论文部分内容阅读
森林火灾不仅给社会经济、人类安全带来重大损失,而且会严重阻碍生态环境的可持续发展,基于视频图像处理的烟雾检测技术能够起到火灾预警的作用,有重要现实意义。近年来,国内外学者对人类视觉感知系统及其信息处理机制进行了深入研究,并试图将人类视觉注意机制引入到复杂场景下目标的检测系统中以提高检测效率,它的研究为烟雾检测提供了崭新的发展方向。本文旨在探索开放环境下基于视觉显著性和时空动态特征的烟雾检测算法,其主要工作及贡献如下:(1)分析了烟雾检测的技术难点,在前人研究工作基础上提出了开放环境下烟雾检测的算法流程。(2)引入视觉注意机制来生成静态特征显著性图。提出一种融合视觉双通路的烟雾显著图概率模型,模型在灰度与纹理特征通道中分别自下而上(来自图像数据)、自上而下(来自训练样本)生成对应的烟雾特征概率显著性图,然后基于贝叶斯条件概率模型将两个特征的概率显著图相融合,实现纹理特征(自上而下通道)对灰度(自下而上通道)显著图的调整。(3)提出一种运动显著图生成算法。充分考虑烟雾在升腾过程中不断运动的特点,在帧差法的基础上对运动量进行加权累加统计,并结合卡尔曼滤波模型的背景差生成运动显著性图。(4)对烟雾的时空域特征进行分析。提出使用感兴趣区域轮廓法线的角度熵来度量实时感兴趣区域的轮廓不规则性。此外,将LBP模型用于动态纹理特征的提取,采用感兴趣区域的LBP熵对该区域动态纹理特征进行度量。(5)最后,通过对大量烟雾、非烟雾样本进行训练,构建了贝叶斯网络分类器,实现了烟雾的准确识别。