【文章內容簡介】 Pi(x,y)為待處理的圖像，P(x,y)為基準圖像。當△Pi(x,y)=0時，表示當前圖像無異常；△Pi(x,y)≠0時，表示出現(xiàn)新的火源或亮點，則進入下面對各種特征值的計算，判斷該異常圖像是否為火災圖像。 火災圖像的分割處理 區(qū)域生長法分割圖像 分割的目的是要把一幅圖像劃分成一些小區(qū)域，對于這個問題的最直接的方法是把一幅圖像分成滿足某種判據(jù)的的區(qū)域；也就是說，把點組成區(qū)域。與此相對應，數(shù)字圖像處理中存在一種分割區(qū)域的方法稱為區(qū)域生長或區(qū)域生成。 假定區(qū)域的數(shù)目，以及在每個區(qū)域中單個點的位置已知，則可推導出一種算法。從一個已知點開始，加上與已知點相似的的鄰近點形成一個區(qū)域。這個相似性準則可以是灰度級、顏色、幾何形狀、梯度或其他特性。相似性的測度可以由所確定的閾值判定。它的方法是從滿足檢測準則的點開始，在各個方向上生長區(qū)域。當其鄰近點滿足檢測準則就并入小區(qū)域中，當新的點合并后再用新的區(qū)域重復這一過程，直到?jīng)]有可接受的鄰近點生成過程終止。 當生成任意物體時，接受準則可以以結構為基礎，而不是以灰度級或對比度為基礎。為了把候選的小群點包含在物體中，可以檢測這些小群點，而不是檢測單個點，如果他們的結構與物體的結構充分并已足夠相似時就接受他們。另外，還可以使用界線檢測對生成建立“勢壘”，如果在“勢壘”的臨近點和物體之間有界線，則不能把該臨近點接受為物體中的點。 要將目標從背景中分離出來，就需要對圖像迸行分割。使用閾值分割技術，對像火災場景之類的物體與背景有較強對比的景物的分割特別有用。它計算量不大，而且總能用封閉并連通的邊界定義不交疊的區(qū)域。在該規(guī)則下，所有灰度值大于或等于某閩值的像素都被判斷屬于背景。 目前為止，有多種閾值計算方法，如固定閾值法，類判別分析法，Otsu閾值算法等。其中，Otsu閾值算法(又稱最大類間方差法)計算量相對較小，在一定條件下不受圖像對比度與亮度變化的影響，因而被認為是閾值自動選取的最優(yōu)方法，得到了廣泛的應用。記f(i,j)為M*N的圖像在(I,j)點出的灰度值，圖像灰度級數(shù)記為L。設(i,j)的取值范圍為[0,L1]。記p(k)為灰度值為k時的頻率，則有： (23) 假設用灰度值t為閾值分割出的目標與背景部分分別為： ||和則有如下的表達式：目標部分比例: (24)背景部分比例： (25)目標均值： (26)背景均值： (27)總均值： (28)Ostu算法求取圖像最佳閾值g的公式為： (29)上式右邊括號內實際上就是類問方差值，閣值g分割出的目標和背景兩部分構成了整幅圖像。方差是灰度分布均勻性的一種度量，方差值越大，說明構成圖像的兩部分差別越大，當部分目標錯分為背景或部分背景錯分為目標都會導致兩部分差別變小，因此使類問方差最大的分割意味著錯分概率最小，這也是大律方法的含義。根據(jù)計算所得的閩值g，圖像可以被二值化為(O，255)的二值圖像。 火災圖像的仿真處 圖像預處理一般成像系統(tǒng)只具有一定的亮度響應范圍，常出現(xiàn)對比度不足的弊端，使人眼觀看圖像時視覺效果很差；另外，在某些情況下，需要將圖像的灰度級整個范圍或者其中某一段擴展或壓縮到記錄器件輸入灰度級動態(tài)范圍之內。對比度調整前后的圖像及其直方圖如圖22所示。圖22 對比度調整前后的圖像及其直方圖 (1) 直方圖均衡化原始圖像及直方圖均勻化后的圖像及直方圖，如圖23所示。圖23 原始圖像及直方圖與直方圖均衡化后的圖像及直方圖 (2)直方圖規(guī)定化。