【正文】 法。由此可見，閾值分割算法主要有兩個步驟：(1) 確定需要的分割閾值；(2) 將分割閾值與像素值比較以劃分像素。(3) 動態(tài)閾值 根據、和來選取，所得的閾值是與坐標相關的。而且，無論是合并還是分裂，都能夠將分割深入到像素，因此可以保證較高的分割精度[31]。 特征空間聚類法圖像分割根據特征進行模式分類是指根據提取的特征值將一組目標劃分到各類中的技術。實際的圖像分割中，人們不可能具備任何關于模式的先驗知識，既不知道它的分布，也不知道它該分成多少類，當然更不知道各類的參數。圖像優(yōu)化處理的工作主要是對圖像作幾何校正，包括對圖像位置的標準化和對大小的正規(guī)化，例如使圖像根據處理的要求旋轉、放大、縮小等，也包括對圖像內容進行各種細微的處理，如消除噪聲、校正失真、去掉圖像中模糊的成分，恢復圖像的原來面貌，把圖像變成人眼容易觀察機器容易處理的圖像，還包括對圖像的平滑、細節(jié)的銳化、邊緣的增強處理等操作。中值濾波是基于次序統(tǒng)計完成信號恢復的一種典型非線性濾波器，其基本原理是將數字圖像中一點的值用該點的一個鄰域中各點值的中值代替。但是對于一些細節(jié)多，特別是點、線、尖頂細節(jié)多的圖像不宜采用中值濾波。 本章小結本章討論了數字圖像處理的基本知識。 實時背景差分背景圖像差分法是傳統(tǒng)目標檢測方法中最直接、最簡單的一種方法。 (31)F0為背景圖像，系統(tǒng)平常的大多情況屬無火災狀態(tài)，只需作差值運算粗略判斷有地異常情況，若有異常情況即時，系統(tǒng)會再作進一步的判斷。當比和的距離在某一特定的范圍內，就可以認為它們“相等”。事實證明，通過圖像直方圖修改進行圖像增強是一種有效的方法。和的發(fā)生概率和由式(37)得， (37)(4) 計算類和的灰度均值和，方差和可分別由式(38)和(39)計算得出， (38), (39)其中t=0,1,…,L1 a) 原圖像 b) 閾值法分割出的火焰區(qū)域 c) 閾值法分割結果圖33 不同場景下最大類間方差閾值法分割結果(5) 計算類間方差 (310)對于類間方差來說，和可以分別代表背景和目標的中心灰度，要使目標和背景得到最好的分割，當然希望兩者的差值盡量大，及或盡量大，從而類間方差的值越大。如果考慮把圖像分成K組，那么分割標記段，可以是每個像素上K個值中的一個，如 l=1,2,…,k 。通常收斂于性能指標J的局部最小值的K個平均值算法，由下列步驟給出：(1) 任意選出K個聚類初始平均值。 a) 原圖像 b) 閾值法分割出的火焰區(qū)域 c) 閾值法分割結果 d) R，G，B直方圖 e) 聚類法分割出的火焰區(qū)域 f) 聚類法的分割結果圖34 閾值法與聚類法分割結果比較當背景稍微復雜或有微弱光線時，閾值法的分割結果就不理想了，如圖34 c)的閾值法分割出的火焰還包含了大量的背景，因此在這種情況下采用RGB空間中的歐式聚類的方法分割，分割結果如圖34 f)所示，雖然分割出的火焰中含有少量背景，但對下一步的判斷影響不大，因此無需進一步的去除。S 的取值范圍為0~1，I 的取值范圍為0~255。與火焰的顏色提取相同，煙霧分割同樣采用中值濾波去噪。 煙霧分割 顏色提取法顏色是煙霧的圖像信息特征之一，煙霧通常具有幾種特定的顏色，通過顏色檢測能夠將圖像中具有煙霧顏色的區(qū)域提取出來[39]。盡管不同燃燒情況下的火焰會呈現(xiàn)不同的顏色，但它常常顯示由紅過渡到黃的顏色[38]。(3) 修改聚類平均值， l=1,2,…,k，把它改成所有采樣的采樣平均值。 由于聚類的平均值最初也是未知的，因此，這個過程可以用一個迭代過程來完成，即所謂的K個平均值算法。在夜間，背景單一，火焰與背景區(qū)別較明顯，因此采用傳統(tǒng)的灰度閾值法就可以得到理想的效果。若原圖像f(x,y)在像素點(x,y)處的灰度為，則直方圖均化后的圖像g(x,y)在點(x,y)處的灰度為： (35)圖32 a)是產生火焰的圖31 a)的直方圖均化，并且由圖31 b)和圖32 b)的直方圖可以看出，在直方圖調整之前，低灰度的比例很大，經過直方圖均化后，各灰度等級的比例更加平衡。直方圖雖然不能直接反映出圖像內容，但對它進行分析可以得出圖像的一些有用特征，這些特征能反映出圖像的特點。用像素點周圍的其他像素點的特征來表征該像素的特征，有很多優(yōu)勢，它可以減少噪聲的干擾。具體采用方法是將兩圖進行差值運算，然后再來觀察圖像灰度是否發(fā)生變化，也就是當前圖像的灰度與參考圖像的背景灰度不同，為了清除背景灰度變化對圖像判別帶來的干擾，首先對背景圖像進行動態(tài)調整，及時更新背景圖像，減少背景圖像與當前圖像灰度的變化。由于問題的重要性和困難性，從七十年代起圖像分割問題就吸引了很多研究人員為之付出了巨大的努力，但到目前為止還不存在一個通用的方法，也不存在一個判斷分割是否成功的客觀標準。因而常常采用十字形中值濾波。中值濾波的概念很容易推廣到二維，此時可以利用某種形式的二維窗口。圖24所示的是一個 33 的鄰域：圖24 像素 f (x, y)及其 8 鄰域像素圖24中 f (x, y)表示(x,y)點的實際灰度，其鄰域平均方法可用下式表示： (23)式(23)中，為點灰度值， 稱為門限，它可以根據對誤差容許的程度，選為圖像灰度方差的若干倍，即 ，也可以用實驗的方法，選為總灰度級的一個百分數，即： (24)L 為總灰度級數，A 為大于零的正數。