基于提升小波的图像型火灾检测技术 第10页
针对火焰图像噪声较多的特点，本文采用一种图像闭值分割与边缘检测相结
合的方法。图像分割就是把图像中具有特殊涵义的不同区域分割开来，这些区域
是不相交的，而且每一个区域都满足特定区域的一致性，最常用的分割方法就是
闺值分割法。火焰图像的目标与背景差别明显，首先采用闭值分割法去除噪声，
将目标从背景中分离出来。采用闭值迭代算法找到理想的分割闭值，闭值迭代算
法等同于数学上的逐步逼近和迭代。每一幅图像都存在一个最佳的闽值，也就是
本文选取阂值的理想值，设为T。首先根据某种规则得到图像的一个闭值t，然后
不断地修正t直到它无限趋近于T，具体步骤如下:
(l)求出图像的最大灰度值和最小灰度值，分别记为zm。和孔。，令初始闭
值t二(凡ax+几i。)/2;
(2)根据阂值t将图像分割为前景和背景，分别求出两者的平均灰度值几和
几;
(3)求出新闭值t。=(几+几)/2;
(4)若to不等于t，则把t。的值赋给t转到步骤(2)，循环迭代计算。
直到t等于to，则迭代结束，所得t即为预先假定的最佳闽值严]。设原图像
为f(x，y)，则阂值分割后的图像f(x，力定义为:
f(x，力>T
f(x，y)兰T(4一2)
，.且nU尹lse少、seL
、、2.
y，X
/‘.、、
g
4.4基于提升小波的火灾图像边缘检测
图像的边缘就是图像灰度函数的奇异点和突变点，也就是图像灰度发生急剧
变化的区域。边缘广泛存在于物体与背景、物体与物体、基元与基元之间，因此
它是图像分割所依赖的重要特征。火灾图像经过图像预处理和分割，仍存在噪声
和干扰，如何既能滤除噪声又能高效的提取图像中火灾边缘是一个重要的研究课
题。针对这一问题，本节提出了基于提升小波的火灾图像边缘检测算法。该算法
运用提升小波变换，选取合适的小波基和变换尺度，既可有效地抑制噪声的干扰，
又能提取图像中火焰边缘。
4，4.11」、波的选取
1.小波选取原则
在火灾图像的边缘检测中，对所选用小波的要求是:计算省时，即小波滤波
器要有尽可能小的支撑;定位准确。故以小波的自身特性:对称性、收敛性、平
滑性和小波消失矩为依据来选取小波。
西安建筑科技大学硕士学位论文
实际获取的图像，由于各种各样的原因，噪声是不可避免的，图像的细节部
分表现噪声和突变信号，图像的边缘表现为两个强度明显不同区域的过渡，边缘
点对应于一阶微分幅度大的点，也对应二阶微分的零交叉点。采用小波提升变换
来提取边缘是可行的，但小波的选取有一定的限制，其选取原则为[45]:
(l)所选用的小波满足容许性条件;
(2)小波有良好的对称性;
(3)目标边缘的类型决定小波消失矩的下限;
(4)小波消失矩的上限根据实际检测目的而定。若对实时性和对定位精度要
求高时，则要选则合适的消失矩;
(5)小波有良好的收敛性，即收敛速度尽可能最快;
(6)可在满足实时性的前提下，选取的小波应尺量光滑，保证小波能快速衰
减，减小截断误差。
原则(I)小波在应用中必须满足的条件;原则(2)能保证在截断误差一定
的条件下，滤波器有最小支撑，边缘精度最高，定位最精确;原则(3)保证能检
测出所需要的边缘;原则(4)(5)(6)能保证在支撑一定的条件下，小波滤波器
有小的截断误差。
2.小波的选取
取Haar、Db、Bior及Sym小波，选取的小波特性见表4.1。对选取的小波做
提升小波变换并记录提升变换的时间①(见表4.1)。
表4.1小波的特性对比根据火灾图像的实时性、准确性以及小波的选取原则，选择biors.5小波[46]。
该小波无正交性，可有效避免因相位失真引起的图像边缘失真，小波消失矩可依
据火灾图像而定，具有良好的对称性，通过多次测试，提升变换时间较短。
噪声和边缘在不同尺度下的传播特性，伴随尺度的增加，噪声的模极大值快
速衰减，但边缘模极大值不会快速衰减，因此选择合适的尺度，可有效地抑制噪
①实验用笔记本电脑基本配置为:intel。pu:2.，OG;内存:512M+256M;显存:32M
3]
西安建筑科技大学硕士学位论文
声的干扰，在本文中选取尺度为2。
4.4.2提升小波变换
j矛、、.了-4-3乙4J.
