《基于数字图像处理的火险识别技术》由会员分享，可在线阅读，更多相关《基于数字图像处理的火险识别技术（7页珍藏版）》请在金锄头文库上搜索。
1、基于数字图像处理的火险识别技术 尤逸斌 江苏省常州高级中学 摘 要： 论文首先总结了目前各种火灾探测技术的发展现状, 然后对常用的颜色模型及其转换方式进行了阐述, 提出了基于 RGB 颜色三分量的图像灰度化技术。对常用的滤波算子和直方图均衡化也进行了分析。然后提出了背景差分的方法, 重点分析了图像差影以及阈值分割和边缘检测的算法。关键词： 图像处理; 图像分割; 火焰特征; 特征识别; 作者简介：尤逸斌, 男, 汉族, 江苏常州人, 江苏省常州高级中学, 研究方向为电子信息工程。一、绪论(一) 图像型火灾检测技术的出现在使用传统火灾探测技术的过程中, 经常使用火灾特征量作为检测对象。在过去,
2、基于温度传感和烟雾感知的检测模型, 科学界已经应用高清晰摄像机、图像处理、计算机多媒体技术来检测火灾。基于图像的火灾探测技术主要关注数字图像中火灾现象的分析, 并根据图像的特征识别火灾。由于火灾图像的特点, 图像火灾探测技术在很大程度上避免了复杂地形、植被和恶劣天气对火灾探测精度的影响。监测范围大, 适用于各种开放空间和大型仓库1。(二) 森林火险的检测目前, 许多森林地区仍然依靠护林员进行人工保护, 但事实上森林火灾的作用很小, 很难及时发现森林火灾, 即使发现, 也很难立即控制。传统的方法包括航空摄影测量。然而, 由于大量易燃的森林, 容易产生大量的烟雾, 飞机不仅不安全在烟雾中, 能见度
3、低, 观察的质量也不令人满意。卫星遥感技术也可用。但遥感仅适用于大型火灾, 而且反应缓慢, 直到为时已晚才发现2。研究发现, 国内外大多数森林火灾图像都是基于灰色地图, 其缺点是单一判断和高错误率, 而系统的鲁棒性较弱。根据这种情况, 系统可以通过对各种特征的综合评价来准确判断火灾的发生。(三) 综述分析了基于火焰图像滤波、前景提取和均衡化的各种颜色模型, 可以对火灾图像进行提取, 然后进行森林火灾预测和及时处理。二、火灾图像的预处理(一) 颜色模型1、HSI 模型HSI 模型基于两个重要事实:I 组件与图像的颜色信息没有任何关系;H 和 S 的成分与人们感知颜色的方式密切相关。这些特点使 H
4、SI 模型非常适合于颜色特征的检测和分析。HSI 模型可以与 RGB 模型相互转换, HSI 模型转换到 RGB 模型的公式为:RGB 模型转换到 HSI 模型的公式为:其中, 2、YUV 模型对于 YUV 模型, 实际上很多时候, 我们是把它和 YIQ 和 YCr Cb 模型混为一谈的。RGB-YUV 的转换方程如下:(二) 图像灰度化在量化后, 灰度图像只包含亮度信息, 不包含颜色信息。对应的灰度信息由R、G、B 值计算:考虑到火焰图像的颜色特征, 可以将火焰彩色图像转化为基于三个分量的灰度图像进行进一步的分析。3首先, 将彩色火焰图像转化为基于红色分量的灰度图像, 形成灰度图像, 其 G
5、 值和 B 值等于 R 值:(三) 滤波1、均值滤波 (线性滤波) 均值滤波是典型的线性滤波算法, 它指一个模板到目标图像中像素的模板, 包括周边像素的方法 (8 像素周围的目标像素为中心形成一个过滤器模板移除, 然后目标像素本身) 与模板中所有像素的平均值的值来代替原像素值。均值滤波器主要用于消除扫描中引入的粒子噪声干扰。给定图像 f (i, j) , 图像点 (m, n) 的邻域为 S, 如果 S 包含 m 个像素, 那么图像点 (m, n) 后的灰度值, 可以用邻域像素的平均灰度来求平均值。因此, 对于各点噪声 n 而言, 含有噪声的图像 f 经过邻域平均后可得:平均滤波后, 噪声的均值
