中計(jì)算機(jī)看火正在逐漸取代人工看火，這樣便會(huì)產(chǎn)生海量的數(shù)字火焰圖像。而爐膛燃燒火焰圖像是爐內(nèi)燃燒狀況的最直接反映，它包含了爐內(nèi)燃燒情況、爐內(nèi)溫度等重要信息，因此，用火焰圖像來(lái)監(jiān)控爐內(nèi)燃燒狀況更具有直接性和實(shí)時(shí)性。

　　通常，一個(gè)基于內(nèi)容的圖像檢索（ Content Based Image　Retrieval，CBIR）系統(tǒng)會(huì)產(chǎn)生一個(gè)特征向量集來(lái)代表圖像的內(nèi)容，在進(jìn)行圖像檢索時(shí)，將計(jì)算出的待檢索圖像的特征值在圖像特征數(shù)據(jù)庫(kù)進(jìn)行相似度比較，檢索出結(jié)果。而顯著點(diǎn)作為視覺(jué)系統(tǒng)的主要體現(xiàn)之一，突出作用是以最高效、準(zhǔn)確的方式獲得圖像信息，將顯著點(diǎn)特征信息應(yīng)用于CBIR，將會(huì)大大提高檢索效率。目前，研究者們針對(duì)顯著點(diǎn)提取算法作了大量研究：趙珊等提出一種具有自適應(yīng)能力的顯著點(diǎn)提取算法，該算法主要利用統(tǒng)計(jì)學(xué)原理在轉(zhuǎn)換后的塊逆概率差（Block Difference of Inverse Probabilities．BDIP）圖上進(jìn)行自適應(yīng)的選擇，雖然降低了提取顯著贏的復(fù)雜度，但是仍然存在著顯著點(diǎn)數(shù)目過(guò)多、不容易控制，以及局部顯著點(diǎn)聚集的情況；張林提出一種迭代選擇閾值算法提取顯著點(diǎn)，該算法通過(guò)不斷更新閾值丁對(duì)圖像分割，然后選擇顯著點(diǎn)；Loupias等、Sebe等提出一種多分辨率的探測(cè)算法，根據(jù)小波系數(shù)能反映圖像信號(hào)強(qiáng)弱的特點(diǎn)，將它們應(yīng)用于圖像邊緣或邊界的檢測(cè)，但是由于小波系數(shù)僅代表了局部特性，很容易造成顯著點(diǎn)的局部聚集；Jian等、Tsai等提出一種自動(dòng)縮減算法，該算法在小波變換的基礎(chǔ)上，在每個(gè)塊內(nèi)將顯著點(diǎn)的數(shù)目限制在預(yù)先設(shè)定的數(shù)目K內(nèi)，但是k值的選擇在很大程度上決定了提取效果。本文提出一種新的顯著點(diǎn)提取算法，該算法既能很好地描述圖像的邊緣和屋脊，同時(shí)又可以靈活地控制顯著點(diǎn)的數(shù)目。對(duì)利用顯著點(diǎn)進(jìn)行的特征信息提取，實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法能達(dá)到令人滿意的效果。