小波的提升处理中预测算子和更新算子:设分割后的火灾图像为f(t)，且令其采样间隔△I=1，该信号序列为
凡={人*一f(^)l“。Z}。在信号电一般近距离两点的相关吐要强于远距离两点的
相关性，所以采用3.1.2节所述的分割方法可获得两个子序列凡，和大，，且取值为:2(4一6)
分割得到的两个子序列具有强相关性，预测误差会非常的小，尤其是在线性
的情况下，预测误差为0。这里称细节部分大，为小波系数，图4.2为其示意图。
图4.2用两侧点的均值作为预测
为了保持序列凡，的统计量与原始序列相同，使用前面得到的小波系数凡，，*来
更新凡】，*:这样就完成了双正交biors.5小波的提升分解，图4.3为分解示意图。
图4.3提升小波分解示意图
火灾图像通过由双正交biors.5小波构造的提升方案，分解后的逼近信号中保
留了原始信号的极值。在原始信号变化缓慢的位置，细节信号的取值会接近于零，
而当原始数值突变时，细节信号会产生局部极值点。
4.4.3图像融合
基于提升小波分解后的图像，参照文献[47][48〕中的闭值选取方法对分解得到的
细节图像幅值设定闽值T(见式4一l)。
这里T以各方向对应的边缘图垂直(水平、对角)方向像素点数量构成。调
节闭值T，将垂直(水平、对角)方向得到的行(或列)的细节系数与设定阂值比
较，大于T则为边缘点，小于T判断为非边缘点，以此来确定图像在该尺度下垂
直(水平、对角)方向的边缘点，进而得到三个方向上对应的边缘图像。提取到
不同尺度下三个方向的边缘图像后，将各尺度边缘图像的结果融合，发挥各尺度
优势，得到精确的边缘。
4.5火灾火焰的图像判别
4.5.1火焰面积增长判据
早期火焰的影像面积连续增大，并满足一定的函数关系。假设对视频帧图像
采集周期为T，本文通过分别计算运用提升小波获取的相邻两帧图像边缘内的像素
值，来确定火焰面积，采取减法运算，来检测两帧图像的状态是否有变化[491。公
式如下:其中尽，，(x，力为后一帧图像边缘面积值，尽(x，力为前一帧图像边缘面积值。
如果城(x，力=O，说明两帧图像边缘面积之间没有变化，即火焰面积没有发生变
化，则无需对同一采样周期T内剩余帧图像进行处理，可以减少运算时间。当
城(x，力笋0时，说明火焰面积有变化，则再取同一采样周期T内相邻两帧图像作
33
西安建筑科技大学硕士学位论文
比较，如果连续儿组帧图像两两比较的结果都大于O，说明亮点数一直在增加，也
就是火焰的面积一直在增加，由此可以判断有可能发生了火灾。
在构建火焰面积增长判据时，设火焰面积标示值为Is，当战(x，力二o时，Is二O，
当城(x，夕)笋o时，Is=l。
但火焰面积增长判据存在明显的缺陷:当其它高温物体向着摄像头移动或者
是从视野处移入时，其面积也会连续增大，这样极容易造成干扰，致使系统产生
误报警。因此，面积判据需要配合其它图像特性构建的判据使用。
4.5.2火焰的尖角增长判据
边缘抖动是早期火灾火焰的重要特征，它与面积判据联合工作，就可以克服
面积判据的不足，使火灾监控更加准确可靠。
火焰边缘抖动一个明显的表现是:火焰的尖角数目呈现无规则的跳动，而高
温物体的尖角数基本不变。火焰的尖角数是通过帧图像的边缘来获取，实现尖角
判据的核心问题是:尖角的识别以及如何确定尖角跳变的闭值，即找出早期火灾
火焰与其它发光物体尖角跳动特性的区别[50]。
对火焰尖角，特征点首先应该是它的顶点，顶点是局部的极值点;尖角的另
一个特征就是“尖”，尖角左右两边的夹角应满足一定的条件。计算机中尖角是由
一个个的点组成，令尖角中某一行的亮点数为f(。)，上一行的亮点数记为f(。一l)，
要求尖角狭长可以通过控制f(。)/f(。一1)的值来实现。对尖角的宽度设置上限，尖
角的高度设定下限，避免重复计数，高度一般在三个像素以上。
为了得出具体的阂值，在实验中通过第i帧计算得到的尖角数为人，则在连续
取几组图像后，尖角数目的表达式为:对于早期火灾火焰。=17，而通常白炽灯和蜡烛等干扰现象。分别为1，2，因
此可确定闭值为8，可减低系统的误报率，提高报警的可靠性和准确性。这里设尖
角判据标示值为Ia，当。全8时，Ia=l，否则Ia=O。
4.5.3火焰图像的形状相似特性判据
图像的相似性描绘通常要借助与己知描绘子的相似程度来进行，这种方法可
以在任何复杂的程度上建立相应的相似性测度。它可以比较两个简单的像素，也
可以比较两个或两个以上的景物。
图像相似性通常包括距离测度、相关性和结构相似性。一般来说，结构相似
性难以实现公式化，可以用作相似测度的典型结构描述子包括线段的长度、线段
之间的角度、亮度特性、区域的面积、在一幅图像中一个区域相对于另外一个区
域的位置等等。
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >>
基于提升小波的图像型火灾检测技术 第10页下载如图片无法显示或论文不完整，请联系qq752018766
