【正文】 圖36為利用火焰顏色特征提取方法分割出的火焰再進(jìn)行中值濾波去噪后的結(jié)果。 ∈ (313)對(duì)于所有的l, l=1,2,…,k,，其中表示一組采樣，這些采樣的聚類中心是。極大化的過(guò)程就是自動(dòng)確定閾值的過(guò)程。閾值的選取決定了異常情況的檢測(cè)的靈敏度。對(duì)某一攝像頭來(lái)說(shuō)它所攝得的圖像背景應(yīng)該是比較一致的，在大部分時(shí)間里是正常情況，沒(méi)有火災(zāi)?？傮w來(lái)講，二維中值濾波比一維中值濾波能夠更好地抑制噪聲。比較常用的兩種濾波方法是線性濾波和非線性濾波。它將圖像空間中的像素用對(duì)應(yīng)的特征空間的點(diǎn)表示，根據(jù)它們?cè)谔卣骺臻g的聚集對(duì)圖像進(jìn)行分割[32]。目前應(yīng)用最廣泛的是全局閾值，這種閾值選取方法是建立在圖像一維直方圖的基礎(chǔ)上的，統(tǒng)稱為灰度直方圖分割法[30]。在利用取閾值方法來(lái)分割灰度圖像時(shí)一般都對(duì)圖像有一定的假設(shè)，即基于一定的圖像模型。根據(jù)模板的大小及其中元素（系數(shù)）值的不同，人們已經(jīng)提出了許多種不同的算子。目前對(duì)彩色圖像的分割，大部分也是基于灰度圖的，先將彩色圖像的各個(gè)分量進(jìn)行適當(dāng)?shù)慕M合轉(zhuǎn)化為灰度圖像，然后利用對(duì)灰度圖像的分割算法進(jìn)行分割。第四，對(duì)煙霧及火焰的圖像信息分析研究，從中總結(jié)出顏色特征及動(dòng)態(tài)特征方面的規(guī)律性，作為識(shí)別算法的設(shè)計(jì)的主要依據(jù)。該系統(tǒng)以視頻運(yùn)動(dòng)檢測(cè)軟件為主體，使用了各種濾波器技術(shù)，并與人工智能相結(jié)合，該系統(tǒng)可以用來(lái)對(duì)電站內(nèi)的火災(zāi)進(jìn)行監(jiān)控。煙霧另一個(gè)重要的特性是擴(kuò)散性。在圖像處理中，形體變化特性是通過(guò)計(jì)算火焰的空間分布特性，即像素點(diǎn)之間的位置關(guān)系來(lái)實(shí)現(xiàn)的。不同時(shí)刻火焰的形狀、面積、輻射強(qiáng)度等都在變化。根據(jù)燃燒學(xué)的原理，在火焰燃燒時(shí)，其放出的能量95%集中于紅外波段。由于空間高度或空氣的流動(dòng)等原因，使火災(zāi)高溫氣體無(wú)法到達(dá)頂棚，此時(shí)感溫火災(zāi)探測(cè)器將無(wú)法發(fā)揮正常的作用。我省森林火災(zāi)預(yù)防主要采取瞭望塔及人工巡邏檢查的方式[6]。打印前，不要忘記把上面“Abstract”這一行后加一空行第1章 緒論 課題背景信息技術(shù)迅猛發(fā)展，圖像壓縮及視頻監(jiān)控等技術(shù)已經(jīng)深入到社會(huì)生活的各個(gè)方面，而森林火險(xiǎn)預(yù)警的重要手段之一就是對(duì)現(xiàn)場(chǎng)的直接觀測(cè)。火災(zāi)發(fā)生過(guò)程中，主要的圖像信息是燃燒時(shí)產(chǎn)生的煙霧和火焰，通過(guò)對(duì)煙霧和火焰的圖像信息研究發(fā)現(xiàn)，煙霧和火焰本身具有一定的規(guī)律性，以此為依據(jù)設(shè)計(jì)有針對(duì)性的算法，從圖像中識(shí)別出煙霧和火焰，判斷火災(zāi)是否發(fā)生。對(duì)于煙霧的特征檢測(cè)，主要進(jìn)行小波特征及動(dòng)態(tài)特征的分析，通過(guò)對(duì)比煙霧圖像與背景圖像小波系數(shù)進(jìn)行小波特征識(shí)別，再對(duì)識(shí)別結(jié)果進(jìn)一步進(jìn)行動(dòng)態(tài)特征識(shí)別，包括煙霧的不規(guī)則性和擴(kuò)散性，最終確定視頻中是否存在煙霧。利用衛(wèi)星監(jiān)測(cè)雖然能夠解決這些問(wèn)題，但是我國(guó)基本采用租用國(guó)外衛(wèi)星的方法對(duì)我國(guó)森林地區(qū)進(jìn)行監(jiān)測(cè)，所付出代價(jià)相當(dāng)昂貴[3]。圖像采集為全天候24小時(shí)，前端采集設(shè)備為普通CCD攝像頭，在有條件情況下可采用可見光和紅外成像雙機(jī)方案。