基于图像识别算法的森林防火系统设计 第3页
图像较之参考图像会变得模糊, 相应图像的边缘值、小波系
数值减少。因此, 可通过判断监测图像中物体边缘的小波系
数值是否减少判断是否存在烟雾。图像小波边缘能量值为
2 2 2
w(x, y)= H(x, y) + V(x, y) + D(x, y) (2)
当前图像与参考图像能量差值为
Δwn= wn(x, y)-w0(x, y) (3)
式中,w0(x, y)为参考图像 f0(x, y)的小波边缘能量值,Δwn 反映
了当前时刻图像边缘信息的减少量, 当图像边缘信息的减少
H
V D
图 4 小波变换
Fig. 4 Wavelet transform
3.3 火焰图像提取
由于火焰的颜色相对林区的背景有一定差异, 因此在进
行火焰提取时, 可采取基于火焰颜色特征的提取(图 6, 图 7)。
尽管不同燃烧情况下的火焰会呈现暗红色、红色、橙色、黄
色、白色、蓝色等不同的颜色, 但它常常显示由红过渡到黄的
[7]
颜色 。火焰的色彩特征可规则描述为
RGB空间: R≥G≥B (4)
HSI 空间: 0°≤H≤60°, 0.2≤S≤1, 100≤I≤255 (5)
量大于某一阈值 w1 时, 判定发生烟雾。在实际情况中, 浓雾天
气和其他视频模糊情况可引起边缘信息的大量减少, 因此还
需设定 w2 作为阈值的上限。通过对实地拍摄的浓雾和雨雪天
气的图片进行小波边缘信息量计算, 可得出阈值的上限 w2。
当系统判断 Δfi(x, y)≥T 疑似火灾时, 可作进一步判断:
Δwn<w1 时, 无明显烟雾, 进行火焰检测;w1≤Δwn≤w2 时, 有明
显烟雾, 进行烟雾检测;Δwn>w2 时, 浓雾或其他情况引起的视
频模糊。
HH
VV DD
图 5 去除低频分量再取绝对值
Fig. 5 After removing low-frequency
components and taking absolute value
其中, H 的取值范围为 0°~360°, S 的取值范围为 0~1, I 的
取值范围为 0~255。像素点的 RGB值与 HSI 值同时满足以上
条件, 则判定为火焰像素。
3.4 烟雾图像提取
烟雾在颜色空间中同样具有颜色特征, 但其颜色与背景
反差较小, 因此将背景中的非烟雾区域判定为烟雾区域的概
率也较大。针对这一特征, 对烟雾的图像提取(图 8, 图 9), 使
用 RGB彩色向量进行颜色聚类算法的分割。通过确定小波系数变化范围最大的区域, 在此区域内选
取一组彩色样本点, 获得一个“平均”的颜色估计。然后根据
这个颜色估计对图像中的每一个 RGB像素进行分类, 判断每
一个像素是否与样本相似。这就需要一个相似性度量。本研
究 中 采 用 的 聚 类 算 法 的 相 似 性 度 量 的 距 离 取 自 马 氏
(Mahalanobis)距离, 试验中在样本点周围区域取点, 取点的轨
迹可描述为一个实心三文椭球体, 椭球体主轴取在最大的数
据扩展方向上。试验证明, 在扩展三文彩色数据时, 使用椭球
会比使用圆球匹配得更好, 分割效果更佳。
3.5 火焰和烟雾的特征检测
对于提取出的烟雾区域和火焰区域, 由于背景中一些类似
于烟雾和火焰颜色的物体也可能被检测出来, 因此需要进一步
确定其是否具有烟雾和火焰的特性。这里包括烟雾的不规则性
检测、扩散性检测,以及火焰时间强度、空间强度的变化。
3.5.1 烟雾的不规则性
由于烟雾在空气中呈现出不规则的形状, 利用此性质可
[8]
排除背景中具有烟雾颜色特性但形状规则的干扰物体 。烟
雾的不规则形状会随着空气的流动发生改变, 因此要对形状
进行测量非常困难, 在这里采用圆形度来表征其形状的复杂
程度。圆形度定义为
2
C=L/(4πS) (6)
式中, L为周长, S为面积。圆形度对圆形物体取最小值 1, 物
体形状越复杂, 其值越大。
3.5.2 烟雾的扩散性
由于烟雾量会增大并在空气中不断扩散, 根据其扩散性
进行判断, 可排除静止对象引起的误报警。在数字图像处理
中, 面积通常用像素数量表示, 时间间隔用间隔的帧数表示。
因此, 可以计算连续 n 帧内被提取出来的可能烟雾区域的面
积增长率。烟雾面积增长率通常在一定范围 S1~S2 内,S1 与 S2
的取值可根据在特定的森林观测环境下的实验资料确定。
3.5.3 火焰的时间强度变化参数
火焰的闪烁会使得在一定时间范围内获取的图像序列
前后帧之间存在较大的强度差异。如果是具有火焰颜色的其
他物体, 其存在闪烁特性的机率较小。利用这一特点, 可计算
一定时间内每个可能火焰像素的强度变化。火焰的时间强度
变化参数(连续 n 帧)定义为式中,Ii(P)表示图像序列中第 i 帧图像在 P 点的像素强度值。
针对火焰这种特定的物理现象, 可设定一个阈值来断定是否
继续成为可能火焰。通过计算不同情况下拍摄的火焰视频的
强度变化参数, 即可得出参考阈值。
3.5.4 火焰的空间强度变化参数
火焰区域内存在强度的不均匀性, 火焰区域中有的地方
比较亮, 而有的地方比较暗, 这就形成了火焰强度的空间性。
通过本步骤可排除具有火焰颜色但不具备火焰强度空间性的区域。计算火焰区域空间强度平均值式中,I(Pj)表示某火焰像素点 Pj 的强度值。根据实验结果设定
一个阈值, 判断提取出来的可能火焰区域是否具有火焰强度
空间性特征。
上一页 [1] [2] [3]
基于图像识别算法的森林防火系统设计 第3页下载如图片无法显示或论文不完整，请联系qq752018766
