【正文】 on Safety , 9(1).[15] 蔣先剛. 數(shù)字圖像模式識別工程軟件設(shè)計[M]. 北京: 中國水利水電出版社, 2008, 4.[16] 邊肇棋，[M].北京:清華大學(xué)出版社，2002.[17 ] :〔學(xué)位論文〕廣州:華南理工大學(xué)2004.[18] 胡曉峰，:人民郵電出版社，2004.[19] [D]:〔學(xué)位論文〕南京:南京理工大學(xué)，2004.[20] 陳曉娟，卜樂平，李其修. 基于圖像處理的明火火災(zāi)探測研究[J]. ,19(3):611.[21] 楊枝靈, 王開等. Visual C++數(shù)字圖像獲取處理及實(shí)踐應(yīng)用[M]. 北京: 人民郵電出版社, 2003, 1.[22] 求是科技, 蘇彥華等. Visual C++數(shù)字圖像識別技術(shù)典型案例[M]. 北京: 人民郵電出版社, 2004, 8. [23] :[學(xué)位論文]上海:上海師范大學(xué)，2004 [22], 5.[24] [J].消防技術(shù)與產(chǎn)品信息，2003,10(5):65 67.[25] 羅云林，朱瑞平基于數(shù)字圖像處理的火警監(jiān)測系統(tǒng)研究[J].遼寧工程技術(shù)大學(xué)學(xué)報，2002, 10( 6) : 30 34.[26] 何斌，:人民郵電出版社，2001.[27] 蔣先剛. 基于Delphi的數(shù)字圖像處理工程軟件設(shè)計[M]. 北京: 中國水利水電出版社, 2006, 3.[28] 周澤華, 潘保昌, 鄭勝林, 趙全友, 甘艷芬. 基于多顏色模型的車牌定位方法[J]. 微計算機(jī)信息, 2007(1): 283285. [29] 薛媛. 基于視頻圖像的火災(zāi)火焰跟蹤研究[D]:〔學(xué)位論文〕西安:西安電子科技大學(xué)，2009,1.[30] ，,6(3）:5762.[31] [J],微計算機(jī)信息(測控自動化).200 4,40(9): 2122.[32] [J].,4(4A): 327330.[33] 徐瑞鑫，[J].吉林工程學(xué)院學(xué)報，2002,9:2329.[34] 杜彥蕊,.[M][35] 吳佑壽,.[M]北京:高等教育出版社,1992[36] 求是科技, 張宏林, 蔡銳. Visual C++數(shù)字圖像模式識別技術(shù)及工程實(shí)踐[M]. 北京:人民郵電出版社, 2003, 2. [37] 程鑫，王大川，[J].,14(4):239244.[38] 范維澄，:湖北科學(xué)技術(shù)出版社1994,4(1):4752.[39] 汪志兵, 崔慧娟. 一種基于紋理特征抽取的車牌定位預(yù)處理方法[J]. 計算機(jī)應(yīng)用研究, 2004(1): 255 257. [40] [D]. [碩士學(xué)位論文].長沙：國防科學(xué)技術(shù)大學(xué)，2003.[41] 陸鋒. 基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行車牌定位的研究[J]. 蘇州大學(xué)學(xué)報(工科版), 2004, 24(6): 58.[42] 劉永信，魏平，[J].內(nèi)蒙古:內(nèi)蒙古大學(xué)學(xué)報(自然科學(xué)版), 2001,32 (6):670674.[43] 王宏等譯.《計算機(jī)視覺:一種現(xiàn)代方法》[M].北京:電子工業(yè)出版社，2004.[44] [J].西北工業(yè)大學(xué)碩士學(xué)位論文，計算機(jī)應(yīng)用技術(shù).[45] 李厚君,李玉鑑. 基于 AdaBoost 的眉毛檢測與定位[J].計算機(jī)與數(shù)字工程, 2010, 38(8): 175177.