火焰图像特征在火灾火焰图像识别中的运用 第2页
0 前言
图像的特征提取是对图像进行模式识别的必要前提。
通过图像处理算法,提取火灾图像中目标区域的特征,并
将这些特征进行有机的结合,进而达到判别火灾的目的。
如果要建立一个识别不同种类对象的系统,首先必须确定
应测量对象的某些特征以产生描述参数。被度量的这些
特殊的属性称为对象的特征,而所得的参数值就组成了每
个对象的特征向量。
[1]
数学形态学是由一组形态学的代数运算子组成的 。
最基本的 形态学 运算 子有: 腐蚀 ( Erosion) 、膨 胀
(Dilation) 、开(Opening)和闭(Closing) 。用这些算子及其
组合来进行图像形状和结构的分析及处理,包括图像分
割、特征抽取、边界检测、图像滤波、图像增强和恢复等方
面的工作。
1 特征提取的原则
[2]
几乎没有解析方法能够指导特征的选取 。很多情
况下凭知觉的引导列出一些可能有用的特征表,然后用特
征排序方法计算不同的特征的相对效率。利用其结果对
其进行筛选,从而选出若干较好的特征。
良好的特征应具有4 个特点:
1)可区别性:对于属于不同类别的对象来说,它们的
特征应具有明显的差异。
2)可覆性:对同类的对象,其特征值应比较相近。
3)独立性:各特征之间应彼此不相关。虽然相关性的
特征可以组合起来以减少噪声干扰,它们一般不应该作为
单独的特征使用。
4)数量少:模式识别系统的复杂度随系统的文数(特
征的个数)迅速增长。
2 形态学开运算
膨胀和腐蚀对图像的处理效果是相反的,但两种操作
并不具有互逆性。开运算正是根据腐蚀和膨胀的不可逆
[3]
性演变而来的 。灰度图像开运算的表达式与二值图像
相比具有相同的形式。结构元素 b对图像 f 作开运算处
理,可定义为 f ob,即:
f ob= ( f b)b (1)
如果是二值图像的情况,开运算是 b对 f 的简单的腐
蚀操作,接下来对腐蚀的结果再进行膨胀操作。
在实际运用中,开运算处理常用于去除较小的亮点
(相对结构元素而言) ,同时保留所有的灰度和较大的亮区
特征不变。腐蚀操作去除较小的亮的细节,同时使图像变
暗。如果再施以膨胀处理将增加图像的亮度,而不再引入
已经去除的部分。本实验在对二值图像进行形态学滤波,去掉噪声时采
用的算法是开运算,即先腐蚀,再膨胀。其原理示意图如
图1 所示。
可以看到在凸角点周围,图像的集合结构无法容纳给
定结构元素,从而凸角点被开运算删除。原图经过开运算
之后,能够去除孤立的小点、毛刺和小桥,消除小物体、平
滑较大物体的边界,同时并不明显改变其面积。
3 火灾火焰特征的提取
3.1 火焰尖角的识别
不稳定火焰本身有很多尖角,火焰边缘抖动一个明显
表现是:火焰的尖角数目呈现无规则的跳动。因此,本文
采用了基于“边缘抖动”的火灾判据———尖角判据。
对于火焰尖角来说,特征点首先应该是它的顶点,顶
点是局部的极值点。尖角的顶点可能是多个点,那就都取
为特征点。
尖角的另一个特征就是“尖”,给人的视觉效果是狭而
长,这要求尖角的体态要符合一定的标准。尖角左右两边
的夹角应该满足一定的条件。在计算机中尖角是由一个
个的点组成的,令尖角中某一行的亮点数为 f (n) ,上一行
的亮点数记为 f (n- 1) ,要求尖角狭长可以通过控制:
f (n)/ f (n- 1)
的值来实现。图2 为纸张燃烧火焰和蜡烛火焰体态比的
识别示意图。
从图中可以看出,纸张燃烧时的尖角数目较多,如果对