6、保持不变, 方差变小。它的本质是低通滤波, 因此, 这种方法平滑了图形信号, 减弱了噪声强度, 模糊了图像的边界。4平均滤波器平滑图像, 噪声抑制。但是火焰图像的边界是模糊的。2、中值滤波中值滤波将被污染图像中的噪声斑点大多去除了, 而且很好地保护了火焰图像的边界。这种方法操作简单, 易于实现, 本文采用中值滤波技术对图像进行平滑降噪处理。3、自适应滤波自适应滤波是近年来发展起来的一种滤波方法。它是一种基于线性滤波的滤波方法, 如维纳滤波和卡尔曼滤波。自适应滤波存在于信号处理、控制、图像处理等多个领域。它是一种智能化、更有针对性的滤波方法, 通常用于除噪。5维纳滤波器可以应用于连续平稳过程或离
7、散平稳过程。实验后, 我们发现Wiener 滤波器在处理图像时更有效, 但是图像在丢失图像边缘信息后仍然不清晰。4、优缺点比较通过对以上 3 种滤波方法的分析比较, 均值滤波虽然可以很好地去噪, 但是使火焰图像的边缘更加模糊;中值滤波残留了少量的噪声, 但是处理效果很好;自适应滤波弊端明显。(四) 直方图均衡化直方图均衡化的中心思想是将原始图像的灰度直方图从浓度的灰度分布到整个灰色区域的均匀分布。直方图均衡化是图像的非线性拉伸, 重新分配图像像素值, 使一定灰度范围内像素的数量近似相等。直方图均衡化是将给定图像的直方图分布改变为“均匀”分布直方图分布。通过这个实验可以发现:与原始图像相比, 直
8、方图均衡化不仅提高了亮度, 对比度也提高了, 使得火焰图像的细节更加清晰, 有利于后续图像的进一步处理。三、火灾图像的前景提取与分割(一) 图像差影1、背景差分法在基于背景差分的运动对象检测中, 背景图像的建模和仿真精度直接影响检测结果。任何移动目标检测算法, 尽可能满足图像处理的要求在任何场景, 但是由于复杂性、不可预测性, 以及各种环境干扰和噪音6, 如光, 突然变化的实际背景图像在某些运动和摄像机抖动, 影响原始场景移动对象在现场, 建模与仿真的背景变得更加困难。考虑到森林中复杂的环境, 只有背景差异容易受到干扰。本文研究了颜色分量之间的差异, 实现了火焰图像的有效提取。2、基于彩色分量
9、的差分如前所述, 在红色的灰度图像中, 火焰图像更明显, 但蓝色的灰度背景更少。因此, 将蓝色分量的灰度图像用作近似背景图像, 将红色分析的灰度图像作为火焰图像, 将两个灰度图像作为对比, 然后得到单个背景的单个火焰图像。该方法是由于基于红色和蓝色分量的灰度图在火焰图像处差别很大, 但在背景草木、阳光、阴影的差别很小, 可以有效避免背景带来的干扰。(二) 图像阈值分割基本思想是根据灰度图像计算一个或多个阈值的阈值, 并与图像中每个像素的阈值灰度值进行比较, 将结果与相应的分类结果进行比较。因此, 该方法最关键的一步是根据标准函数找到最佳灰度阈值。71、迭代阈值法通过迭代方法选择阈值, 计算方法
10、如下:(1) 选择灰度均值作为初始阈值 T0;(2) 计算 T0 小于等于 T1 的平均值和大于 T0 T2 的平均值;(3) 新的阈值为 T= (T1+T2) /2;(4) 比较 T 和 T0;如果等于, 返回 T, 这是迭代阈值;否则 T0=T, 重复 (1) - (3) 采用迭代平均灰度法, 该算法只适用于双峰的直方图。2、Otsu 法最大方差法是在 1979 年由日本学者大津首先提出, 是一种自适应阈值的方法, 也称为大津方法, 称为大津, 是一个基于全球的二值化算法, 基于灰度图像的特点, 图像分为两部分:前台和后台。当最好的阈值被采用时, 两个部分之间的差异应该是最大的, 而 OT