[46] Koggalage, . Reducing the Number of Training Samples for Fast Support Vectorchine Classification. Neural Inform. Process. Lett. .[47] 廉小親, 陳秀新, 蘇維均. 基于紋理特征與顏色對信息的車牌定位方法[J]. 科技情報開發(fā)與經(jīng)濟(jì), 2007, 17(2): 163164.[48] 王海濤, 黃文杰, 朱永凱, 田貴云, 姬建崗. 基于聚類分析與神經(jīng)網(wǎng)絡(luò)的車牌字符識別[J]. 數(shù)據(jù)采集與處理, 2008, 23(2): 238242. [49] 葉東毅, 何蕭玲. 前饋神經(jīng)網(wǎng)絡(luò)的一個改進(jìn)的BP學(xué)習(xí)算法[J]. 福州大學(xué)學(xué)報(自然科學(xué)版), 1998, 26(2): 2224. [50] Bai Hongliang, Liu Changping. A hybrid License Plate Extraction Method Based on Edge Statistics and Morphology[C]. In: Proceedings of the 17th International Conference on Pattern Recognition (ICPR39。 基于貝葉斯的分類方法第三章 結(jié)論第一章是對彩色圖像分割的綜述。在圖像識別中，最簡單和易于理解的識別方法就是模板匹配。顯然，只有用這種方法把“感興趣的目標(biāo)物體”從復(fù)雜的影像中提取出來，才有可能進(jìn)一步對各個子區(qū)域進(jìn)行定量分析或者識別，進(jìn)而對圖像進(jìn)行理解。 根據(jù)某種相似性準(zhǔn)則把一幅圖像的點(diǎn)分類叫圖像分割。圖3 各直方圖第二章 彩色圖像分割彩色分割的目的是把圖像分成互不相干的幾個區(qū)域，每個區(qū)域有著均勻一致的性質(zhì)。RGB（2） 顏色矩表達(dá)和分析顏色分布特征的另一種方法是顏色矩的計算。木材等固體燃燒時由于表面輻射很強(qiáng)，可以分為固體表面與火焰部分兩大層，而火焰部分還可以再分層。圖像型火災(zāi)探測中的圖像處理是動態(tài)圖象的連續(xù)處理：對圖像上的每個目標(biāo)，根據(jù)一定的算法來確定它們同前一幀中目標(biāo)的匹配關(guān)系，從而得到各個目標(biāo)的連續(xù)變化規(guī)律。(3) 基于空間的顏色遷移分割法空間相對其它顏色空間來說，更適合人類視覺感知系統(tǒng)，空間與設(shè)備無關(guān)的顏色空間。灰度圖像的開運(yùn)算和閉運(yùn)算在幾何上可以理解為把由結(jié)構(gòu)元素b(x, y)表示的曲面沿著由f(x, y)表示的曲面滾動。(1) 膨脹(Dilation)用結(jié)構(gòu)元素b對函數(shù)f進(jìn)行的灰度膨脹表示為：，其定義為：其中和分別是f和b的定義域。 膨脹可以看作是腐蝕的對偶運(yùn)算，其定義是：把結(jié)構(gòu)元素A平移后得到，若擊中X，我們記下這個點(diǎn)，所有滿足上述條件的點(diǎn)組成的集合稱為X被A膨脹的結(jié)果，用公式表示為：。相比之下，動態(tài)閾值能根據(jù)圖像的局部自動選擇合適的閾值，只要選擇合適的分塊大小，就能取得最佳的二值化效果。 高斯函數(shù)是：設(shè)定和n，確定高斯模板權(quán)值。圖像中某一像素，把以它為中心的一個鄰域范圍內(nèi)的像素的灰度值看成一列數(shù)列，求出這個數(shù)列的中間值，并用這個中間值值來代替該中心點(diǎn)的灰度值。二、 基于圖像處理的森林火災(zāi)監(jiān)測系統(tǒng)設(shè)計原始森林火災(zāi)圖像圖像采集設(shè)備數(shù)字圖像1． 基于彩色傳遞的掩摸法2． 基于YCrCb區(qū)域顏色分量加強(qiáng)分割法3． 基于空間的顏色遷移分割法4． 