视频图像中的烟雾检测方法研究

论文摘要

传统的火灾探测技术存在很多的不足,很多国内外的研究学者近年来开始找寻新的更有效的火灾检测方法,他们提出了在火灾发生的初期通过数字图像处理和视频处理来检测烟雾,这种方法的优点在于能够对更大范围的场景进行监测,并找到检测烟雾出现的位置,从而能够及时准确的定位着火点,避免火灾的发生和蔓延。烟雾是火焰燃烧的一个重要特征,通常在火焰产生之前烟雾便开始弥漫。与火焰相比,烟雾在整个空间当中大面积传播,不易受到物体遮挡的影响。对烟雾的探测有助于在火灾蔓延初期火苗尚未被观测到的情况下提前预报火灾的发生。与此同时,它也可以用于对化学药品泄漏进行监控。然而,烟雾的颜色特征不明显,运动规律难于把握都给视频烟雾探测技术的研究带来了巨大的困难。与视频火焰探测相比,误检率高、实现难度更大。为了提高烟雾检测的准确性,有效排除图像中类似烟雾的区域,降低由于环境和光照不同而产生的误检率,本文通过以下四个方面对烟雾检测进行了研究：(1)基于视频的烟雾检测。采用了两种方法对视频中的烟雾进行检测,一种方法是通过背景建模滤除掉视频中的背景,找出视频中的运动区域,再通过分析烟雾的颜色特征,找出视频中正在运动的烟雾；另一种方法是通过分析视频中运动块的累积量和主运动方向,来对烟雾进行检测。(2)提取烟雾的颜色矩特征。颜色矩特征提取方法的思想是它将图像当中的颜色分布通过颜色本身的矩(Moments)来表示,其中大多数颜色分布的信息集中在低阶矩中,在H、S、V 3个色度空间上提取烟雾的颜色特征并进行分析,为以后的分类做好准备。(3)提取烟雾的小波特征。通过小波变换提取烟雾图像在不同方向上的高频和低频特征,并对其进行分析,为以后的分类做好准备。(4)基于分类算法的单张图片烟雾检测。利用线性判别分析,支持向量机和邻近算法分别对特征数据集进行分类学习,自动找出并正确标记新的测试图像中烟雾区域的位置,对比实验结果,找出最优分类算法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 视频图像烟雾检测技术概述
• 1.2.1 烟雾的物理特征
• 1.2.2 传统的烟雾检测技术概述
• 1.2.3 基于视频图像的烟雾检测技术概述
• 1.3 国内外研究现状
• 1.4 本文研究的主要内容
• 第2章 基于视频的烟雾检测方法
• 2.1 基于背景建模的烟雾检测
• 2.1.1 静态颜色分析
• 2.1.2 动态背景分析
• 2.1.3 实验结果
• 2.2 基于累积量和主运动方向的视频烟雾检测
• 2.2.1 烟雾运动方向的估计
• 2.2.2 累积量和主运动方向
• 2.2.3 实验结果
• 2.3 本章小结
• 第3章 基于颜色矩的烟雾图像特征提取
• 3.1 颜色空间的选取
• 3.1.1 RGB颜色空间
• 3.1.2 YUV颜色空间
• 3.1.3 HSV颜色空间
• 3.2 图片预处理
• 3.2.1 导出视频中的烟雾图像并标记
• 3.2.2 图像分割
• 3.3 提取烟雾图片的颜色矩特征
• 3.3.1 颜色矩
• 3.3.2 提取颜色矩特征
• 3.4 本章小结
• 第4章 基于小波变换的烟雾图像特征提取
• 4.1 概述
• 4.1.1 Fourier变换
• 4.1.2 连续小波变换
• 4.1.3 离散小波变换
• 4.2 多分辨分析
• 4.2.1 Riesz基
• 4.2.2 多分辩分析思想
• 4.2.3 双尺度方程
• 4.2.4 小波基的求取
• 4.3 提取烟雾图像的小波特征
• 4.4 本章小结
• 第5章 基于分类算法的单张图片烟雾检测算法
• 5.1 线性判别分析
• 5.1.1 概述
• 5.1.2 线性判别分析算法
• 5.1.3 LDA中存在的秩限制问题
• 5.2 支持向量机
• 5.2.1 概述
• 5.2.2 最优分类面
• 5.2.3 核函数
• 5.3 最近邻分类算法
• 5.3.1 近邻分类器
• 5.3.2 面向对象的最邻近分类法
• 5.4 烟雾图像分类识别算法步骤
• 5.5 实验结果
• 5.6 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 研究展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文及参加的科研工作