11、SU 算法中使用的标准度量差异是类间最常见的类方差。3、算法比较对原始图像的差影进行阈值分割, 大部分背景都被有效去除, 包括不清晰的着火区域, 火焰区域可以被完整分割出来。(三) 边缘检测1、Roberts 算子Roberts 算子是一种最简单的算子, 是一种利用局部差分算子寻找边缘的算子。梯度是根据对角线方向上两个相邻像素之间的差的梯度来近似的。检测竖向边缘的效果优于斜边缘检测。定位精度高, 对噪声敏感, 不能抑制噪声。82、Prewitt 算子及 Sobel 算子Sobel 算子是在 Prewitt 算子的基础上改进的, 在中心系数上使用一个权值 2, 相比较 Prewitt 算子, S
12、obel 模板能够较好的抑制 (平滑) 噪声。3、Canny 算子算法过程:(1) 图像边缘检测必须满足两个条件:有效抑制噪声;尽可能准确地确定边缘位置。(2) 通过测量信噪比和定位的乘积得到最优逼近算子 (精明的边缘检测算子) 。(3) 相似和马尔 (Lo G) 边缘检测方法也属于先平滑法, 然后求导数。4、算法比较Robert 算子定位比较精确, 但由于不包括平滑, 所以对于噪声比较敏感。Prewitt 算子和 Sobel 对于森林混合多复杂噪声的图像处理效果不理想。LOG 算子图像的细节损失较大, 边缘精度较低。Canny 算子由于适合用于检测真实得弱边缘, 效果非常理想。四、结论基于数
13、字图像处理技术, 研究了基于火焰图像的森林火灾自动识别系统算法。首先, 进行一系列预处理操作, 如灰度, 滤波, 去噪和直方图, 以获得图像并增强图像效果。然后, 在颜色分量减法下对可疑火灾区域进行阈值分割和边缘检测。在这些操作之后, 您可以提取前景图像。一旦发生火灾, 可能会发现火灾, 从而尽量减少损坏。增加系统的干扰因子。本文仅研究了森林复杂环境中的一些常见的扰乱因素。但实际上必须有改善, 不同种类的森林植被可能有不同的因素。在未来的研究中, 为了提高系统的鲁棒性和可靠性, 应考虑更多的干扰因素。参考文献1傅泽强, 王玉彬等 (2011a) , 蒙古千草原春季火险预报模型的研究, 应用气象
14、学报, 2011, 12 (2) :202-209 2苏和, 刘桂香, (2014) , 浅析我国草原火灾信息管理技术进展, 中国草地, 2014, V01.26.No.3:69-71 3覃先林, 易浩若, 纪平, (2010) , AVHRR 数据小火点自动识别方法的研究, 遥感技术与应用, 2010 年 3 月, 15 卷 1 期;36.40 4董武, 张远洪, 张玉贵, 徐文兴, 于尚友, 杨友强.卫星遥感在森林火灾监测与火险预报中的应用研究J.森林防火, 2014 (04) . 5中国科学院遥感应用研究所, (2014) , 21 世纪初中国陆地生态系统定量遥感监测数据产品, 北京, 2014.5 6林珍香, 阮志毅, 钟一文.基于分数阶混沌时间序列的图像加密算法J.应用数学与计算数学学报.2015, 29 (2) :248-256 7吴龙标, 方俊, 谢启源.火灾探测与信息处理M.北京:化学工业出版社, 2014. 8李玉山.数字视觉视频技术M.西安:西安电子科技大学出版社, 2012.