基于彩色均值聚類分割法預(yù)處理模塊1． 顏色特征． 紅色分量閾值選取． 各階顏色矩的提取2． 幾何特征． 圓形度的獲?。?邊緣特征量的提取特征定義與提取模塊1． 基于模板匹配分類法2． 基于貝葉斯分類法3． 基于BP神經(jīng)網(wǎng)絡(luò)分類法 圖像識別與分類模塊決策模塊圖1基于圖像處理森林火災(zāi)監(jiān)測系統(tǒng)設(shè)計框圖圖像的預(yù)處理在系統(tǒng)獲取森林火災(zāi)圖像后，為了將火災(zāi)圖像中的敏感區(qū)域提取出來以便對后續(xù)的特征定義與識別過程做準(zhǔn)備，在此把識別的前期工作都統(tǒng)稱為圖像的預(yù)處理過程，其中包括圖像的分割等。該系統(tǒng)一部分的探測任務(wù)由紅外攝像機(jī)來完成，采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)對火災(zāi)進(jìn)行識別，對于已經(jīng)擁有閉路電視監(jiān)控網(wǎng)絡(luò)的單位，需要加裝一定數(shù)量的紅外攝像機(jī)或特制的感煙紅外陣列器材，來實(shí)現(xiàn)圖像型的火災(zāi)火焰和煙霧的探測。而對于森林這樣的大空間火災(zāi)監(jiān)測，傳統(tǒng)的火災(zāi)監(jiān)測方法都不適用，針對這一問題，經(jīng)過多方面文獻(xiàn)資料的查閱，結(jié)合自己的研究方向，由導(dǎo)師推薦，最終確定了本課題的研究。經(jīng)典的C均值聚類算法是將圖像分割成C類的常用方法。它是一種非監(jiān)督模糊聚類后再標(biāo)定的過程，適合灰度圖像中存在著模糊和不確定性的特點(diǎn)。課題的目的及意義大空間的火災(zāi)監(jiān)控技術(shù)是世界各國火災(zāi)科學(xué)及消防科技工作者關(guān)注的課題之一。綜上所述，當(dāng)前圖像型火災(zāi)探測還存在一些問題，尚待深入研究解決。由于多種因素的影響，圖像的質(zhì)量都會有所下降，為了消除對火災(zāi)圖像正確識別的影響，需要對圖像進(jìn)行一些預(yù)處理。一個點(diǎn)，和它周圍的點(diǎn)形成的窗口，把在窗口中的所有點(diǎn)的像素組成一個數(shù)列：，表示第點(diǎn)的灰度值，把這個數(shù)列進(jìn)行排序，取中間值，把它看作該點(diǎn)的灰度值。如和n=5經(jīng)計算可得：[i,j]21012210112整數(shù)化和歸一化后得：[i,j]21012212321124642036763124642212321。具體做法是：將灰度圖像分成若干個的子區(qū)。 開運(yùn)算是先腐蝕后膨脹，即。 從上式中可以看出，如果結(jié)構(gòu)元素b(x, y)為正值，圖像的灰度值趨向于變大。開運(yùn)算是沿著f(x, y)曲面的下側(cè)面滾動，而閉運(yùn)算是沿著f(x, y)曲面的上側(cè)面滾動。它本身還是一個抗相關(guān)的顏色空間，將一個通道的改變對另一個通道的影響減到最小，這使得我們可以對它的各個通道進(jìn)行獨(dú)立的計算，而不會引起人為的痕跡。以下是圖像型火災(zāi)探測方法中用到的圖像信息：1)面積變化：早期火災(zāi)是著火后火災(zāi)不斷發(fā)展的過程。分層變化特性體現(xiàn)了不同灰度級的像素點(diǎn)在空間的分布規(guī)律。這種方法的數(shù)學(xué)基礎(chǔ)在于圖像中任何的顏色分布均可以用它的矩來表示。通過圖像分割，提取要分析和識別的目標(biāo)物體。模糊聚類圖像分割的優(yōu)點(diǎn)是直觀、實(shí)現(xiàn)容易。圖像分割可用的特征包括圖像灰度、著色、紋理、局部統(tǒng)計特征或頻譜特征等，利用這些特征的差別可以區(qū)分圖像中不同目標(biāo)物體，由于我們不能利用圖像信息中某些部分特征分割區(qū)域，那么，各種方法必然帶有局限性和針對性，只能針對各種實(shí)際應(yīng)用領(lǐng)域的需求來選擇合適的分割方法。