【正文】 近聚類平均值的那組。 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。下面，描述K均值算法，假設以像素的灰度值為基礎，把一幅圖像分割成K個區(qū)域。 假設是一幅圖像的灰度級，K均值方法的目的是使性能指標達到最小，性能指標為： (312) 其中，表示第 i 次迭代后賦給聚類的一組采樣，表示第個聚類的平均值。該指標是度量每次采樣與它們各自的聚類平均值間的距離之和。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。(2) 在第 i 次迭代中，根據(jù)下列關系，把每個像素賦給K個聚類中的一個。 ∈ (313)對于所有的l, l=1,2,…,k,，其中表示一組采樣，這些采樣的聚類中心是。也就是說，把每次采樣賦給最接近聚類平均值的那組。(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。 l=1,2,…,k (314)其中，是中采樣數(shù)。(4)如果對于所有的l, l=1,2,…,k, ，那么算法收斂，并且過程中止。否則，跳到第2步繼續(xù)執(zhí)行。 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。在聚類算法中，彩色圖像分割的效果極大地取決于聚類中心的選擇，這里是利用RGB三分量的直方圖確定峰值的聚類中心。 a) 原圖像 b) 聚類法分割出的火焰區(qū)域 c) 聚類法的分割結果圖35 不同場景下聚類法火焰分割結果 顏色提取法在白天光線充足背景較復雜的情況下，采用火焰顏色特征提取的方法分割火焰圖像。一般情況下，火焰呈現(xiàn)出不同的顏色，主要集中在暗紅色、紅色、橙色、黃色、白色、藍色這些顏色中。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]。相應的RGB值關系：，同時，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。像素點的RGB值和HSI值同時滿足式(315)條件，則判定為火焰像素，其中，H 的取值范圍為0176。~ 360176。，S 的取值范圍為0~1，I 的取值范圍為0~255。火焰的顏色提取之后會存在噪聲，因此采用中值濾波進行去噪。圖36為利用火焰顏色特征提取方法分割出的火焰再進行中值濾波去噪后的結果。 (315)圖36 a)為自然環(huán)境中春夏秋冬四個季節(jié)的四種基色下的火焰圖像，圖36 b)為利用火焰顏色特征提取方法分割出的火焰再進行中值濾波去噪后的結果，在不同的環(huán)境基色下，火焰提取的閾值在式(315)規(guī)則的基礎上有一定范圍內的調整，但調整幅度不大。 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]。在自然光的照射下，火災煙霧顯現(xiàn)白色、黑色、灰色，而這些顏色在RGB空間中，R、G、B三分量基本相等，根據(jù)燃燒物、燃燒溫度以及光照情況的不同，煙霧的顏色亮度不同，它可以被HSI空間中的I分量所表述，因此煙霧的彩色特征可以被式(316)規(guī)則所描述[40]。 (316)在式(316)中均來源于實際統(tǒng)計資料，一般取15~20，分別取80和220。如果滿足以上條件則判斷可能出現(xiàn)煙霧。與火焰的顏色提取相同，煙霧分割同樣采用中值濾波去噪。圖37為森林的不同場景下煙霧的顏色提取結果。 (a) 原圖像 （b）分割結果圖36 不同季節(jié)的火焰顏色提取結果 a) 原圖像 b) 煙霧顏色提取并去噪結果圖37 不同場景下煙霧顏色提取結果 基于視覺一致性聚類法所謂顏色的視覺一致性，是指顏色空間中相似的顏色在人類看來也是相似的[41]，它有兩個方面的含義：(1)對于自然圖像，具有相似顏色的像素點在空間上的分布是連續(xù)的；(2)在顏色空間中顏色的變化是光滑的。也就是說，當表示像素點顏色的三元組坐標連續(xù)變化時，在人類看來顏色的變化也是連續(xù)的[42]。CIE Lab彩色空間是CIE在1976年提出的，其目的是為了使人所感知的顏色差與此彩色空間中兩種顏色的歐式距離相關，這也是CIE Lab彩色空間的最大優(yōu)點[43]。其計算公式如下： (317)當時， (318)其他情況則為： (319)其中，。等色空間上的顏色距離與色差是成正比的，該空間中色差定義為： (320)當NBS距離小于一定閾值時，人類視覺認為它們是相似的。表31 人類視覺與NBS 顏色距離度量的對應關系NBS單位色差值感 覺 色 差 程 度～（微小色差）感覺極微（minimal）～（小色差）感覺輕微（slight）～3（較小色差）感覺明顯 （noticeable）3～6（較大色差）感覺很明顯（appreciable）6以上（大色差）感覺強烈（much）根據(jù)NBS顏色度量，將具有視覺相似的顏色的像素點聚類到一起，而將具有顯著不同顏色的像素點歸并到不同的類。從而檢測出煙霧區(qū)域。分割一個特定彩色范圍的物體，根據(jù)煙霧顏色特征，給定彩色范圍內的樣本點，這里利用式(316)煙霧的顏色特征來選取樣本點，獲得一個“平均”的顏色估計。