论文部分内容阅读
传统的森林火灾探测系统使用物理传感器设备识别火灾,它根据接收到的空气中的物理化学性质等来发出报警信号,这种传感器存在反应滞后,可靠性差等问题,随着图像处理技术的发展,近年来基于图像的森林火灾探测技术成为研究热点。本文分析了图像型森林火灾探测的研究现状,总结了相应算法的框架,并对火灾火焰分割、特征提取及识别进行了深入研究。首先,通过查阅文献,研究分析了现有基于数字图像处理的森林火灾检测算法的利弊,如在YCbCr颜色空间下能较好地区分亮度和色度、聚类算法对火焰比较明显的情况下能较精确的提取出火焰区域等优点,和在强光或在强雾的干扰下的识别率较低、用作分析的场景不全面等缺点。其次,基于彩色空间来分割提取森林火灾火焰。为了减少发生这样的误报,本研究通过几种不同的分割方法来进行比较测试后,提出了一种基于图像型森林火灾探测技术的相关算法。这种基于图像的火焰识别方法首先将图像由RGB模式转换为YCbCr颜色模式,以Cb, Cr为轴建立坐标系并给出火焰样本的Cb, Cr值,火焰像素的取值正好集中在一个椭圆区域内。研究统计发现,在(Cb, Cr)的边缘分布,即Cb, Cr各自的分布大概接近正态分布,并且在(Cb, Cr)空间上的分布也基本符合二维正态分布,再结合基于L*a*b*颜色空间的K均值聚类算法对火灾图像进行分割,提取出火焰区域,判断提取区域是否具有火焰的动态特征,增强火焰的判断精度。通过实际测试,分割效果良好。再次,进行森林火灾图像的火焰特征的分析,主要从火焰的颜色特征和形状特征这两个方面入手,对于火焰颜色特征,采用循环区域分裂方法对其进行分析;对于形状特征,在进行之前,先将分割后的图像进行二值化,然后再对其周长、面积、圆形度等特征来进行分析。最后,将各个特征进行融合,从而在保证火焰高检测率的同时降低误检率。最后,用C++代码实现算法,进行了森林火灾火焰识别的仿真实验,实验结果表明本文提出的森林火焰识别方法能够较为准确地识别火焰,误判率较低,排除了近似火焰颜色物体和强光的干扰,对森林火灾的监控与探测有很好的实际应用价值。