在國(guó)際上，林火監(jiān)測(cè)技術(shù)得到工業(yè)發(fā)達(dá)國(guó)家的高度重視。其它任何火災(zāi)探測(cè)技術(shù), 均不能提供如此豐富和直觀的信息，圖像檢測(cè)技術(shù)具有以下優(yōu)勢(shì)： (1) 可以在大空間、大面積的環(huán)境中使用；(2) 可以在多粉塵、高濕度的室內(nèi)場(chǎng)所中使用；(3) 可以提供直觀的、豐富的火災(zāi)信息；(4) 可以對(duì)火災(zāi)現(xiàn)象中的圖像信息做出快速的反應(yīng)；(5) 可以有效提高報(bào)警的準(zhǔn)確度，減少漏報(bào)和誤報(bào)。(2) 基于火焰動(dòng)態(tài)特征的識(shí)別算法，包括基于火焰閃爍頻率設(shè)計(jì)的識(shí)別算法、基于火焰無(wú)序性設(shè)計(jì)的識(shí)別算法、基于火焰面積增長(zhǎng)性設(shè)計(jì)的算法等?；馂?zāi)中的燃燒屬于擴(kuò)散燃燒，擴(kuò)散燃燒的火焰都有明顯的分層特性。煙霧在視頻中的面積隨著時(shí)間的推移逐漸變大。此外，上海交通大學(xué)、西安交通大學(xué)、哈爾濱工程大學(xué)等都在火災(zāi)探測(cè)方面進(jìn)行了積極的研究，并根據(jù)工程實(shí)踐提出了一些改進(jìn)算法。對(duì)火焰和煙霧的特征進(jìn)行研究，主要在于了解煙霧和火焰的在整個(gè)過(guò)程的發(fā)展情況并總結(jié)其連續(xù)變化規(guī)律，從圖像信息中實(shí)時(shí)了解火災(zāi)的發(fā)展情況[27]。邊緣的檢測(cè)常借助空域微分算子進(jìn)行，通過(guò)將其模板與圖像卷積完成。(2) 拉普拉斯算子 拉普拉斯(Laplacian)算子是一種二階導(dǎo)數(shù)算子。這兩類像素一般分屬圖像中的兩類區(qū)域，所以對(duì)像素根據(jù)閾值分類達(dá)到了區(qū)域分割的目的。與閾值方法不同，這類方法不但考慮了像素的相似性，還考慮了空間上的鄰接性，因此可以有效消除孤立噪聲的干擾，具有很強(qiáng)的魯棒性。閾值分割就相當(dāng)于在一維（灰度）或二維（共生矩陣）特征空間進(jìn)行的模式分類，它所使用的特征并沒(méi)有充分反映像素的空間信息和其鄰域像素的相關(guān)信息。中值濾波是由 Turky 在 1971 年提出的，它最初主要用于時(shí)間序列分析，后來(lái)用于圖像處理，在去噪復(fù)原中取得較好的效果。故綜合考慮各種因素，本系統(tǒng)中采用33模板的中值濾波。此算法的運(yùn)算量不大，能滿足系統(tǒng)實(shí)時(shí)性的要求。為使圖像變清晰，可以通過(guò)變換使圖像的灰度動(dòng)態(tài)范圍變大，并且讓灰度頻率較小的灰度級(jí)經(jīng)變換后，其頻率變得大一些，使變換后的圖像灰度直方圖在較大的動(dòng)態(tài)范圍內(nèi)趨于均化。在圖像分割中，希望用那些從看起來(lái)相似的區(qū)域中抽取出的特征矢量來(lái)形成特征空間中的組，稱為聚類[37]。否則，跳到第2步繼續(xù)執(zhí)行。如果滿足以上條件則判斷可能出現(xiàn)煙霧。相應(yīng)的RGB值關(guān)系：，同時(shí)，在HSI空間中，這一顏色區(qū)間火焰的色度值通常在0~60度之間，火焰的彩色特征可以被式(315)規(guī)則所描述。下面，描述K均值算法，假設(shè)以像素的灰度值為基礎(chǔ)，把一幅圖像分割成K個(gè)區(qū)域。 火焰分割 最大類間方差閾值法最大類間方差法（也稱為Otsu法）由Otsu提出，是在最小二乘法原理的基礎(chǔ)上推導(dǎo)得出的。在這里比較F0和F1中對(duì)應(yīng)像素的特征值，所以，將F0和F1中像素點(diǎn)取值分別用其周圍的像素點(diǎn)來(lái)表示，然后進(jìn)行比較。在圖像分析中，通常需要將所關(guān)心的目標(biāo)從圖像中提取出來(lái)。設(shè)表示數(shù)字圖像各點(diǎn)的灰度值，濾波窗口為 A 的二維中值濾波可定義為： (26)中值濾波采用非線性技術(shù)，在像素點(diǎn)鄰域里用取中值代替了取平均值，不會(huì)降低圖像中的高頻信號(hào)，在消除噪聲的同時(shí)很好地保持了圖像的邊緣特征。