模板匹配分類器將訓(xùn)練樣品集合的每個樣品都作為標(biāo)準(zhǔn)模板，用待測樣品與每個模板進(jìn)行比較，找出最相似、最近鄰的標(biāo)準(zhǔn)模板，將標(biāo)準(zhǔn)模板中的最近類別作為識別結(jié)果的類別。第二章是介紹數(shù)字圖像處理的基本運(yùn)算，為后面幾章的知識做輔墊。04), 2004(2): 831834.[51] 趙雪春, 戚飛虎. 基于彩色分割的車牌自動識別技術(shù)[J]. 上海交通大學(xué)學(xué)報, 1998, 32(10): 49.[52] 潘中杰, 譚洪舟. 模板匹配法和垂直投影法相結(jié)合的一種新的車牌字符分割方法[J]. 自動化與信息工程, 2007(2): 1213. [53] :〔學(xué)位論文〕西安:西北工業(yè)大學(xué)，2002.[54] 李波, 曾致遠(yuǎn), 付祥勝. 基于數(shù)學(xué)形態(tài)學(xué)和邊緣特征的車牌定位算法[J]. 電視技術(shù), 2005(7): 94 96. [55] [J] .計算機(jī)工程，2008，1:1416.[56] 李盛文，鮑蘇蘇. 基于PCA+AdaBoost 算法的人臉識別技術(shù)[J]. 計算機(jī)工程與應(yīng)用, 2010,46(4): 170 174. [57] Vladimir Shapiro, Georgi Gluhchev, Dimo Dimov. Towards a Multinational Car License Plate Reco gnition System [J]. Machine Vision and Applications, 2006(17): 173–183. [58] 潘崇，朱紅斌. 基于自適應(yīng)特征選擇和SVM的圖像分類的研究[J]. 計算機(jī)應(yīng)用與軟件, 2010,27(1): 244 246.[ 59] 孟祥增, [J]. 情報雜志,2005,42(9) :1415.[60] Vladimir Shapiro, Georgi Gluhchev, Dimo Dimov. Towards a Multinational Car License Plate Reco gnition System [J]. Machine Vision and Applications, 2006(17): 173183. [61] Yuntao Cui, Qian Huang. Extracting Characters of License Plates From Video Sequences [J]. Machine Vision and Applications, 1998(10): 308320. [62] 楊家輝, 土建英. 基于色彩分割與體態(tài)紋理分析的車牌定位方法[J]. 計算機(jī)與現(xiàn)代化, 2004(11):2226.[63] 郭捷, 施鵬飛. 基于顏色和紋理分析的車牌分析車牌定位方法[J]. 中國圖形圖像學(xué)報, 2002, 7(5):472476.[64] 減晶. 基于支持向量機(jī)的火災(zāi)探測系統(tǒng)研究[J].沈陽理工大學(xué)學(xué)報, 2009,1(3):5456.[65] Huang Wei, LU Xiaobo, LING Xiaojing. Wavelet Packet Based Feature Extraction and Recognition of License Plate Characters [J]. Chinese Science Bulletin, 2005, 50(2): 97100. [66] 王穎，馮志敏，[J]., 3: 1315.[67] 宋凱，[J].電腦開發(fā)與應(yīng)用. 2002,8:2529.[68] . Terbrugge, . Nijhuis, Paannen burg, . Stevens. CNN