论文部分内容阅读
化学物品引发的火灾通常具有很大的破坏力,如何在火灾初期实现火焰目标的检测,对避免爆炸事件的发生和维护救援人员安全有着重要意义。在充分了解国内外火焰检测技术的基础上,本文将易燃化学物品引发的淡色火焰作为研究目标,着手解决光照干扰、相近背景色、遮挡干扰以及镜面火焰等多种复杂场景下目标识别与定位问题。当下传统的火焰检测算法多是根据火焰的静态特征和动态特征进行火焰目标检测,对于存在信息缺失的淡色火焰图像无法进行准确识别与定位。针对以上情况,本文将图像融合技术、图像匹配技术以及立体视觉技术进行有机结合,研究了一种基于红外与可见光图像的多源视觉检测系统。论文的具体工作如下:(1)为实现复杂场景下的淡色火焰目标识别,本文研究了基于融合图像的火焰检测算法。首先通过融合算法将红外和可见光图像中的有用信息进行互补,获取高质量融合图像,然后采用基于RGB-IHS颜色空间的双阈值分割算法实现了淡色火焰目标的识别工作。其中,为有效保留可见光图像中的颜色信息以及边缘细节信息,并融合红外图像中的丰富灰度信息,本文采用了一种改进的IHS-NSCT融合算法。基于IHS颜色空间中各分量的独立性,采用NSCT算法对可见光图像中的I分量与红外图像进行融合处理。为了获得高质量融合图像,在高频方向子带图像融合过程中采用基于局部对数Gabor能量模型的融合规则,在低频子带图像中采用基于双通道脉冲耦合神经网络(D-PCNN)模型的融合规则。(2)针对传统立体匹配算法匹配效率低下的问题,本文研究了基于改进的S-SIFT匹配算法。在特征点生成过程中,采用自适应高斯滤波器,使提取特征点能较好的描述图像边缘区域。通过自适应阈值β的设置对提取特征点数进行控制,并采用16维的描述子代替传统的128维描述子,减少了计算量,缩短了匹配时间。最后采用一种基于双向匹配的约束匹配算法,避免了误匹配的发生。经仿真实验可知,基于融合图像的火焰检测算法对于复杂场景下淡色火焰目标的识别率为91%,误识别率为9%;基于S-SIFT的定位算法可获取淡色火焰目标的准确位置,其绝对误差小于1O0mm。实验结果表明,改进的IHS-NSCT算法与同类算法对比,在图像融合效果上有了很大改善。本文改进的S-SIFT匹配算法也在匹配速率和匹配准确率上有了进一步的提升。图29幅,表4个,参考文献40篇。