火焰图像可以有效反应回转窑烧结过程的燃烧状态，例如，亮度信息反映了燃烧过程中的辐射热度和燃烧效果，火焰形状则反映了燃烧反应发生区域的形状。近年来，基于火焰图像的回转窑燃烧状态识别引起了广泛关注。现有的基于火焰图像的识别方法大多以图像分割、特征提取以及模式分类为主要识别模式，这些识别方法大多存在处理时间长的问题。另外，这些方法很难有效处理由外界因素引起的火焰图像非结构失真问题。论文针对基于火焰图像的回转窑燃烧状态识别问题展开了深入研究，利用图像结构相似性指标提出了两种新的识别方法。论文主要学术贡献如下：1）提出一种基于火焰图像空间域结构相似性（SSIM）的回转窑燃烧状态识别方法。该方法依托人眼视觉对结构信息更为敏感的识别机理，从火焰图像的亮度、对比度和结构三个角度衡量图像间的结构相似度，采用了将火焰图像与标准图库中正常状态火焰图像结构相似度比较的方法，识别火焰图像的燃烧状态。SSIM具有表达形式简单、计算复杂度低的优点，识别过程无需对图像进行训练与学习，因此所提方法能够满足回转窑控制系统在线识别的快速性要求。大量仿真实验证明了该方法的快速性和有效性。2）为了处理采集到的火焰图像微小几何失真的问题，论文给出一种改进的小波域结构相似性（WDSSIM）指标和一种新的小波子带加权算法，提出一种基于火焰图像小波域结构相似性（WDSSIM）的回转窑火焰图像燃烧状态识别方法。该方法依据不同子带的小波系数的相似关系来判别火焰图像间的相似性，可以弥补空间域SSIM识别方法不能有效处理图像几何失真的不足。仿真实验证明了该方法对非结构失真及噪声污染较为严重的火焰图像有较好的识别效果。