基于提升小波的图像型火灾检测技术 第13页
表4.10火灾火焰66刃1帧的面积、尖角相似度特性
相相邻帧组别别67~688868一699969~700070~711171~7222平均值值综合判别别
面面积占夕夕1588831.755510.8755537.5557.6255549.1555有火灾灾
尖尖角ooo2888l99933334OOOl000266666
相相似度杏杏0.7064440.7195550.7348880.7082220.7519990.72422222
表4.8中9一14帧图像以纸为燃烧物，纸、背景柜面亮度值与火焰亮度值较相
近，拍摄时室内光线也较强，纸燃烧火焰很小，存在漏报现象;表4.9中30一35帧
图像随着火焰面积的增大，尖角数也在增加，但相似度变化不稳定，存在部分不
能识别的现象，视频中53帧(2.125)以后，火焰面积呈现不断增大的趋势，火焰
尖角的尖角数目呈现不规则变化，火灾现场的相邻帧图像的相似度变化范围较小，
用综合判据均能识别是否有火灾发生。同时在实验中对传统边缘提取算子也加噪
处理，Sobel、RobertS、Prewitt算法鲁棒性差，并用于火灾的判别，加噪后提取的
边缘信息丢失信息较多，定位精度不高，尖角数目变化较小，易发生漏报误报现
象，应用本文算法也存在漏报误报现象，当可有效地降低此类现象，鲁棒性较强。
4.7本章小结
本章提出了一种基于提升小波变换的火灾图像识别算法，并详细阐述了该算
法的实现过程。获取到火灾图像的边缘信息后建立火灾火焰面积增长判据、尖角
增长判据及火焰图像的形状相似特性判据，组成多判据火灾识别，可有效地减少
误报漏报。本章最后通过大量的仿真实验验证了基于提升小波变换的图像型火灾
图像识别技术实时性强，应用范围广，大大提高了火灾判断的可靠性及准确性。
西安建筑科技大学硕士学位论文
5结论
本文介绍了火灾探测原理、方法，分析了火灾特征信息，提出了一种基于提
升小波变换的图像型火灾检测方法。该方法首先提取实时采集的视频中相邻帧图
像，将RGB帧图像转换为灰度图像，经过图像预处理和图像阑值分割，将研究目
标从背景中分离出来，分割后的图像采用本文提出的基于提升小波变换的边缘检
测算法，获取图像的边缘信息，结合火灾图像的特征信息，构造火焰的面积判据、
尖角判据和形状相似特性判据，并通过综合判别，识别出早期火灾火焰图像。文
章的最后通过大量的仿真实验，对比分析传统图像边缘检测算法和此算法的优缺
点、加噪前后不同阶段相邻帧图像的火灾火焰识别误差大小，以此验证了基于提
升小波变换的火灾图像识别方法准确性高、实时性强、鲁棒性强。
本文将数字图像处理技术和提升小波变换理论引入到火灾的智能识别中，解
决了传统型火灾探测技术在开放空间易发生误报漏报的缺陷，提高了早期火灾的
预警能力，优化了火灾的实时探测方法。基于提升小波变换的火灾图像识别算法
存储空间小、速度快，非常适用于火灾的实时探测。
图像型火灾探测技术还处于发展期，许多国内外的学者都进行了广泛的研究，
但它的理论基础和现实技术仍然还不够完善。在本论文中，虽然取得了一些成果，
但仍存在着不足。还需在以下方面做进一步的研究:
(l)一针对火焰图像的分割算法，如何达到既能高效、快速地检测出火焰区域，
又能有效的降低噪声，排除其他物体的干扰，还需在分割算法方面做进一步的研
究。
(2)考虑到如何将对火灾火焰的识别和对烟气的识别有机的结合起来，使其
相辅相成，以及如何更加准确地识别出火灾火焰和烟气，并能够区别出更多的干
扰现象仍然是需要深入研究的问题。
(3)本文是通过火灾图像中火焰的形态特征，对火灾区域进行识别，在后续
的识别方法方面，可以考虑从神经网络分类器这个方向入手，提取火焰的更多的
其他特征，结合有效的分类指标完善分类技术，以期获得具有人工智能的专家诊
断系统。
(4)搭建性能良好、误报率低、实时性好的视频监控的图像型火灾探测系统
以及搭建的系统如何移植到硬件平台上，也是需要研究和开发的。
(5)对于不同的火灾特征信息形成不同的判据，在多重判据下，如何实现人
工智能化，解决现有的国外视频火灾探测技术判据单一、智能化程度不高的缺点，
这也需要性价比高的算法的支持，此算法的实现，还需要进一步的研究;
基于视频监控系统的图像型火灾探测技术的研究成果，可以首先应用于图书
48
西安建筑科技大学硕士学位论文
馆、博物馆、展览厅、机场等视频监控系统己经比较完善的建筑中。相信随着视
频监控系统的不断普及以及人们对防火意识的不断增强，该技术会有非常广阔的
应用前景。
<< 上一页 [11] [12] [13]
基于提升小波的图像型火灾检测技术 第13页下载如图片无法显示或论文不完整，请联系qq752018766
