【正文】 度變化對圖像判別帶來的干擾，首先對背景圖像進(jìn)行動態(tài)調(diào)整，及時更新背景圖像，減少背景圖像與當(dāng)前圖像灰度的變化。為了提高系統(tǒng)對圖像的處理速度，對序列圖像作減法運(yùn)算。減法運(yùn)算主要用于檢測同一場景的兩幅圖像之間變化。此算法的運(yùn)算量不大，能滿足系統(tǒng)實(shí)時性的要求。 (31)F0為背景圖像，系統(tǒng)平常的大多情況屬無火災(zāi)狀態(tài)，只需作差值運(yùn)算粗略判斷有地異常情況，若有異常情況即時，系統(tǒng)會再作進(jìn)一步的判斷。在的情況下，首先對差值圖像序列Fi分割出變化區(qū)域，再進(jìn)行特征識別。在戶外的情況，背景經(jīng)常會受到光線和風(fēng)等自然因素影響而發(fā)生變化，噪聲和干擾是不可避免的。因此需要對算法進(jìn)行改進(jìn)，從而降低噪聲。用像素點(diǎn)周圍的其他像素點(diǎn)的特征來表征該像素的特征，有很多優(yōu)勢，它可以減少噪聲的干擾。在這里比較F0和F1中對應(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)來表示，然后進(jìn)行比較。即： (32) (33)上式中分別表示以，為中心的鄰域，N是鄰域中像素點(diǎn)的個數(shù)。若取以(i，j)點(diǎn)為中心，mn的鄰域，作為表示像素點(diǎn)(i，j)的表征域，那么，N=mn。當(dāng)比和的距離在某一特定的范圍內(nèi)，就可以認(rèn)為它們“相等”。由于是彩色圖像，使用歐氏距離作為判斷的標(biāo)準(zhǔn)。閾值的選取決定了異常情況的檢測的靈敏度。 圖像增強(qiáng)圖像的直方圖是圖像的重要統(tǒng)計(jì)特征，它可以認(rèn)為是圖像灰度密度函數(shù)的近似。直方圖雖然不能直接反映出圖像內(nèi)容，但對它進(jìn)行分析可以得出圖像的一些有用特征，這些特征能反映出圖像的特點(diǎn)。當(dāng)圖像對比度較小時，它的灰度直方圖只在灰度軸上較小的一段區(qū)間上非零，較暗的圖像由于較多的像素灰度值低，因此它的直方圖的主體出現(xiàn)在低值灰度區(qū)間上，其在高值灰度區(qū)間上的幅度較小或?yàn)榱?，而較亮的圖像情況正好相反。通常一幅均勻量化的自然圖像的灰度直方圖在低值灰度區(qū)間上頻率較大，這樣的圖像較暗區(qū)域中的細(xì)節(jié)常常看不清楚。為使圖像變清晰，可以通過變換使圖像的灰度動態(tài)范圍變大，并且讓灰度頻率較小的灰度級經(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態(tài)范圍內(nèi)趨于均化。事實(shí)證明，通過圖像直方圖修改進(jìn)行圖像增強(qiáng)是一種有效的方法?！【鶆蛄炕淖匀粓D像的灰度直方圖通常在低值灰度區(qū)間上頻率較大，使 得圖像中較暗區(qū)域中的細(xì)節(jié)常?？床磺宄榱耸箞D像清晰，可將圖像的灰度范圍拉開，并且讓灰度頻率較小的灰度級變大，即讓灰度直方圖在較大的動態(tài)范圍內(nèi)趨于一致。　 a) 原圖像 b）原圖像RGB直方圖圖31 原圖像及其直方圖 a) 增強(qiáng)后圖像 b) 增強(qiáng)后圖像RGB直方圖圖32 增強(qiáng)后圖像及其直方圖用圖像f(x,y)的直方圖代替灰度的分布密度函數(shù)pf (f)，則直方圖均化后的圖像g為： (34)對于數(shù)字圖像，可以對上述公式做離散近似。若原圖像f(x,y)在像素點(diǎn)(x,y)處的灰度為，則直方圖均化后的圖像g(x,y)在點(diǎn)(x,y)處的灰度為： (35)圖32 a)是產(chǎn)生火焰的圖31 a)的直方圖均化，并且由圖31 b)和圖32 b)的直方圖可以看出，在直方圖調(diào)整之前，低灰度的比例很大，經(jīng)過直方圖均化后，各灰度等級的比例更加平衡。 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。該算法比較簡單，適用范圍較廣，是一種受到關(guān)注的閾值選取方法。同樣，設(shè)原始灰度圖像的灰度級為，灰度為的像素點(diǎn)數(shù)為，圖像的全部像素為，那么閾值計(jì)算過程如下：(1) 計(jì)算輸入圖像灰度級的歸一化直方圖，用表示，且有，；(2) 計(jì)算灰度均值 (36)(3) 用閾值將灰度級劃分為兩類，包含灰度級的像素，包含灰度級的像素。和的發(fā)生概率和由式(37)得， (37)(4) 計(jì)算類和的灰度均值和，方差和可分別由式(38)和(39)計(jì)算得出， (38), (39)其中t=0,1,…,L1 a) 原圖像 b) 閾值法分割出的火焰區(qū)域 c) 閾值法分割結(jié)果圖33 不同場景下最大類間方差閾值法分割結(jié)果(5) 計(jì)算類間方差 (310)對于類間方差來說，和可以分別代表背景和目標(biāo)的中心灰度，要使目標(biāo)和背景得到最好的分割，當(dāng)然希望兩者的差值盡量大，及或盡量大，從而類間方差的值越大。