论文部分内容阅读
摘要：合理利用自然光是实现绿色照明的有效途径。提出了一种基于红外监测和CCD图像处理相结合的智能照明控制系统。将图像处理后的灰度和自然光照度进行对比，通过驱动电路来控制工作的灯组，以实现照明节能。最后通过仿真分析验证了系统的有效性。
关键词：CCD；照度；灰度；智能照明
1 引言
随着能源“可持续发展”的理念在全球范围达成共识，绿色照明的设计方法已经成为十分重要的研究课题。据估计，我国年照明用电量占发电量的10%左右，而且以低效照明为主，节能潜力很大。
本文提出将图像处理技术和红外监测技术相结合应用于智能照明控制系统，减少工程布线和传感器安装，进而通过智能调光模式来达到各种环境照明模式的需求。这样就达到全局系统节能和节约能源的目的，从而使系统可靠性、易操作性都得到了提高。
2智能照明控制原理
对小区或商业建筑里的照明进行智能控制，需要在被控区域安装人体红外探测器，CCD摄像机以及设计控制驱动灯具电路等硬件和软件。人体红外探测器可以探测人的存在，控制面板根据红外线检测照明区域是否有人存在，若无人将自动关闭照明灯具，若有人存在，则按照设定值调整照明灯具开关以改变照度。基于红外传感和CCD技术的智能照明控制框架如图1所示。和传统照明相比，智能照明在区域建筑中可以实现集中管理，减少人为浪费；同时可以自动调光，充分利用自然光；节省电能和线缆等。
图1 智能照明框架图
如图1所示，整个框架分为三层，分别为中心监控层，传感处理层和终端层。其中心监控层的监控机负责整个小区或商业建筑的信息监控，显示各组灯具的光环境以及图像处理信息，同时通过网络传给下一层。传感處理层包括人体红外探测器对区域的检测情况、CCD图像的处理信息以及通过照度传感器检测周围环境的照度，并和设计照度值的比较预设模块。通过预设模式和调光模块相结合来对控制器发出信号，调节光照明电路，直到周围环境中的光照度值与设定值相等为止，从而实现节能目的。终端层包括各房间中的灯具，各种照明器具等，它们接收控制信号，进行灯具的亮度调节，并将结果返回上一层。
3 照度模型和CCD图像处理
3.1 照度模型
文献[10]中建立了视觉舒适度Z随照度E满足如下关系：
(3-1)
其中展开系数取决于视觉舒适与照度关系的实验数据。当幂次越高，(1)式越能够准确描述视觉舒适度与照度关系，但需要的数据就越多。研究表明当以4次幂为模型时，其视觉舒适度标准为：(3-2)
结合(3-1)、(3-2)式就可以进行照度设计，此时模型比较复杂。当采用2次幂时模型简便且需要的实验数据少，此时据文献[1]描述，进行数据推导，最后得到照度模型为：
(3-3)
(3-4)
由(3-3)、(3-4)式可以知道，要想计算出某个光环境下的照度，只需知道和两个参数。表示照度最大值，表示展开系数。可以用某种光环境下国家规定照度标准值来代替，数值如表1所示。
表1 几种光环境下的国家规定照度标准值
值是由视觉舒适度随照度变化的实验数据来决定。下面给出多处文献所得的值，作为设计参考，当然必要时根据实际情况引入修正系数。如表2所示。
表2 四种光环境下的值
其中、为修正系数，范围为[0,1]。根据和，以及(3)、(4)式进行照度设计，直到设计满足舒适度要求。模型中采用2次幂的形式，形式简单、简便，给应用带来很大的方便。
3.2 CCD图像处理
通过CCD获取的图片，往往夹杂有环境噪声以及不容易被计算机处理。因此，对彩色图像进行消噪、灰度化是图像处理的前提和内容。图像通过处理后，根据和自然亮度比较，驱动控制系统是否进行照度调整和开启灯具，达到智能控制灯具的目的。图像处理原理如图2所示。
图2图像处理原理图