這種平均色用RGB列向量m來定義。分割的目的是對圖像中的每一個RGB像素進行分類，使其在指定的范圍內有一種顏色或沒有顏色，因此需要一個相似性度量。令z表示RGB空間的任意點。若z和m之間的距離小于指定的閾值T，則z相似于m。z和m之間的歐幾里得(Euclidean)距離由下式給出： (321)其中是參量的范數(shù)，下標R、G和B表示向量m和z的RGB分量。的點的軌跡是一個半徑為T的實心球體，如圖38 a)所示。包含在求內部及表面的點滿足特定的彩色準則。 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。的點的軌跡描述了一個實心的三維橢球體，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)擴展方向上。聚類算法的距離度量采取馬氏(Mahalanobis)距離，該方法點的軌跡描述了一個實心三維橢球體，它的重要屬性是其主軸取在最大的數(shù)據(jù)擴展方向上。在擴展三維彩色數(shù)據(jù)時使用橢球時會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) 顏色提取結果 c) 視覺一致性分割結果 圖39 煙霧分割的兩種算法的結果比較 圖39為利用顏色提取和改進后的基于視覺一致性的聚類算法的提取結果?？梢姡捎跓熿F顏色在一定范圍內的復雜性，有時利用顏色提取法會產生某些分割區(qū)域的缺失，而采用改進后的算法則更完整更準確的分割出了煙霧區(qū)域。 本章小結本章首先介紹了利用實時背景差分的方法進行異常情況的檢測，當發(fā)現(xiàn)有異常情況時，進行下一步的火焰和煙霧的識別。重點介紹了火焰和煙霧的分割方法，采用直方圖均化的方法進行火焰增強，并采用中值濾波的方法對火焰和煙霧的分割圖像進行去噪。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，針對背景復雜的情況，分割圖像有時也會帶有噪聲，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，改進的算法使分割區(qū)域更完整。第4章 火焰與煙霧的特征識別 引言火災中的燃燒過程是一個典型不穩(wěn)定過程。由于可燃物、環(huán)境和氣候的影響，火災燃燒過程要比一般動力裝置中的燃燒過程更為復雜，具有多種表征參數(shù)。同時，火災現(xiàn)場存在各種干擾因素，如陽光、照明燈等都會影響識別的結果。如果想通過單一參數(shù)的測量進行早期火災探測，很難獲得較高的準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)進行火災圖像的識別判斷。在早期火災階段，火焰是一個發(fā)生發(fā)展的過程。這個階段火焰的圖像特征就更加明顯，不同時刻火焰的形狀、面積、輻射強度等都在變化。本章主要針對火災視頻圖像中亮點區(qū)域較小、背景區(qū)域較大的特點，利用分割提取出來的疑似區(qū)域，統(tǒng)計火焰和煙霧的各項特征，進一步降低系統(tǒng)的誤報率。 火焰的顏色特征經(jīng)過彩色圖像的分割以后，開始著重對其目標進行分析以判定其是否為火災火焰。這里用到的方法是把目標放入不同的彩色空間中看其是否滿足一定的規(guī)律，來推導出一個有效的判定方法。 各色彩空間比較彩色圖像每個像素點的顏色通常由紅綠藍三值加權合成，其他的彩色基如強度、色調、飽和度基等可以由紅綠藍RGB值線性或非線性變換獲得[44]，對五種特征基進行了實驗比較。這五種基是：(1) {R, G, B}大多原始圖像未轉換前的信息就是以 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顏色基下的顏色特征范圍及在每個顏色基下的分布圖，以作比較分析（各子空間的選取不重復，以實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，它也可以被當作目標而分割出來，如圖41 c)?？梢越y(tǒng)計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空間的顏色特征范圍如表41所示，表41所統(tǒng)計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，火災火焰與其他目標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)分布求均值和標準差的方法來對他們進行定量分析，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數(shù)學學院在(Cr,Cb)彩色空間建立的膚色模型[47]，把火焰像點在(Cr,Cb)彩色空間上的分布圖與皮膚色像點在(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]，可以認為：火焰像點在(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