因此，以類間方差作為衡量不同閾值導(dǎo)出的類別分離性能的測量準(zhǔn)則。極大化的過程就是自動確定閾值的過程。(6) 求(t=0,1,L1)的最大值，并將對應(yīng)的值作為閾值，即 (311)這種方法計(jì)算效率高，應(yīng)用廣泛，對直方圖呈雙峰狀的圖像具有很好的分割效果。在夜間，背景單一，火焰與背景區(qū)別較明顯，因此采用傳統(tǒng)的灰度閾值法就可以得到理想的效果。如圖33是針對不同場景下夜間森林起火的分割結(jié)果。 特征空間聚類法聚類法指的是根據(jù)物體的某些屬性把這些物體按類分組[36]。在圖像分割中，希望用那些從看起來相似的區(qū)域中抽取出的特征矢量來形成特征空間中的組，稱為聚類[37]。如果考慮把圖像分成K組，那么分割標(biāo)記段，可以是每個像素上K個值中的一個，如 l=1,2,…,k 。對于標(biāo)量特征來說，如像素密度，聚類可以被認(rèn)為是確定K1個閾值的方法，以這K1個閾值定義了一維特征空間的判決邊界。對于M維矢量特征來說，分割對應(yīng)于把M維特征空間分解成K個區(qū)域。聚類的標(biāo)準(zhǔn)過程是把每次采樣賦給最接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(shè)以像素的灰度值為基礎(chǔ)，把一幅圖像分割成K個區(qū)域。 假設(shè)是一幅圖像的灰度級，K均值方法的目的是使性能指標(biāo)達(dá)到最小，性能指標(biāo)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(biāo)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(biāo)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(guān)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(jié)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(jié)果圖34 閾值法與聚類法分割結(jié)果比較當(dāng)背景稍微復(fù)雜或有微弱光線時，閾值法的分割結(jié)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(jié)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(jìn)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(jié)果圖35 不同場景下聚類法火焰分割結(jié)果 顏色提取法在白天光線充足背景較復(fù)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(lán)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(yīng)的RGB值關(guān)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(diǎn)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?；鹧娴念伾崛≈髸嬖谠肼?，因此采用中值濾波進(jìn)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(jìn)行中值濾波去噪后的結(jié)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(jìn)行中值濾波去噪后的結(jié)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(chǔ)上有一定范圍內(nèi)的調(diào)整，但調(diào)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?qū)D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(zāi)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(shí)際統(tǒng)計(jì)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(jié)果。 (a) 原圖像 （b）分割結(jié)果圖36 不同季節(jié)的火焰顏色提取結(jié)果 a) 原圖像 b) 煙霧顏色提取并去噪結(jié)果圖37 不同場景下煙霧顏色提取結(jié)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(diǎn)在空間上的分布是連續(xù)的；(2)在顏