【正文】 聚類需要給出分類數(shù)，而且初始化每個類的中心；C均值聚類只需給出分類數(shù)，可自動確定分類中心。分類準確率高，其中改進各向異性擴散的效果最好。 當時，會出現(xiàn)奇異值，隸屬度不能用(3)式計算。 第 k個樣本到第i類中心的距離定義為：其中，A為的正定矩陣，當時，即為歐氏距離。運算量大，機時長。模糊聚類圖像分割的優(yōu)點是直觀、實現(xiàn)容易。因此,算法能否收斂取決于樣本的特性和其能夠形成不同區(qū)域的個數(shù)。各種圖像預處理再用K均值聚類的運行時間如下：預處理方法原圖灰度化開運算灰度化閉運算均值濾波中值濾波高斯濾波各向異性擴散改進各向異性擴散邊緣增強改進各向異性擴散改進邊緣增強改進各向異性擴散K均值聚類運行時間(ms)15151616151615151516K均值聚類算法的優(yōu)點是:它能夠動態(tài)聚類,具有一定的自適應性。 對醫(yī)學圖像進行分析，發(fā)現(xiàn)分成骨頭、肌肉、皮下組織、背景四類比較好，灰度值分別約為2150、0。 (3) 計算各聚類中心的新向量值:式中 為 所包含的樣本數(shù)。 (1)選取K個聚類中心:(上角標記為聚類中的迭代次數(shù))。圖像分割是圖像處理和視覺研究中的基本技術 ,是大多數(shù)圖像分析及視覺系統(tǒng)的重要組成部分。彩色圖像的分割主要有兩個方面，一是選擇合適的彩色空間；二是采用合適的分割策略和方法。通過圖像分割，提取要分析和識別的目標物體。常用的圓形度指標是，即周長的平方與面積的比，這個特征對圓形形狀取最小值，物體形狀越復雜其值越大。定義3 圓形度：圓形度是反映圓形程度的指標，因為它們在對圓形形狀計算時取最小值。一個物體的周長可表示為：式中，和分別為邊界鏈碼中的偶數(shù)步與奇數(shù)步的數(shù)目。的轉彎，從而夸大了周長值。與這個定義相對應，周長就是圍繞所有這些像素的外邊界的長度。 、形狀特征結合火災圖像的特點，我們定義幾種反映物體形狀特征的形狀參數(shù)，然后再根據(jù)具體問題考慮度量方法和采用什么樣的特征向量。與顏色直方圖相比，該方法的簡便之處在于無需對顏色特征進行向量化。這種方法的數(shù)學基礎在于圖像中任何的顏色分布均可以用它的矩來表示。LMS第一步：LMS 224。224。LMS 第三步：RGB224。的轉換過程如下： 第一步：RGB224。結合火災圖像的特點，我們主要從顏色特征和形狀特征分別論述。形狀特征主要描述目標區(qū)域的幾何性質，物理意義明確，計算簡單。所以火焰的整體移動是連續(xù)的、非跳躍性的。分層變化特性體現(xiàn)了不同灰度級的像素點在空間的分布規(guī)律。火災中的燃燒屬于擴散燃燒，擴散燃燒火焰都有明顯的分層特性，如蠟燭火焰可分為焰心、內焰、外焰三層。在數(shù)字圖像中就是灰度級直方圖隨時間的變化規(guī)律，這個特性體現(xiàn)了一幀圖像的像素點在不同灰度級上的頒情況隨時間的變化。在圖像處理中，形體變化特性是通過計算火焰的空間分布特性，即像素點之間的位置關系來實現(xiàn)的。3)形體變化：早期火災火焰的形體變化反映了火焰在空間分布的變化。精確的方法是用邊緣檢測和邊緣搜索算法將邊緣提取出來，根據(jù)邊緣的形狀、曲率等待性對邊緣進行編碼，再根據(jù)編碼提取邊緣的特征量。因此，面積判據(jù)需要配合其它圖象特性使用。