通過(guò)遠(yuǎn)程視頻監(jiān)控系統(tǒng)采集到的圖像在監(jiān)控中心的計(jì)算機(jī)上均可以被保存為彩色圖像，而對(duì)于顏色特征比較明顯的火災(zāi)圖像，圖像的色彩信息可以作為圖像分割的依據(jù)。分裂合并算法則是先從整個(gè)圖像開始不斷的分裂得到各個(gè)區(qū)域，再將相鄰的具有相似性的區(qū)域合并以得到分割結(jié)果。 (22)其中是點(diǎn)鄰域的某種局部性質(zhì)，在一般情況下閾值是，和的函數(shù)。由于以上原因，拉普拉斯算子很少直接用于檢測(cè)邊緣，而主要用于已知邊緣像素后確定該像素是在圖像的暗區(qū)或明區(qū)一邊。導(dǎo)數(shù)可用微分算子來(lái)計(jì)算，實(shí)際上在數(shù)字圖像中求導(dǎo)數(shù)是利用差分近似微分來(lái)進(jìn)行的。因此，對(duì)于圖像分割的研究多年里一直受到人們廣泛的重視，也提出了數(shù)以千計(jì)的不同算法。分析了煙霧及火焰的各自的產(chǎn)生機(jī)理和特征，并提出自動(dòng)報(bào)警方案。文獻(xiàn)19對(duì)早期火災(zāi)火焰的輻射特性和形體變化特性作了系統(tǒng)的分析，并用常規(guī)的圖像處理方法實(shí)現(xiàn)了一個(gè)完整的火災(zāi)圖像探測(cè)系統(tǒng)[19]。因此要在理論上、技術(shù)上作進(jìn)一步的探討，并作深入的研究和試驗(yàn)。(2) 邊緣變化：早期火災(zāi)火焰的邊緣變化有一定的規(guī)律，同其他的高溫物體以及穩(wěn)定火焰的邊緣變化不同?；鹧嫒紵募t外輻射主要集中于950nm~2000nm的波段[13]。我國(guó)的林火監(jiān)測(cè)技術(shù)和國(guó)外比還存在差距。感煙型火災(zāi)探測(cè)器是探測(cè)火災(zāi)產(chǎn)生的煙氣并發(fā)出報(bào)警信號(hào)。并獲得了較好的成效[5]。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 in this thesis. In the course of the fire, the main image information is the bustion of smoke and flame. Through the study of smoke and flames image information, smoke and flame phenomenon itself has certain regularity. So targeted algorithm can be designed, identify the smoke and flame from image and judge whether the fire occurred based on this kind of found.First of all the thesis explains the techniques status and development of forest fire prevention and firedetection using digital image processing techniques. On this basis, the segmentation and the identification of flame and smoke are discussed. Then, three different segmentation technologies for different flames are proposed to achieve the accuracy flame region. For the detection of the flame characteristics, color and dynamic analysis are mainly used. The color is identified by establishing of flame color model. Further the dynamic characteristics of the flame are identified. For the plexity of the smoke color