【正文】 8 a)所示。包含在求內(nèi)部及表面的點(diǎn)滿足特定的彩色準(zhǔn)則。 距離還可以表示為： (322)其中，C是彩色樣本空間的協(xié)方差矩陣。該距離稱為馬氏(Mahalanobis)距離。的點(diǎn)的軌跡描述了一個(gè)實(shí)心的三維橢球體，如圖38 b)所示，它的重要屬性是其主軸取在最大的數(shù)據(jù)擴(kuò)展方向上。聚類算法的距離度量采取馬氏(Mahalanobis)距離，該方法點(diǎn)的軌跡描述了一個(gè)實(shí)心三維橢球體，它的重要屬性是其主軸取在最大的數(shù)據(jù)擴(kuò)展方向上。在擴(kuò)展三維彩色數(shù)據(jù)時(shí)使用橢球時(shí)會(huì)比使用圓球匹配得更好。a) Euclidean 距離 b) Mahalanobis 距離圖38 顏色向量空間中聚合數(shù)據(jù)的兩種方法 a) 原圖像 b) 顏色提取結(jié)果 c) 視覺一致性分割結(jié)果 圖39 煙霧分割的兩種算法的結(jié)果比較 圖39為利用顏色提取和改進(jìn)后的基于視覺一致性的聚類算法的提取結(jié)果?？梢姡捎跓熿F顏色在一定范圍內(nèi)的復(fù)雜性，有時(shí)利用顏色提取法會(huì)產(chǎn)生某些分割區(qū)域的缺失，而采用改進(jìn)后的算法則更完整更準(zhǔn)確的分割出了煙霧區(qū)域。 本章小結(jié)本章首先介紹了利用實(shí)時(shí)背景差分的方法進(jìn)行異常情況的檢測，當(dāng)發(fā)現(xiàn)有異常情況時(shí)，進(jìn)行下一步的火焰和煙霧的識別。重點(diǎn)介紹了火焰和煙霧的分割方法，采用直方圖均化的方法進(jìn)行火焰增強(qiáng)，并采用中值濾波的方法對火焰和煙霧的分割圖像進(jìn)行去噪。對于火焰分割，提出了三種分割方法，三種方法針對不同的情況分別取得了較為理想的效果，而且處理速度快，針對背景復(fù)雜的情況，分割圖像有時(shí)也會(huì)帶有噪聲，但少量的噪聲對下一步的特征識別影響不大。由于煙霧的邊緣較為模糊，顏色相對背景不明顯，所以對于煙霧分割采取顏色提取的方法，并在此方法上提出了基于視覺一致性算法的改進(jìn)，改進(jìn)的算法使分割區(qū)域更完整。第4章 火焰與煙霧的特征識別 引言火災(zāi)中的燃燒過程是一個(gè)典型不穩(wěn)定過程。由于可燃物、環(huán)境和氣候的影響，火災(zāi)燃燒過程要比一般動(dòng)力裝置中的燃燒過程更為復(fù)雜，具有多種表征參數(shù)。同時(shí)，火災(zāi)現(xiàn)場存在各種干擾因素，如陽光、照明燈等都會(huì)影響識別的結(jié)果。如果想通過單一參數(shù)的測量進(jìn)行早期火災(zāi)探測，很難獲得較高的準(zhǔn)確性和廣泛的適用性?；鹧骖伾植季哂絮r明的特征，但是僅僅采用這樣一種判據(jù)，很難排除其他紅色物體所帶來的干擾，還需要融合其他判據(jù)進(jìn)行火災(zāi)圖像的識別判斷。在早期火災(zāi)階段，火焰是一個(gè)發(fā)生發(fā)展的過程。這個(gè)階段火焰的圖像特征就更加明顯，不同時(shí)刻火焰的形狀、面積、輻射強(qiáng)度等都在變化。本章主要針對火災(zāi)視頻圖像中亮點(diǎn)區(qū)域較小、背景區(qū)域較大的特點(diǎn)，利用分割提取出來的疑似區(qū)域，統(tǒng)計(jì)火焰和煙霧的各項(xiàng)特征，進(jìn)一步降低系統(tǒng)的誤報(bào)率。 火焰的顏色特征經(jīng)過彩色圖像的分割以后，開始著重對其目標(biāo)進(jìn)行分析以判定其是否為火災(zāi)火焰。這里用到的方法是把目標(biāo)放入不同的彩色空間中看其是否滿足一定的規(guī)律，來推導(dǎo)出一個(gè)有效的判定方法。 各色彩空間比較彩色圖像每個(gè)像素點(diǎn)的顏色通常由紅綠藍(lán)三值加權(quán)合成，其他的彩色基如強(qiáng)度、色調(diào)、飽和度基等可以由紅綠藍(lán)RGB值線性或非線性變換獲得[44]，對五種特征基進(jìn)行了實(shí)驗(yàn)比較。