回转窑是以煤粉为燃料的大型高耗能、高排放热工设备,为实现煤粉的高效燃烧,提取燃煤火焰的图像特征进行燃烧工况诊断越来越受重视,它对优化燃烧过程、窑前优化控制和节能减排具有重要的意义。传统的回转窑控制方法是最原始的人工看火操作方法,近年来,采用燃煤火焰图像处理技术对窑内温度的检测与控制尤为受到重视。但传统的图像处理方法运行效率低、处理时间长,不能满足工业控制中的实时性要求。计算统一设备架构(CUDA,Compute Unified Device Architecture)是一种基于图形处理器(GPU,Graphic Processing Unit)的使用类C语言进行通用计算的开发环境和软件体系,GPU在并行处理能力和存储器带宽上相对于串行处理的CPU有明显优势,本文研究图像处理算法在CUDA平台下的并行化实现问题,设计了几种方法的并行化流程。实验结果表明经过并行化处理的算法在运算速度上有了较大的提升。本文做的研究工作主要有以下几个方面:(1)通过对CUDA编程架构及其软件体系结构的研究,对并行的图像处理算法从任务的划分及存储器的合理配置上做优化。先将任务划分为不同的执行步骤,比较各步骤在执行效率和计算复杂度上的差异,然后根据各步骤特点将任务划分到主机端和设备端,再根据数据的特点及访问的频繁程度,合理的配置纹理存储器和共享存储器,进一步加速图像的处理速度。(2)图像的预处理在整个图像处理过程中是非常重要的,其直接关系到后续图像分割和特征提取的效果,尤其在燃煤火焰的处理过程中这一问题更显突出,本文首先针对这一容易被忽视的图像预处理问题做研究,基于CUDA平台实现了直方图均衡化、双边滤波、图像边缘检测等一些基本算法。(3)回转窑内火焰形状复杂多变,研究中大都采用较复杂的图像区域分割的方法,然后再针对分割后的“火焰区”、“物料区”等关键区域进行特征提取,图像分割后能大大减少数据量,因此,快速准确的分割出感兴趣的区域就显得尤为重要。模糊C均值聚类的实现过程具有高度的并行性,符合CUDA单指令多数据的执行模型,适合做并行运算,文中并行实现了算法中的求隶属度矩阵、求聚类中心、像素点归类等步骤。(4)利用现场窑前火焰图像进行仿真实验,在CUDA平台下进行图像的直方图均衡化、双边滤波、边缘检测和图像分割实验,证明方法的有效性。