基于视频图像的火焰识别和背景干扰滤除算法

论文摘要

本文主要论述基于视频图像的火焰识别与背景干扰滤除算法。首先详细分析了火焰图像的特点,利用火焰图像的高亮特征,采用图像灰度化、最优阈值分割、二值化等图像预处理技术对火焰图像进行处理,将高亮的可疑区域从图像中分割出来;然后简要介绍了传统帧差法的理论基础,分析其在实际应用中的利弊,在传统帧差法的基础上,提出了一种改进的帧差法,利用改进的帧差法将图像中快速移动的高亮干扰区域准确的滤除出去;最后简单分析了圆形度的特征,利用圆形度在标准的圆形时有最小值,及图形的不规则程度越大圆形度的值越大这一性质对火焰图像中的静止高亮人为干扰进行滤除,最终将火焰区域准确识别出来。试验结果表明,文中提出的算法能有效滤除背景干扰,准确识别火焰,且计算简单、易于实现。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景
• 1.1.1 早期火灾自动探测技术的提出
• 1.1.2 传统火灾探测装置的弊端
• 1.1.3 火灾探测技术的发展方向
• 1.2 国内外研究状况
• 1.3 论文的主要工作
• 第二章 数字图像处理基础
• 2.1 数字图像技术基础
• 2.2 图像处理的几种常用技术
• 2.2.1 图像分割
• 2.2.2 灰度阈值化技术
• 2.2.3 图像二值化
• 第三章 火焰可疑区域提取
• 3.1 火焰图像的基本特征
• 3.2 彩色图像和灰度图像的转换
• 3.2.1 rgb及灰度格式简介
• 3.2.2 rgb格式到灰度图的转换
• 3.3 大津法分割出可疑区域
• 3.3.1 大津法简介
• 3.3.2 用大津法对灰度图的分割
• 3.4 试验结果及分析
• 第四章 快速移动干扰滤除
• 4.1 传统帧差法基本理论
• 4.1.1 差分图像分析
• 4.1.2 帧差法基本原理
• 4.2 改进的帧差法
• 4.3 试验结果及分析
• 第五章 火焰的最终识别
• 5.1 区域标记
• 5.2 圆形度基本理论
• 5.2.1 圆形度的基本概念
• 5.2.2 圆形度的计算
• 5.3 火焰的最终识别
• 5.4 试验结果及分析
• 第六章 总结与展望
• 致谢
• 参考文献
• 作者在读研期间参加的科研和发表的论文