视频图像型火灾探测技术可以有效解决大空间火灾探测的难题,具有重要的应用价值。该技术主要包括视频获取,图像预处理,分割、特征提取和火焰识别几大部分。为了提高探测算法的准确率、鲁棒性,针对现有的图像型火灾探测算法中存在的不足,本文对火焰分割、特征的选取和识别等相关算法进行了重点研究。主要有以下几方面:(1)火焰分割算法研究。目标分割是进行图像特征提取和目标识别的基础和关键,对于减少数据量和提高算法性能意义重大。本文在分析与对比现有火焰分割算法的基础上,提出了基于CIE Lab颜色模型和模糊C均值结合的火焰分割方法。首先建立CIE Lab空间的火焰颜色模型,用颜色分量进行分割,然后用模糊C均值算法将同一区域内的离散目标进行合并,提高火焰疑似区域分割的准确率。(2)火焰特征选取和识别算法研究。概述了图像型火灾探测的原理及特点,针对目前火焰图像特征不能随监控场景自适应选择的问题,提出了基于概念格粗糙集—支持向量机的火焰图像特征选择与探测新算法。首先分析并计算火焰常用特征,总结概念格和粗糙集各自的属性约简方法,分析了各自约简的特点及优势,并把概念格和粗糙集结合起来应用于火灾火焰的特征约简。最后将得到的最简特征分类集输入支持向量机中进行测试。实验结果证明,此方法的识别准确率明显高于单独应用粗糙集进行特征选择和人工进行特征选择时的识别准确率,达到了提高效率,减少误报等的目的。