基于图像特征的早期火灾探测技术的研究

论文摘要

随着城市化进程的不断加快和城市人口的急剧增加,大空间建筑和高层建筑越来越多。此类建筑内部结构复杂、人员密集,一旦发生火灾具有蔓延速度快、人员疏散困难及扑救难度大等特点,因此有效地提高大空间建筑火灾的安全防范措施以及尽早发现和控制火灾就变得至关重要。图像型火灾探测技术集合了图像视觉的优点和计算机语言的高速运算性,是一种新型、有效的早期火灾探测技术。该技术能够及时、准确地探测大空间火灾,因而备受科研工作者和工程技术人员的关注。本文对火灾图像的信息分割、特征提取及辨识等图像型火灾探测关键技术进行了研究。在火灾图像分割方面,根据烟气和火焰各自的特点及其确定性和随机性规律的分析,提出了分别由最优阈值法获得烟气分割阈值及现场实验获得火焰分割阈值的方法,进而通过背景差分法分别分割出烟气和火焰信息。实验结果表明此方法具有较好的分割精度和速度。在烟气图像特征提取方面,利用小波包多分辨分析和灰度共生矩阵的二次统计方法,创新性地对烟气纹理特征进行了分析和提取,并设计了四种烟气纹理特征向量组合方式。辨识结果表明,由原始图像和能量最大小波包节点的灰度共生矩阵二次统计量所构成的特征向量矩阵具有最高的烟气辨识正确率。在火焰图像特征提取方面,分析和量化了火灾早期火焰的面积增长规律、边缘抖动规律和质心不变规律,并编制了相应的特征提取程序。针对烟气和火焰图像特征,分别设计了烟气辨识和火焰辨识神经网络模型,对神经网络模型仿真训练以及实验验证的结果表明,该神经网络模型能够对烟气和火焰进行有效的识别。最后通过综合分析了烟气和火焰辨识网络模型的输出值,给出了两者相结合的火灾辨识方法,从而有效的提高了火灾的辨识准确率和稳定性。

论文目录

• 目录
• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 论文研究的背景
• 1.2.1 火灾过程
• 1.2.2 火灾图像探测技术的意义
• 1.2.3 早期火灾图像特征
• 1.3 火灾探测技术的国内外研究综述
• 1.4 论文主要研究内容
• 第2章 火灾图像特征的分割
• 2.1 引言
• 2.2 运动目标检测与提取技术
• 2.2.1 常用运动目标检测与提取方法
• 2.2.2 时间差分法
• 2.2.3 背景差分法
• 2.3 烟气和火焰图像特征的分割
• 2.3.1 图像的滤波处理
• 2.3.2 背景更新策略
• 2.3.3 烟气和火焰分割阈值的获取
• 2.3.4 目标图像的形态学处理
• 2.3.5 火灾图像特征分割流程
• 2.4 火灾图像特征分割实验
• 2.4.1 烟气目标分割实验
• 2.4.2 火焰目标分割实验
• 2.4.3 实验结果分析
• 2.5 本章小结
• 第3章 早期火灾图像特征的分析与提取
• 3.1 引言
• 3.2 烟气纹理特征的分析与提取
• 3.2.1 纹理概念的表述
• 3.2.2 烟气图像特征和纹理特征的同一性
• 3.2.3 多分辨分析和共生矩阵结合的烟气纹理分析与提取
• 3.2.4 小波纹理分析基本理论框架
• 3.2.5 基于小波包的烟气纹理分解
• 3.2.6 基于灰度共生矩阵的烟气纹理特征二次统计
• 3.2.7 小波包与共生矩阵相结合的烟气特征提取策略
• 3.3 早期火焰形态特征的分析与提取
• 3.3.1 火焰面积增长规律
• 3.3.2 火焰边缘变化规律
• 3.3.3 火焰形状变化规律
• 3.3.4 火焰形态特征提取实验
• 3.4 本章小结
• 第4章 基于神经网络的早期火灾图像特征识别
• 4.1 引言
• 4.2 火灾图像特征的神经网络识别方法
• 4.2.1 神经元数目的确定
• 4.2.2 神经网络结构
• 4.3 基于 BP神经网络的火灾图像特征识别
• 4.3.1 火灾图像特征识别系统仿真训练
• 4.3.2 火灾图像特征识别系统的实验验证
• 4.4 基于 BP神经网络的火灾综合辨识方法
• 4.5 本章小结
• 结论与展望
• 参考文献
• 攻读学位期间所发表的学术论文
• 致谢