基于图像处理技术的火灾检测

论文摘要

森林火灾是一种世界性的重要自然灾害,越来越受到各国政府的重视。由于森林火灾具有传播速度快、灭火和营救都比较困难等特点,所以如何有效的进行森林火灾的安全防范以及尽早发现火灾的问题就变得越来越紧迫。作为一种新型的有效的早期火灾探测技术,图像型火灾探测技术倍受人们的关注。所以进一步研究专门用于彩色图像分割的方法,并且使它具有通用性和更好的处理效果是研究人员所追求的目标。本文介绍了彩色图像处理的基础理论以及色彩空间的相关知识,将颜色特征明显的彩色火焰图像作为研究重点,从色彩空间和分割方法两方面分析讨论了彩色图像分割方法。首先对多年来彩色图像分割领域中出现的彩色空间进行了归纳和总结,指出了各类彩色空间在彩色图像分割中的特点。然后针对当前主流的彩色图像分割算法进行了分类、分析,掌握原理并指出了各类方法的优缺点。最后指出,根据分割问题的特点,选择恰当的分割方法和合适的色彩空间,设计出在YCrCb颜色模型中实现彩色火焰图像分割。然后利用HLS色彩空间的颜色相似距离来对火焰图像进一步处理。在上述研究的基础上,对采集的图像进行分类,以BP神经网络为载体,结合火灾图像的特点,进行识别判断。本文详细地分析了火灾火焰和其它一些干扰现象的颜色、纹理和形态特征,并且针对于每一种特征都提出相应的图像识别算法。通过这些算法,我们可以识别出早期火灾的火焰图像并能够区别其它的干扰现象。同时讨论了基于神经网络的火灾探测方案。首先介绍了神经网络的基本概念,随着给出了神经网络的具体结构和输入输出单元的算法及设计方案。经过大量不同条件下的实验证明,利用BP神经网络进行火灾图像的识别判断,计算简单、适应性强、处理效果好,可以抵抗常见的干扰对系统的影响,较好的实现识别系统的鲁棒性与敏锐性的统一。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 火灾探测技术的国内外研究及开发现状
• 1.2.1 目前火灾探测技术
• 1.2.2 火灾图像探测技术的提出和发展现状
• 1.3 论文研究背景、意义及主要内容
• 1.3.1 论文研究背景和意义
• 1.3.2 论文的主要研究内容
• 第二章 基于数字图像处理的火灾探测技术
• 2.1 火灾的物理特征
• 2.2 数字图像处理技术在火灾检测中的应用
• 2.2.1 图像文件的基本格式
• 2.2.2 图像中目标的分割
• 2.3 火灾图像探测技术的概述
• 2.3.1 火焰图像的获取与处理
• 2.3.2 火焰图像的模式识别
• 第三章 数字图像处理基础和彩色图像分割
• 3.1 图像处理的研究内容
• 3.2 常用的数字图像分割技术
• 3.2.1 基于阈值的分割技术
• 3.2.2 基于边缘的分割技术
• 3.2.3 基于区域特性的分割技术
• 3.2.4 基于特征空间聚类的分割技术
• 3.3 彩色图像技术基础
• 3.3.1 颜色形成的原理
• 3.3.2 图像分辨率
• 3.3.3 颜色模型简介
• 3.4 火灾图像的颜色模型
• 3.4.1 人眼的视觉特性
• 3.4.2 色彩空间的基本原理
• 3.4.3 不同的色彩空间的研究
• 3.5 火焰颜色在色彩空间上的分布
• 3.5.1 火焰在各色彩空间的颜色特征
• 3.5.2 火焰在（Cb,Cr）色彩空间的研究
• 3.6 火灾图像的彩色分割处理
• 3.6.1 基于Cr、Cb色彩空间的森林火焰图像分割方法
• 3.6.2 分割参数的确定和火焰目标的提取
• 3.6.3 颜色相似距离法去除噪点
• 3.7 本章小结
• 第四章 火灾图像识别的判据研究
• 4.1 火灾判据的提出
• 4.2 几个火灾判据的算法研究
• 4.2.1 火灾图像的尖角识别
• 4.2.2 火灾图像的形体相似度识别
• 4.2.3 火灾图像的火焰变化识别
• 4.2.4 火灾图像的一阶色矩识别
• 4.3 本章小结
• 第五章 基于神经网络火灾图像识别
• 5.1 人工神经网络和图像识别技术
• 5.1.1 神经元的基本模型
• 5.1.2 BP神经网络的结构
• 5.1.3 BP神经网络的数学表达
• 5.2 火灾图像识别系统的结构学习
• 5.2.1 神经网络的输入信号
• 5.2.2 神经网络的隐层节点数
• 5.2.3 神经网络的输出信号和样本学习
• 5.3 基于BP神经网络的火灾图像识别方法
• 5.3.1 神经网络模型的运行
• 5.3.2 BP神经网络的算法步骤
• 5.4 实验结果与分析
• 5.5 本章小结
• 第六章 总结与展望
• 参考文献
• 在学研究成果
• 致谢