根据人眼的视觉机理，通常绝大部分颜色都可以看作是3个基本颜色即红(R)、绿(G)、蓝(B)的混合。然后在笛卡尔坐标系中用3个坐标轴表示R、G、B的值，从而形成一颜色空间。考虑到人的视觉因素，调整R、G、B在灰度化时对灰度值的贡献，设它们对各自的贡献分别为，此时灰度的计算公式为：，其中系数且满足。
在选择系数时，可以参考电视工业标准灰度化法中系数，它在利用R、G、B值计算亮度时，没有将3中颜色按同比例进行混合，而选取。这样就实现图像灰度处理。
4 仿真分析
本仿真实验采用348像素489像素大小的原始图像为处理的对象，如图3所示。其处理的结果如图4和图5。
图3 原始图像图4 灰度图像
图3表示原始图像，为真彩色图像，为了便于处理，需要进行灰度化处理。处理后的图像如图4。图4表示灰度图像，图5表示为图像各像素的灰度值，其值的范围为0-255，数值越大表示越亮，同时也表示了这时的自然光充足，照度好。
图5 灰度图像各像素的灰度值
根据得到的灰度值，可以和照度进行对比，当得到的最大灰度值低于某一值时，表示室内环境比较暗，可以驱动调光电路，来及进行调整照度，保证室内的照明；当红外监测到没人时，可以关闭灯具；当采集到的图像经处理后的灰度值大于场内设定的照度时，不需要打开灯具。这样就达到了智能控制灯具的目的。
5 结论
通过以上分析，将红外监测技术和CCD图像处理技术结合起来应用到照明系统中，可以起到智能控制灯具的目的。通过建立的照度模型和图像灰度处理相比较，及时的打开和关闭灯具，使之达到节能的目的。
参考文献
[1] 刘沁, 张成风, 刘启能. 绿色照明的理论模型及定量设计[J].照明工程学报, 2010, 21(3)
[2] 肖辉, 严勇, 袁铭蔚. 主动式绿色照明模型研究[J]. 低压电器, 2008, 8: 1-3.
[3] 李旭东. 基于图像灰度平均值的数字水印算法[J]武汉大学学报(信息科学版), 2007,
注：文章内所有公式及图表请以PDF形式查看。
关键词：CCD；照度；灰度；智能照明
1 引言
随着能源“可持续发展”的理念在全球范围达成共识，绿色照明的设计方法已经成为十分重要的研究课题。据估计，我国年照明用电量占发电量的10%左右，而且以低效照明为主，节能潜力很大。
本文提出将图像处理技术和红外监测技术相结合应用于智能照明控制系统，减少工程布线和传感器安装，进而通过智能调光模式来达到各种环境照明模式的需求。这样就达到全局系统节能和节约能源的目的，从而使系统可靠性、易操作性都得到了提高。
2智能照明控制原理
对小区或商业建筑里的照明进行智能控制，需要在被控区域安装人体红外探测器，CCD摄像机以及设计控制驱动灯具电路等硬件和软件。人体红外探测器可以探测人的存在，控制面板根据红外线检测照明区域是否有人存在，若无人将自动关闭照明灯具，若有人存在，则按照设定值调整照明灯具开关以改变照度。基于红外传感和CCD技术的智能照明控制框架如图1所示。和传统照明相比，智能照明在区域建筑中可以实现集中管理，减少人为浪费；同时可以自动调光，充分利用自然光；节省电能和线缆等。
图1 智能照明框架图
如图1所示，整个框架分为三层，分别为中心监控层，传感处理层和终端层。其中心监控层的监控机负责整个小区或商业建筑的信息监控，显示各组灯具的光环境以及图像处理信息，同时通过网络传给下一层。传感處理层包括人体红外探测器对区域的检测情况、CCD图像的处理信息以及通过照度传感器检测周围环境的照度，并和设计照度值的比较预设模块。通过预设模式和调光模块相结合来对控制器发出信号，调节光照明电路，直到周围环境中的光照度值与设定值相等为止，从而实现节能目的。终端层包括各房间中的灯具，各种照明器具等，它们接收控制信号，进行灯具的亮度调节，并将结果返回上一层。