這五種基是：(1) {R, G, B}大多原始圖像未轉(zhuǎn)換前的信息就是以 RGB 為基的，因此可以直接利用。(2) {H, S, I} (41)其中， (42)(3) {X, Y, Z} (43)(4) {L, a, b}(318)、式(319)已給出。(5) {Y, Cr, Cb} (44) 火焰圖像分布模型將此前采集的火焰圖像用空間分布圖進(jìn)行數(shù)據(jù)采集，來分析夜間采集的火焰圖像和白天（包括陰天和晴天）采集的火焰圖像在各個(gè)色彩空間的顏色特征的共性。檢查其分布狀況，得到火焰圖像在每個(gè)顏色基下的顏色特征范圍及在每個(gè)顏色基下的分布圖，以作比較分析（各子空間的選取不重復(fù)，以實(shí)際有物理意義的為優(yōu)先考慮）。 a) 火焰圖像 b) 其它圖像 c) 其它圖像顏色提取結(jié)果圖41 火焰樣本和干擾樣本如圖41 b)中含有火焰顏色的物體，它也可以被當(dāng)作目標(biāo)而分割出來，如圖41 c)?？梢越y(tǒng)計(jì)出火焰樣本的空間分布圖，并與其它具有火焰顏色的干擾圖像作比較。 a) 火焰圖像 b) 其它圖像圖42 RG空間分布 a) 火焰圖像 b) 其它圖像圖43 GB空間分布 a) 火焰圖像 b) 其它圖像圖44 HS空間分布 a) 火焰圖像 b) 其它圖像圖45 SI空間分布 a) 火焰圖像 b) 其它圖像圖46 XY空間分布 a) 火焰圖像 b) 其它圖像圖47 YZ空間分布 a) 火焰圖像 b) 其它圖像圖48 ab空間分布 a) 火焰圖像 b) 其它圖像圖49 CbCr空間分布根據(jù)圖42至圖49的分布圖的火焰圖像分布圖，得出火焰圖像在每個(gè)空間的顏色特征范圍如表41所示，表41所統(tǒng)計(jì)的取值范圍為火焰顏色特征提取方法的分割提供了依據(jù)。表41 火焰顏色參數(shù)的取值范圍RGB117~25060~24540~200HSI0176。~360176。~180~255XYZ19~10149~25041~255Lab10~240130~180130~200YCbCr40~220140~19050~130 YCbCr空間分析從以上各彩色空間的分布情況來看，火災(zāi)火焰與其他目標(biāo)物體最具有明顯特征的可以說是在(Y,Z)空間和(Cr,Cb)空間。在(Y,Z)空間里，火焰的分布類似一條指數(shù)函數(shù)曲線，而在(Cr,Cb)空間里，火焰的分布接近正態(tài)。因此，可以分別用二次曲線擬合和正態(tài)分布求均值和標(biāo)準(zhǔn)差的方法來對他們進(jìn)行定量分析，以得出一定的分布規(guī)律用來判定[45,46]。這里著重使用火焰圖像在(Cr,Cb)空間里的特性作特征表述，即在(Cr,Cb)空間里使用正態(tài)分布參數(shù)評估的方法來提取彩色火焰的圖像特性。這里的分析方法借鑒了以前江漢大學(xué)數(shù)學(xué)學(xué)院在(Cr,Cb)彩色空間建立的膚色模型[47]，把火焰像點(diǎn)在(Cr,Cb)彩色空間上的分布圖與皮膚色像點(diǎn)在(Cr,Cb)彩色空間上的分布圖做比較，發(fā)現(xiàn)它們的分布圖非常相似[48]，可以認(rèn)為：火焰像點(diǎn)在(Cr,Cb)彩色空間上的分布接近于正態(tài)分布。而其它具有火焰顏色的干擾物體不具有正態(tài)分布的特性。如圖410 a)所示，Cr和Cb有各自相對于Y的正態(tài)分布特性。即火焰像點(diǎn)在二維的(Cr,Cb)空間大致服從正態(tài)分布，為了使圖像方便理解，圖411 a)為 Cr單獨(dú)相對于Y的圖形。 a) 火焰圖像 b) 其它圖像圖410 CbCr對Y的空間分布 a) 火焰圖像 b) 其它圖像圖411 Cr對Y空間分布用正態(tài)分布函數(shù)來定量分析，正態(tài)分布函數(shù)的表達(dá)式為： (45)其中，μx和μy 分別是 x和y 的均值，σx和σy 分別是 x和y 的樣本標(biāo)準(zhǔn)差。可以求出火焰圖像Cr的均值(mu_x)和方差(sigma_x)，Cb的均值(mu_y)和方差(sigma_y)。