彩色圖像和多(高)光譜圖像可以認為是由高維特征描述的圖像，同樣可以使用基于特征空間聚類法的分割技術。除像素灰度外，其他圖像特征也可用于聚類。然而，種子點的選擇并不容易，有人試圖通過邊緣檢測來確定種子點，但由于邊緣檢測算法本身的不足，并不能避免遺漏重要的種子點?；叶戎狈綀D是灰度級的像素數與灰度的二維關系，它反映了一幅圖像上灰度分布的統(tǒng)計特性。閾值選取一般可寫成式(22)的形式。如果一幅圖像滿足這些條件，它的灰度直方圖基本上可看作是由分別對應目標和背景的兩個單峰直方圖混合而成。另外它常產生雙像素寬的邊緣，且也不能提供邊緣方向的信息。它們都用兩個33模板，具體形式如圖22所示。圖像剖面一階導數二階導數a) b) c) d)圖21 邊緣和導數示例由圖21可見，圖像中目標的邊界可通過求取它們的導數來確定。圖像中像素灰度值不連續(xù)造成兩個具有不同灰度值的相鄰區(qū)域之間存在灰度邊緣。 圖像分割理論基礎圖像分割是數字圖像分析中的重要環(huán)節(jié)，在整個研究中起著承前啟后的作用，它既是對所有圖像預處理效果的一個檢驗，也是后續(xù)進行圖像分析與解譯的基礎[28]。 論文的結構安排本文第1章介紹了課題的來源、目的和意義，并對目前國內外的森林防火系統(tǒng)及其中的關鍵技術做了綜述，最后闡述了圖像型火災檢測技術的提出以及目前的研究和應用情況；第2章介紹了本文研究的理論基礎，對經典的圖像分割和濾波算法進行了詳細的介紹，包括邊緣提取、閾值分割等；第3章首先介紹了分割前的預處理，即實時背景差分和圖像的增強。本論文主要研究內容如下：第一，研究了火災發(fā)生的條件、環(huán)境及發(fā)生時的情況。但發(fā)展十分迅速，現(xiàn)在已經基本達到國際先進水平。文獻18闡述了火災圖像探測的基本原理，并且提出了提取早期火災火焰輻射持性、形體變化特性的幾種新方法[18]。在擴散過程中，氣體分子從密度較大的區(qū)域移向密度較小的區(qū)域，經過一段時間的運動，密度分布趨向均勻?；馂幕鹧婢哂休^多的特性，需要從中找出適合火災識別的并且處理速度較快的方法?；鹧嬖谌紵^程中會按某種頻率閃爍。因此，面積判據需要配合其他圖像特性一起使用。目前已提出的火災識別判據中，主要是對火焰的識別[14]。而波長小于400nm的電磁波被稱為紫外線，波長大于750nm的電磁波被稱為紅外線。當檢測到火災發(fā)生時，根據計算機視覺原理知識，通過攝像頭所獲取的紅外圖像和彩色圖像來判斷火災的發(fā)生，從而實現(xiàn)智能監(jiān)控[11]。由控制地面站接受飛機上的電腦資料，然后傳給滅火指揮部和前方滅火營地。復合型火災探測器并沒有完全消除以上的缺點，僅僅增加了判據的數目，使探頭的整體性能稍有改善，但仍無法應用于大空間或自然環(huán)境的火災的探測報警。傳統(tǒng)火災探測方法中最常用的有感煙探測、感溫探測和復合型探測。本系統(tǒng)利用塔上現(xiàn)有裝備即短波無線電臺，在塔上搭建遠程圖像捕捉系統(tǒng)，利用嵌入式系統(tǒng)實現(xiàn)圖像壓縮，并對壓縮后的圖像數據流根據無線傳輸特性重新編碼，并通過數字調制解調器，將數字信息調制到短波語音信道，傳輸到指揮中心。數字圖像處理技術已應用于衛(wèi)星遙感、遙測、氣象預報、醫(yī)療診斷等諸多領域。通過全新的高科技手段，降低森林火險等級，其經濟效益、社會效益均極其顯著[1,2]。s serious situation, effective technology must be develop to solve the problem of forest fire monitoring so that people39。然后，對于火焰分割，針對不同情況下的火焰研究了三種不同的分割技術，實現(xiàn)了火焰區(qū)域的準確分割。，具有很高的生態(tài)效益和經濟效益。對于火焰的特征檢測，主要進行顏色和動態(tài)特征的分析，通過建立火焰顏色模型進行顏色識別，再進一步進行火焰的四個動態(tài)特征的識別。s lives and property safety can be effectively protected. More traditional fire detectors use a single moment of the parameters as a standard, in the underinterference caused frequent false positives or omissions. In recent years the fire alarm system based on the machine vision uses digital image processing techniques to achieve automatic fire alarm.Based on the flame and smoke image characteristics, a machine vision method of identifying the natural fire is proposed