3 照度模型和CCD图像处理
3.1 照度模型
文献[10]中建立了视觉舒适度Z随照度E满足如下关系：
(3-1)
其中展开系数取决于视觉舒适与照度关系的实验数据。当幂次越高，(1)式越能够准确描述视觉舒适度与照度关系，但需要的数据就越多。研究表明当以4次幂为模型时，其视觉舒适度标准为：(3-2)
结合(3-1)、(3-2)式就可以进行照度设计，此时模型比较复杂。当采用2次幂时模型简便且需要的实验数据少，此时据文献[1]描述，进行数据推导，最后得到照度模型为：
(3-3)
(3-4)
由(3-3)、(3-4)式可以知道，要想计算出某个光环境下的照度，只需知道和两个参数。表示照度最大值，表示展开系数。可以用某种光环境下国家规定照度标准值来代替，数值如表1所示。
表1 几种光环境下的国家规定照度标准值
值是由视觉舒适度随照度变化的实验数据来决定。下面给出多处文献所得的值，作为设计参考，当然必要时根据实际情况引入修正系数。如表2所示。
表2 四种光环境下的值
其中、为修正系数，范围为[0,1]。根据和，以及(3)、(4)式进行照度设计，直到设计满足舒适度要求。模型中采用2次幂的形式，形式简单、简便，给应用带来很大的方便。
3.2 CCD图像处理
通过CCD获取的图片，往往夹杂有环境噪声以及不容易被计算机处理。因此，对彩色图像进行消噪、灰度化是图像处理的前提和内容。图像通过处理后，根据和自然亮度比较，驱动控制系统是否进行照度调整和开启灯具，达到智能控制灯具的目的。图像处理原理如图2所示。
图2图像处理原理图
根据人眼的视觉机理，通常绝大部分颜色都可以看作是3个基本颜色即红(R)、绿(G)、蓝(B)的混合。然后在笛卡尔坐标系中用3个坐标轴表示R、G、B的值，从而形成一颜色空间。考虑到人的视觉因素，调整R、G、B在灰度化时对灰度值的贡献，设它们对各自的贡献分别为，此时灰度的计算公式为：，其中系数且满足。
在选择系数时，可以参考电视工业标准灰度化法中系数，它在利用R、G、B值计算亮度时，没有将3中颜色按同比例进行混合，而选取。这样就实现图像灰度处理。
4 仿真分析
本仿真实验采用348像素489像素大小的原始图像为处理的对象，如图3所示。其处理的结果如图4和图5。
图3 原始图像图4 灰度图像
图3表示原始图像，为真彩色图像，为了便于处理，需要进行灰度化处理。处理后的图像如图4。图4表示灰度图像，图5表示为图像各像素的灰度值，其值的范围为0-255，数值越大表示越亮，同时也表示了这时的自然光充足，照度好。
图5 灰度图像各像素的灰度值
根据得到的灰度值，可以和照度进行对比，当得到的最大灰度值低于某一值时，表示室内环境比较暗，可以驱动调光电路，来及进行调整照度，保证室内的照明；当红外监测到没人时，可以关闭灯具；当采集到的图像经处理后的灰度值大于场内设定的照度时，不需要打开灯具。这样就达到了智能控制灯具的目的。
5 结论
通过以上分析，将红外监测技术和CCD图像处理技术结合起来应用到照明系统中，可以起到智能控制灯具的目的。通过建立的照度模型和图像灰度处理相比较，及时的打开和关闭灯具，使之达到节能的目的。
参考文献
[1] 刘沁, 张成风, 刘启能. 绿色照明的理论模型及定量设计[J].照明工程学报, 2010, 21(3)
[2] 肖辉, 严勇, 袁铭蔚. 主动式绿色照明模型研究[J]. 低压电器, 2008, 8: 1-3.
[3] 李旭东. 基于图像灰度平均值的数字水印算法[J]武汉大学学报(信息科学版), 2007,
注：文章内所有公式及图表请以PDF形式查看。