基于图像型的火灾探测及定位技术的研究

论文摘要

火灾是人类安全的重大威胁之一。大空间建筑火灾、矿井火灾等频繁发生不仅给社会生活造成极大的破坏,而且造成的损失和危害程度也相当大。图像型火灾探测和自动灭火技术是利用CCD摄像机作为探头,将被监视现场的彩色图像和红外图像输入计算机,然后利用图像处理的算法,从单幅图像和图像序列中来识别有无火灾的发生。在发现火灾的情况下,计算火灾的空间位置,自动启动灭火系统和报警疏散系统。论文结合计算机图形学、数字图像处理、计算机视觉等技术,从火灾火焰形态学特征和视觉特征两方面着手,并采用人工神经网络理论中的BP神经网络模型,研究基于图像特征的火灾探测和自动灭火技术。目标是将提出的方案变为实际的算法,用软件实现,最终设计实现一套完整的火灾探测和自动灭火系统。首先,在火灾探测技术上,本文为提高判别效率,提出区域分割算法,该算法将各个亮点区域提取出来,并分别进行处理,实验证明,该算法使整个特征提取算法效率提升了三倍;为降低计算火焰尖角的复杂度,提出一种新的基于边界链码的计算火焰尖角的方法;在火灾火焰图像特征的研究上,取得了很好的识别效果。其次,在自动灭火技术上,论文研究了对双目定位算法中彩色图片的火灾位置确定的方法,提出将颜色特征模型法用在火灾火焰空间定位上,对前人的研究作了重要的补充和发展;还根据通用的双目成像定位方法和旋转摄像头模拟双目定位方法各自的优缺点,研究了一种复合空间定位算法,可以提高空问定位的准确性。最后,在以上的研究基础上,本文提出了基于计算机视觉的图像型火灾探测和空间定位系统的设计方案,给出了软件分层设计的具体实现方案。实践证明,该系统是行之有效的,具有较高的准确性和可靠性。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 火灾的发展及火焰的图像特征
• 1.2.1 火灾的发展过程
• 1.2.2 火灾火焰的图像特性
• 1.3 大空间火灾的特点
• 1.3.1 大空间火灾的特性
• 1.3.2 影响大空间建筑火灾的主要因素
• 1.4 基于图像型的火灾识别技术的发展
• 1.5 论文的研究目的及内容安排
• 1.5.1 本论文研究目的
• 1.5.2 论文的内容安排
• 2 火灾探测的理论基础
• 2.1 光谱辐射理论
• 2.2 单波段理论
• 2.3 双波段理论
• 2.4 本章小结
• 3 火灾图像识别算法
• 3.1 火灾的图像识别判据
• 3.1.1 火焰尖峰
• 3.1.2 火焰变化率
• 3.1.3 蔓延增长特性
• 3.1.4 边缘抖动特性
• 3.1.5 相对稳定性
• 3.1.6 火焰的相似度
• 3.2 火灾图像的数字处理
• 3.2.1 火灾图像增强
• 3.2.2 火灾图像滤波处理
• 3.2.3 二值图像的边界链码
• 3.2.4 图像区域分割
• 3.3 人工神经网络与遗传算法
• 3.3.1 引言
• 3.3.2 人工神经网络概述与方案选择
• 3.3.3 遗传算法概述与实现方案
• 3.4 基于遗传神经网络的火灾图像识别算法设计
• 3.5 本章小结
• 4 火灾定位算法的研究
• 4.1 计算机视觉
• 4.1.1 引言
• 4.1.2 成像变换和通用摄像机模型
• 4.2 摄像机标定
• 4.3 空间定位双目成像原理
• 4.4 双目定位算法中彩色图片中火灾位置的确定
• 4.5 火灾空间定位的优化算法
• 4.5.1 使用传统双目定位算法的缺陷
• 4.5.2 改进的空间定位算法
• 4.6 本章小结
• 5 火灾探测与定位系统的设计和实现
• 5.1 系统构成
• 5.2 系统的软件总体设计
• 5.2.1 总体设计指导思想
• 5.2.2 软件的整体结构
• 5.3 软件分层设计
• 5.3.1 图像预处理层
• 5.3.2 连续帧动态特征提取层
• 5.3.3 数据融合和火灾判断层
• 5.3.4 火灾空间定位层
• 5.3.5 联动模块驱动层
• 5.4 实验测试结果
• 5.4.1 实验平台
• 5.4.2 火灾判别结果测试
• 6 总结与展望
• 致谢
• 参考文献
• 附录
• 作者在攻读硕士学位期间发表的论文目录