毕业论文论文范文课程设计实践报告法律论文英语论文教学论文医学论文农学论文艺术论文行政论文管理论文计算机安全
您现在的位置: 毕业论文 >> 论文 >> 正文

基于图像识别算法的森林防火系统设计 第3页

更新时间:2009-9-20:  来源:毕业论文
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
设为首页 | 联系站长 | 友情链接 | 网站地图 |

copyright©751com.cn 辣文论文网 严禁转载
如果本毕业论文网损害了您的利益或者侵犯了您的权利,请及时联系,我们一定会及时改正。