连续帧采集的图像分析,其尖角数目也在呈现不规则的变
化,说明了火焰的抖动性。而蜡烛火焰的 f (n)/ f (n- 1)的
值,通过图像就可以明显看出是远大于火焰尖角比值的
因此,对尖角的宽度和高度也有限制。尖角的高度应该有
一个下限。CCD在监测时往往因为这样那样的原因使图像
发生微小的变动,随机的产生一些小突起,高度一般在三个
像素点以下,这些干扰都应消除掉。
3.2 火焰圆形度计算
根据火灾火焰形状不规整和大部分干扰源(如手电
筒,白炽灯等)的形状规整程度较高的特点,将圆形度概念
作为火灾判据之一。圆形度表征了物体形状的复杂程度,
其计算公式为:
2
圆形度=周长 / (面积×4π) (2)
周长为物体的边界长度,可从边界链码中得到。垂直
的和水平的步幅为单位长度,对角步幅的长度为 2 ,两个
直角步还原成一个对角度,其步幅也是 2。按上述规则遍
历边界链码,即可算出边界长度。面积通过统计亮点数获得。圆形度对圆形物体取最小值 4π,物体形状越复杂其
值越大。
表1 火灾火焰及其他干扰情况下的尖角数目统计
序列图像 第1 帧 第2 帧 第3 帧 第4 帧 第5 帧 第6 帧
编号 图像 图像 图像 图像 图像 图像
纸张火焰 3 5 3 4 4 3
手电筒 1 1 1 2 1 1
蜡烛 1 1 1 1 1 1
白炽灯 1 1 1 2 1 1
在实验中,分别对纸张燃烧时的火焰、手电筒、蜡烛和
白炽灯采集的连续6 帧图像进行识别,其结果比较如表1。
由表1 可以看出,火灾火焰的尖角数目随着时间的推移,
呈现不规则变化的规律。而且在燃烧的前期和后期,尖角
数目变化更加剧烈。本实验采用的连续 6 帧图像从图中
可以看出,是刚开始燃烧采集的火焰,所以尖角数目相对
较少。日光灯、蜡烛等干扰物体向着摄像机方向移动,其
尖角数目基本不变。原因是干扰源在形状上基本不发生
变化,也没有像火焰一样的抖动特性,图像相对稳定,从而
尖角数目的判断比较迅速和简单。
表2 火灾火焰及其他干扰情况下的圆形度统计
序列图像 第1 帧 第2 帧 第3 帧 第4 帧 第5 帧 第6 帧
编号 图像 图像 图像 图像 图像 图像
纸张火焰 12.022 11.544 11.146 9.713 9.713 11.226
手电筒 27.547 39.650 140.764 38.933 38.376 45.302
蜡烛 3.343 3.582 3.981 3.662 3.344 3.503
白炽灯 9.713 8.996 9.395 8.360 8.599 8.280
从表2 可以看出,火焰的圆形度和其他发光干扰源都
具有相对比较统一的值,但其他干扰源的圆形度与火焰的
圆形度差别较大。另外值得说明的是,该实验中统计的纸
张火焰的圆形度并不表示在任何情况下,纸张的圆形度都
是统一的值,这是因为圆形度也会随着时间和火势的发展
而相对变化的,只能是在有限的时间内采集的连续图像,
才能表现为相对稳定的圆形度值来。而其他干扰源的圆
形则不会呈现这个规律。
表3 连续6 帧图像的识别结果
实验材料 纸张 蜡烛 手电筒 白炽灯
是否报警 是 否 否 否
是否会误报 否 否 否 否
从表3 给出了四种燃烧物质的图像识别结果,从中可
以看出,采用的算法是比较成功的,可以将蜡烛或者手电
筒晃动并向前移动的复杂情况识别出来,表明了系统有很
高的准确性和可靠性。
上一页 [1] [2]
火焰图像特征在火灾火焰图像识别中的运用 第2页下载如图片无法显示或论文不完整，请联系qq752018766