原始圖像及其直方圖與直方圖規(guī)定化后的圖像及其直方圖，如圖24所示。圖24 原始圖像及其直方圖與直方圖規(guī)定化后的圖像及其直方圖 (3) 圖像的平滑。對圖像進行低通濾波和中值濾波的效果圖如圖25所示。圖25 對圖像進行低通濾波和中值濾波 (4)圖像的銳化。圖像在傳輸和變換過程中會受到各種干擾而退化，比較典型的就是圖像模糊。圖像銳化的目的就是使邊緣和輪廓線模糊的圖像變得清晰，并使其細節(jié)清晰，如圖26所示。圖26 sobel算子對圖像銳化結果 圖27 拉式算子對圖像銳化結果 圖像分割與特征提取利用邊緣檢測方法的檢測效果，如圖28所示。圖28 sobel算子和canny邊緣檢測結果 灰度閾值分析利用灰度閾值分割法截取分割后的圖像，如圖29所示。圖29 圖像閾值分割3 基于計算機視覺的高壓水炮定位的研究高壓水炮定位滅火系統(tǒng)在消防安全中具有重要的地位和作用，它能夠在發(fā)生火災時，保護火災區(qū)域內的人身安全和建筑物建筑結構的安全。實現(xiàn)高壓水炮定位的先決條件在于對火災發(fā)生的空間位置的確定。本課題用計算機視覺知識作為基礎，對火災空間定位算法進行了研究。這樣，就可以把雨淋噴水系統(tǒng)和火災探測集成在一起，具有自動掃描定位功能，在PLC的控制下對準火源，進行滅火。還將大大縮減聯(lián)動系統(tǒng)，簡化消防設備的布置，降低了成本。此外，還有滅火及時，將火災損失減到最低的優(yōu)點。 計算機視覺 .1計算機視覺 (1) 計算機視覺的定義：計算機視覺是使用計算機及相關設備對生物視覺的一種模擬。它的主要任務就是通過對采集的圖片或視頻進行處理以獲得相應場景的三維信息，就像人類和許多其他類生物每天所做的那樣。計算機視覺既是工程領域，也是科學領域中的一個富有挑戰(zhàn)性重要研究領域。計算機視覺是一門綜合性的學科，它已經(jīng)吸引了來自各個學科的研究者參加到對它的研究之中。其中包括計算機科學和工程、信號處理、物理學、應用數(shù)學和統(tǒng)計學，神經(jīng)生理學和認識科學等。 (2) 原理：計算機視覺就是用各種成象系統(tǒng)代替視覺器官作為輸入敏感手段，由計算機來代替大腦完成處理和解釋。計算機視覺的最終研究目標就是使計算機能象人那樣通過視覺觀察和理解世界，具有自主適應環(huán)境的能力。要經(jīng)過長期的努力才能達到的目標。因此，在實現(xiàn)最終目標以前，人們努力的中期目標是建立一種視覺系統(tǒng)，這個系統(tǒng)能依據(jù)視覺敏感和反饋的某種程度的智能完成一定的任務。例如，計算機視覺的一個重要應用領域就是自主車輛的視覺導航，目前還沒有條件實現(xiàn)象人那樣能識別和理解任何環(huán)境，完成自主導航的系統(tǒng)。因此，目前人們努力的研究目標是實現(xiàn)在高速公路上具有道路跟蹤能力，可避免與前方車輛碰撞的視覺輔助駕駛系統(tǒng)。這里要指出的一點是在計算機視覺系統(tǒng)中計算機起代替人腦的作用，但并不意味著計算機必須按人類視覺的方法完成視覺信息的處理。計算機視覺可以而且應該根據(jù)計算機系統(tǒng)的特點來進行視覺信息的處理。但是，人類視覺系統(tǒng)是迄今為止，人們所知道的功能最強大和完善的視覺系統(tǒng)。如在以下的章節(jié)中會看到的那樣，對人類視覺處理機制的研究將給計算機視覺的研究提供啟發(fā)和指導。因此，用計算機信息處理的方法研究人類視覺的機理，建立人類視覺的計算理論，也是一個非常重要和信人感興趣的研究領域。這方面的研究被稱為計算視覺（Computational Vision）。