论文部分内容阅读
火灾是一种常见的严重自然灾害。目前,室内的火灾报警主要通过光、烟、温度等加以判断,然后直接实施灭火措施,进行断电、喷水等并报警。而对室外或大面积的监控对象,存在着许多影响火灾探测的因素如空间高度、热量屏障、覆盖范围、气流速度等,传统的探测手段往往在这样的环境中失去了作用。这种情况下通常只能采用图像型火灾探测技术。以计算机为系统核心的图像型火灾探测技术体积大、安装不方便,使用缺乏灵活性,信号传输比较复杂、计算机负担比较大。因此,以DSP为核心的图像型火灾探测技术可以克服这些缺点,同时可以减轻计算机的负担,提高系统的实时性和智能化水平。论文系统地研究分析了国内外有关火灾图像识别技术及其研究现状,在此基础上讨论了数字图像处理和DSP技术在火灾图像处理中的应用。研究分析了基于DSP的图像型火灾探测系统的组成,包括带有红外滤光片的彩色摄像机,火灾图像采集和处理平台。本文重点讨论了基于DSP嵌入式平台的早期火灾火焰图像的识别技术。详细论述了图像预处理、火焰判据的特征值提取和火焰的识别。在DSP平台,采用中值滤波,最大类间方差法求取阈值进行图像的二值化,同时提出区域生长和去除图像中小面积干扰区域的算法对采集的图像进行预处理。利用早期火灾火焰图像具有火焰面积变化、边缘抖动、形体变化、整体移动等特征,提出了火焰面积变化率、位置基本稳定、形体特性、圆形度、火焰尖角等多个火焰识别判据。在DSP平台实现了火焰判据特征值的提取。在PC机中,将火灾图像各判据的特征值作为输入信号,利用BP神经网络训练计算权值和阈值,增强了系统的火焰识别能力。最后,在DSP上实现利用BP神经网络训练得到的权值和阈值,对获得的图像进行识别判断,同时进行了大量火焰识别实验,实验表明系统的火焰识别能力和准确性得到了提高。论文的最后对课题的研究工作进行了总结,指出了不足之处并对下一步工作进行了展望。