由式(46)得到F函數(shù)分布圖如圖412所示。 a) 火焰圖像 b) 其它圖像圖412 F函數(shù)分布圖 (46)也就是說，當(dāng)某一圖像中的Cr，Cb滿足在上述的均值和標(biāo)準(zhǔn)差的區(qū)間內(nèi)分布時(shí)，即Cr和Cb構(gòu)成的F(x,y)滿足類似上圖分布的時(shí)候，可以認(rèn)為已是火焰圖像。 火焰的動(dòng)態(tài)特征對人的視覺系統(tǒng)而言，物體的形狀是一個(gè)賴以分辨和識別的重要特征。用計(jì)算機(jī)圖像處理和分析系統(tǒng)對目標(biāo)提取形狀特征的過程就稱為形狀和結(jié)構(gòu)分析。經(jīng)過多次查找、分析和比較，本系統(tǒng)火災(zāi)動(dòng)態(tài)特征識別的依據(jù)就是現(xiàn)場的圖像的灰度、形狀、識別目標(biāo)的變化等。根據(jù)圖形理論，將這些特征量化，并歸一化處理，作為識別的判據(jù)[49]。本節(jié)所述為本系統(tǒng)選用的火災(zāi)判別的依據(jù)。除此之外，可供選擇的其他依據(jù)還有火焰尖角，火焰小波特征的提取，火焰的邊緣抖動(dòng)性，圖像的層次，圖像的骨架，火焰的連續(xù)性等。但這些特征的量化算法復(fù)雜，為后續(xù)的硬件設(shè)計(jì)增加了難度，或者根本不能量化(如圖像的骨架)。另外，這些判據(jù)有的還跟下列所選判決具有相當(dāng)強(qiáng)的相關(guān)性，不適合與其它判據(jù)同時(shí)使用。經(jīng)過分析，本系統(tǒng)采納了如下的火焰圖像動(dòng)態(tài)特征識別判據(jù)。 不規(guī)則性 根據(jù)火災(zāi)火焰形狀不規(guī)則，而大部分干擾源（如手電筒，白熾燈等）的形狀規(guī)整程度較高的特點(diǎn)，本文使用圓形度概念作為火焰判據(jù)之一。圓形度表征了物體形狀的復(fù)雜程度，其計(jì)算公式為：圓形度 = L2/(4πS) L—周長，S—面積 (47)周長為物體的邊界長度，可從邊界鏈碼中獲得。垂直的和水平的步幅為單位長度，對角步幅的長度為，兩個(gè)直角步還原成一個(gè)對角度，其步幅也為。按上述規(guī)則遍歷邊界鏈碼，即可算出邊界長度。面積通過統(tǒng)計(jì)所有可能煙霧區(qū)域像素點(diǎn)數(shù)獲得。圓形度對圓形物體取最小值1，物體形狀越復(fù)雜其值越大。具體步驟：(1) 對顏色檢測的結(jié)果采用操作數(shù)提取邊緣，提取邊緣鏈碼，算出S。(2) 計(jì)算圖像中可能煙霧區(qū)域的面積，即計(jì)算顏色檢測結(jié)果中所有被置為黑色的像素總數(shù)，得到L。(3) 計(jì)算圓形度，計(jì)算圓形度，并求出連續(xù)n幀圖像的平均值。 擴(kuò)散性火災(zāi)發(fā)生后，火災(zāi)區(qū)會(huì)呈不斷持續(xù)蔓延擴(kuò)大趨勢，火災(zāi)火焰的面積呈現(xiàn)連續(xù)的、擴(kuò)展性的增加趨勢。對應(yīng)攝像頭與探測到的目標(biāo)面積也會(huì)逐漸增大。因此，圖像上表現(xiàn)為高亮度區(qū)域持續(xù)增長，同時(shí)也反映了火焰在空間分布的變化。擴(kuò)散特性可以用后續(xù)火災(zāi)區(qū)面積與先前火焰區(qū)域的面積的比值 k 來表示，在一定參考時(shí)間內(nèi)，若 k 越小，表示擴(kuò)散特性越弱；反之，表示擴(kuò)散特性越強(qiáng)[50]。對于 CCD 攝取的火焰影像，由于其影像灰度值固定在某個(gè)閾值范圍內(nèi)，因此可以用上一章討論過的分割方法來獲得火焰目標(biāo)，然后掃描火災(zāi)窗口以獲得的像素點(diǎn)數(shù)目的多少來描述火焰的影像面積。本文采用的算法是計(jì)算連續(xù)幾幀圖像的火焰面積，并計(jì)算其比值，通過自定義一個(gè) k 值，并計(jì)算其連續(xù)多幀的平均值來判斷是否滿足面積增大判據(jù)?？紤]到在圖像處理中，面積是通過取分割后統(tǒng)計(jì)圖像的亮點(diǎn)數(shù)實(shí)現(xiàn)的。