計算視覺可被認為是計算機視覺中的一個研究領域。 計算機視覺的方法及其應用計算機視覺發(fā)展已有二十多年，隨著計算機控制理論、模式識別、人工智能和生物技術的發(fā)展，計算機視覺在機器人、工業(yè)檢測、物體識別、衛(wèi)星圖像分析、醫(yī)學輔助診斷、航空測繪和軍事技術中的應用越來越廣，研究方法也由二維推到三維，從串行到并行，從直接依賴輸入信號的低層處理到依賴特征、結構、關系和知識的高層處理。 一般有源的視覺方法通過發(fā)光裝置的控制，使系統(tǒng)獲得更多的信息，降低問題難度，加快運算速度?；诨叶确植嫉姆椒ㄖ饕抢迷诠潭ü庠凑丈湎?，隨著物體表面法向的改變，使獲得的圖像也發(fā)生相應變化的原理。基于區(qū)域的視覺方法假定在對應點的某一領域內，其灰度相近似或灰度差小于一個門限，因此可以采用平均絕對差、互相關系數(shù)等方法互相匹配。計算機視覺的應用很廣，下面簡述幾個成功應用方面：(1)機器人視覺。如物理識別與定位、障礙識別與回避，自動導航等；(2)圖像圖形識別系統(tǒng)。如條形碼、郵編、指紋染色體等識別；(3)工業(yè)檢測系統(tǒng)。如集成電路芯片檢測；(4)航天及軍事應用。如衛(wèi)星照片的自動分析與判讀，景物識別，目標檢測、識別和定位，目標跟蹤，成像精確制導等；(5)醫(yī)學應用。如基于CT圖像的內部器官的重建，醫(yī)學圖像的分析、描述和識別，DSA(數(shù)字減影)技術，盲人導航視覺等?？傊嬎銠C視覺的應用正越來越多的代替人去完成許多工作，提高了自動化和機器智能水平，為智能機器人和智能系統(tǒng)發(fā)展奠定了基礎。本文就是利用計算機視覺在圖像型火災探測系統(tǒng)的基礎上實現(xiàn)高壓水炮的定位，減小火災引起的人員傷亡和財產(chǎn)損失。 計算機視覺與圖像處理、圖像分析的異同計算機視覺，圖象處理，圖像分析，機器人視覺和機器視覺是彼此緊密關聯(lián)的學科。如果翻開帶有上面這些名字的教材，會發(fā)現(xiàn)在技術和應用領域上他們都有著相當大部分的重疊。這表明這些學科的基礎理論大致是相同的，甚至讓人懷疑他們是同一學科被冠以不同的名稱。然而，各研究機構，學術期刊，會議及公司往往把自己特別的歸為其中某一個領域，于是各種各樣的用來區(qū)分這些學科的特征便被提了出來。下面將給出一種區(qū)分方法，盡管并不能說這一區(qū)分方法完全準確。計算機視覺的研究對象主要是映射到單幅或多幅圖像上的三維場景，例如三維場景的重建。計算機視覺的研究很大程度上針對圖像的內容。圖象處理與圖像分析的研究對象主要是二維圖像，實現(xiàn)圖像的轉化，尤其針對像素級的操作，例如提高圖像對比度，邊緣提取，去噪聲和幾何變換如圖像旋轉。這一特征表明無論是圖像處理還是圖像分析其研究內容都和圖像的具體內容無關。機器視覺主要是指工業(yè)領域的視覺研究，例如自主機器人的視覺，用于檢測和測量的視覺。這表明在這一領域通過軟件硬件，圖像感知與控制理論往往與圖像處理得到緊密結合來實現(xiàn)高效的機器人控制或各種實時操作。模式識別使用各種方法從信號中提取信息，主要運用統(tǒng)計學的理論。此領域的一個主要方向便是從圖像數(shù)據(jù)中提取信息。還有一個領域被稱為成像技術。這一領域最初的研究內容主要是制作圖像，但有時也涉及到圖像分析和處理。例如，醫(yī)學成像就包含大量的醫(yī)學領域的圖像分析。對于所有這些領域，一個可能的過程是你在計算機視覺的實驗室工作，工作中從事著圖象處理，最終解決了機器視覺領域的問題，然后把自己的成果發(fā)表在了模式