野
外早期火灾图像识别方法研究1 红外图像的获取和预处理 图像获取
1.1
火灾早期出现的阴燃、火羽流以及火焰产生的红外辐射主要集中在950～2000nm 这一波段 ,故系统采用带红外滤镜的 CCD摄像机。它只允许波长大于[3]850nm 的波通过,可将可见光完全滤除掉 。由 CCD摄像头获得的视频信号经由视频卡转换成数字图像序列,再经处理最终得到BMP 格式的图像序列。
1.2 图像预处理
图像预处理过程如图 1 所示。在实际情况中,大部分时间是处于无疑似火灾的状态,因此,可以先进行有无异常情况的判断。本系统采用差影变换,来检测[4]两幅图像的状态是否有改变。运算公式为
ΔPi ( x , y) = Pi ( x , y) - Pi- 1 ( x , y) (1)Pi ( x ,y) 为待处理的图像, Pi- 1 ( x , y) 为保存上次判断为安全的图像,以后的图像均与其做差影变换,以判断是否有异常。设定阈值ε,当| ΔPi ( x , y) | < ε时,系统提示“图像无明显变化,不存在疑似信息!”,此时不需进行下面复杂的计算,大大减少了计算量。当|ΔPi ( x , y) | ≥ε时,系统提示“存在疑似信息,继续判断是否有火灾!”。此时对疑似图像作进一步处理,以判别是否有火灾发生。
首先对存在可疑信息的图像进行阈值变换。对于灰度值小于阈值的像素值直接设置为 0; 灰度值大于
阈值的像素直接设置为255。阈值的选取采用固定阈值分割。由于火焰的灰度值大约在 200 左右,经多次
试验,将阈值定为 200。经验证此阈值可以较好地将火灾区域提取出来。
图1 红外图像预处理过程
阈值变换后得到的图像,再经边缘检测、轮廓提取、种子填充等运算,可去除一些小的干扰亮点区域。
再经区域生长最终得到分割后的图元区域。将此作为后面的图像处理、特征提取及火灾识别过程中的基本
单位。在此基础上,对火灾图像进行腐蚀、膨胀,图像平滑及中值滤波处理,去除图像中存在的一些孤立点、毛
刺点和噪声点。大部分火灾识别系统先对火灾图像进
行平滑去噪处理。文中采用先进行图元分割,可避免
大量的对背景进行处理的无用计算,使图像处理的效
率得到大大的提高。
2 火灾识别判据研究
2.1 火焰闪烁频率的研究
可燃物燃烧时产生的火焰通常是闪烁的,这种闪
烁并不是无规律的。每种可燃物都具有各自固定的闪
烁频率。经过对采集到的图像序列进行处理和分析,
由表1 得出了火焰闪烁频率分布在 3～25Hz 之间,主
要频率在7～12Hz 范围内,并且火焰闪烁频率与火焰
大小和距红外接收器件的距离无关。基于以上结论,
认为将火焰的闪烁频率作为判断火灾是否发生的判据
是完全可以的。实验数据见表1。
表1 不同火焰的测量实验
材料
木材燃烧盘直径(30cm) 油盆直径(30cm) 白炽灯
主频 频率范 主频 频率范 实际频 测量频
距离
/Hz 围/Hz /Hz 围/Hz 率/Hz 率/Hz
0.5m 10.5 3～20 9.5 5～17 30 25～33
1.5m 10.2 3～20 9.4 5～18 10 8～11
5.0m 10.2 2～25 9.6 4～20 5 4～5
2.2 火焰变化率
火焰变化是时刻变化的,时快时慢,这同火焰的种
类及环境等因素有关。有时火焰被遮挡而使系统无法
识别火焰尖峰,这时对其变化率的估计是识别火焰的
[5]
重要手段 。当具有火焰颜色物体的变化率足够高
时,且其颜色分布具有火焰特点时,可以认为这个物体
是火焰。具体算法如下:Pi 是连续n 帧图像中的第i 帧, I 表示相应像素颜
色的强度(( R + G + B)/ 3) 。
Diffs是火焰部分的全部变化,应该从中减去背景
的变化,才得到火焰的变化。此处可先对采集的图像序
列进行预处理,去除背景,得到可疑的火灾区域,再计
算其变化率 此时无须考虑背景的变化 将 ( )
, , Diff x , y
作为火灾识别的一个判据。
2.3 火焰面积蔓延增长特性
火灾发生后,火灾区会呈不断持续蔓延扩大趋势,
火灾火焰的面积呈现连续的、扩展性的增长趋势。对
应摄像头与探测到的目标面积也会逐渐增大。因此,
图像上表现为高亮度区域持续增长,同时也反映了火557
上一页 [1] [2] [3] 下一页
野外早期火灾图像识别方法研究 第2页下载如图片无法显示或论文不完整，请联系qq752018766
