森林防火系统中图像识别算法的研究

论文摘要

森林是陆地生态的主体,具有很高的生态效益和经济效益。鉴于目前我国森林防火的严峻形势,必须开发有效技术解决森林火灾的监测问题。传统火灾探测器多采用单一时刻的火灾参量作为判断标准,在外界干扰下易引起频繁误报或漏报。近年来提出的基于机器视觉的火灾报警系统,利用数字图像处理技术来实现火灾自动报警。基于火焰和烟雾的图像特征,本文研究了一种识别自然环境下火灾的机器视觉方法。火灾发生过程中,主要的图像信息是燃烧时产生的烟雾和火焰,通过对烟雾和火焰的图像信息研究发现,烟雾和火焰本身具有一定的规律性,以此为依据设计有针对性的算法,从图像中识别出烟雾和火焰,判断火灾是否发生。首先,论文阐述了森林防火技术及图像型火灾检测技术的发展和现状,并对图像分割和滤波方法中的关键技术进行了详细介绍,在此基础上,本文分别讨论了火焰和烟雾的分割与识别。然后,对于火焰分割,针对不同情况下的火焰研究了三种不同的分割技术,实现了火焰区域的准确分割。对于火焰的特征检测,主要进行颜色和动态特征的分析,通过建立火焰颜色模型进行颜色识别,再进一步进行火焰的四个动态特征的识别。对于烟雾分割,由于烟雾颜色的复杂性,采取颜色提取法进行分割,并运用视觉一致性的聚类算法对其进行了改进。对于烟雾的特征检测,主要进行小波特征及动态特征的分析,通过对比烟雾图像与背景图像小波系数进行小波特征识别,再对识别结果进一步进行动态特征识别,包括烟雾的不规则性和扩散性,最终确定视频中是否存在烟雾。最后,综合以上分析,给出了森林防火系统中火灾的识别的整体流程以及火焰和烟雾分别的识别流程。实验证明,综合火焰和烟雾的静态特征及动态特征的火灾识别方法,识别率高。在火灾检测技术中,具有较好的发展前景。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 课题来源
• 1.3 森林防火技术的研究现状
• 1.4 图像型火灾检测的研究现状
• 1.4.1 火焰与烟雾图像特征分析
• 1.4.2 图像型火灾检测的技术现状
• 1.4.3 图像型火灾检测的应用现状
• 1.5 论文的主要内容及结构安排
• 1.5.1 论文的研究内容
• 1.5.2 论文的结构安排
• 第2章 数字图像处理基础
• 2.1 引言
• 2.2 图像分割理论基础
• 2.2.1 边缘检测法图像分割
• 2.2.2 阈值法图像分割
• 2.2.3 基于区域特性的图像分割
• 2.2.4 特征空间聚类法图像分割
• 2.3 图像的滤波
• 2.3.1 线性滤波
• 2.3.2 非线性滤波
• 2.4 本章小结
• 第3章 火焰与烟雾的图像分割
• 3.1 引言
• 3.2 实时背景差分
• 3.3 图像增强
• 3.4 火焰分割
• 3.4.1 最大类间方差阈值法
• 3.4.2 特征空间聚类法
• 3.4.3 颜色提取法
• 3.5 烟雾分割
• 3.5.1 颜色提取法
• 3.5.2 基于视觉一致性聚类法
• 3.6 本章小结
• 第4章 火焰与烟雾的特征识别
• 4.1 引言
• 4.2 火焰的颜色特征
• 4.2.1 各色彩空间比较
• 4.2.2 火焰图像分布模型
• 4.2.3 YCbCr 空间分析
• 4.3 火焰的动态特征
• 4.3.1 不规则性
• 4.3.2 扩散性
• 4.3.3 相似性
• 4.3.4 稳定性
• 4.4 烟雾的小波特征
• 4.5 烟雾的动态特征
• 4.5.1 扩散性
• 4.5.2 不规则性
• 4.6 本章小结
• 第5章 实验结果分析
• 5.1 引言
• 5.2 火灾识别的总体流程
• 5.3 火焰分割与识别结果分析
• 5.3.1 火焰分割结果
• 5.3.2 火焰特征识别结果分析
• 5.4 烟雾分割与识别结果分析
• 5.4.1 烟雾分割结果
• 5.4.2 烟雾特征识别结果分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