當(dāng)其它高溫物體向著攝像頭移動(dòng)或者是從視野外移入時(shí)，檢測到的目標(biāo)面積也會(huì)逐漸增大，極容易造成干擾，致使系統(tǒng)產(chǎn)生誤報(bào)警。因此，面積判據(jù)需要配合其它圖像特性使用。 相似性圖像的相似性描繪通常要借助于與已知描繪子的相似程度來進(jìn)行，這種方法可以在任何復(fù)雜的程度上建立相應(yīng)的相似性測度。它可以比較兩個(gè)簡單的像素，也可以比較兩個(gè)或兩個(gè)以上的景物。圖像相似性通常包括距離測度、相關(guān)性和結(jié)構(gòu)相似性。一般來說，可以用作相似測度的典型結(jié)構(gòu)描述子包括線段的長度、線段之間的角度、亮度特性、區(qū)域的面積、在一幅圖像中一個(gè)區(qū)域相對于另外一個(gè)區(qū)域的位置等等?；鹧娴男蛄袌D像從其幾何性質(zhì)上看具有相鄰幀圖像的邊緣不穩(wěn)定、相鄰幀圖像整體具有穩(wěn)定的相似性、圖像的相似度在一定的區(qū)間內(nèi)變化等規(guī)律。常見的干擾信號模式包括快速移動(dòng)的固定亮點(diǎn)或者大面積的光照變化等。因此，在火焰的識別中，可以考慮利用早期火災(zāi)的火焰形體相似度的變化規(guī)律，這種變化規(guī)律實(shí)際上就是火災(zāi)火焰相對于其它常見的干擾現(xiàn)象來說具有形狀變化的無規(guī)律性，但這種無規(guī)律性從其形體變化、空間變化、空間分布來說均具有一定的相似性，特別是對于間隔較短的連續(xù)幀圖像來說，每幅連續(xù)幀圖像的火焰形狀特性有著一定程度的相似。因此，可以用連續(xù)圖像的結(jié)構(gòu)相似性來描述這種規(guī)律，這是考慮到雖然火災(zāi)火焰呈現(xiàn)不斷發(fā)展變化的趨勢，可以采用計(jì)算連續(xù)幀互幀差相似度的方法來描述這一特征。設(shè)為目標(biāo)的二值化圖像序列。對中為1的像素進(jìn)行標(biāo)記，得到序列圖像中每幀中可能的火焰區(qū)域，i=1,2,…,N。當(dāng)發(fā)現(xiàn)可疑的火焰區(qū)域后，采用計(jì)算連續(xù)幀變化圖像的相似度的方法對火焰與干擾模式進(jìn)行分類。連續(xù)幀變化圖像的相似度定義為： i=1,2,…,N (48)求得若干個(gè)相似度以后，就要使用連續(xù)幾幀圖像的相似度的平均值作為判據(jù)。一般的，當(dāng)小于某個(gè)閾值時(shí)，即認(rèn)為待識別物體是快速運(yùn)動(dòng)的亮點(diǎn)。而當(dāng)子大于某個(gè)閾值時(shí)，即可認(rèn)為存在固定發(fā)光區(qū)域。當(dāng)在二個(gè)閾值之間時(shí)可以認(rèn)為該區(qū)域?yàn)榛鹧鎱^(qū)域。 穩(wěn)定性給定二維連續(xù)函數(shù)，下式定義了其pq階矩： (49)矩之所以能被用來表征一幅二維圖像是基于帕普利斯(Papoulis)唯一性定理：如果f(x,y)是分段連續(xù)的,只在xy平面的有限部分中有非零值，則所有各階矩皆存在，并且矩序列{Mpq}能唯一的被f(x,y)所確定，反之{Mpq}也唯一的確定f(x,y)。對于一幅二值化圖像f(i,j)，上述的條件可被滿足。所以可以定義其pq階矩為： (410)從矩出發(fā)可以定義幾個(gè)數(shù)字特征：質(zhì)心、中心矩、Hu矩組、扁度等等。從火焰識別的角度出發(fā)，本文采用了火焰圖像的質(zhì)心特征，用質(zhì)心表示其穩(wěn)定性。對于一幅火焰圖像，首先計(jì)算其質(zhì)心，表達(dá)式如下[51]： (411)計(jì)算圖像穩(wěn)定性的目的是考慮到火焰的形狀不斷變化這一獨(dú)特的性質(zhì)，反映在圖像的數(shù)字特征上即表現(xiàn)為其質(zhì)心也應(yīng)該是無序的變換，與此相對應(yīng)，如果同時(shí)有規(guī)律的變化如同時(shí)增大，則證明有高亮度的物體向攝像機(jī)方向移動(dòng)，這樣就可以將干