在圖像處理中，面積是通過取閾值后統(tǒng)計圖像的亮點(灰度值大于閾值)數(shù)實現(xiàn)的。以下是圖像型火災探測方法中用到的圖像信息：1)面積變化：早期火災是著火后火災不斷發(fā)展的過程。抓住火災的這些特點可以為火災的識別打下良好的基礎。這個階段火焰的圖像特征就更加明顯。這種燃燒必然會產(chǎn)生相應的熱物理現(xiàn)象，就早期火災探測而言，我們關心的是這些熱物理現(xiàn)象所表現(xiàn)出怎樣的圖像信息。6) 根據(jù)目標圖得到輸出圖像上各點的分量、根據(jù)得到源彩色圖像上與它匹配點的、分量，將此三個分量轉換到RGB顏色空間得到最終彩色化圖像。4) 用掃描線掃描目標圖像，目標圖像中任意一點與源圖像中每次隨機生成有效位置的300個點進行下面式子計算：其中為各候選像素與目標圖像像素的匹配誤差，為源圖像上的候選像素，為目標灰度圖、分別為、的亮度值；、分別為、點的鄰域所有像素亮度值的標準偏差。3) 使用矩陣記錄源圖像上與目標圖像相應點匹配的點的坐標。下面給出顏色遷移算法的基本實現(xiàn)：假設源彩色圖像為src,尺寸為，分割后目標灰度圖為target,尺寸也為,算法的具體過程如下：1) 用Reinhard的方法將源圖像和目標圖像從RGB空間轉換到空間，并使用以下公式對源圖像的每個像素進行亮度重映射：其中、分別為源圖像和目標圖像所有像素亮度的平均值，、分別為源圖像和目標圖像中所有像素亮度值的標準偏差，為源圖像被處理像素的亮度值，為重映射后該像素的亮度值。它本身還是一個抗相關的顏色空間，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行獨立的計算，而不會引起人為的痕跡。那么根據(jù)以上的調整函數(shù)，考慮到火災圖片的顏色特征含有較高的Cr，應該也可以構造相應的顏色分量調整函數(shù)放大Cr，Cb之間的對比度突出疑似火焰區(qū)域，從而達到敏感區(qū)域分割定位的目的。所以在RGB空間中，考慮將疑似火的彩色區(qū)域通過分量的經(jīng)驗閾值分割出來，再進一步進行特征提取。 圖像分割(1) 基于彩色傳遞的掩摸分割法鑒于云臺監(jiān)測采集圖像時俯角和轉角不斷的變化，目前國內外的一些分割技術無法適用，比如幀差法。7圖像預處理效果比較現(xiàn)在把所有的預處理方法得到的結果進行比較。我們在此采用的結構元素b(x, y)是一個具有單位高度的3*3像素的平行六面體，使用上述方法對一個灰度圖像進行處理。進行這兩種操作后的最終結果是除去或減少了局部亮的和暗的影響因素或噪聲。所以從直觀上看，灰度圖像的開運算和閉運算具有聚類的功能，即能夠把圖像中某個范圍內灰度相近、數(shù)量占優(yōu)勢的圖像信息聚到一起，從而使得圖像信息不易丟失。開運算是沿著f(x, y)曲面的下側面滾動，而閉運算是沿著f(x, y)曲面的上側面滾動?？梢杂脕硖畛湮矬w內細小空洞、平滑其邊界的同時并不明顯改變其面積。先進行的膨脹可以去除一些小的暗的細節(jié)同時會讓圖像更加明亮；其后的腐蝕操作又去除一些小的亮的細節(jié)，并且會減小圖像的亮度，同樣不會引入前一膨脹操作所去除的部分。可以用來消除細小物體、平滑較大物體的邊界的同時并不明顯改變其面積。先進行的腐蝕可以去除一些小的亮的細節(jié)同時會讓圖像更加陰暗；其后的膨脹操作又去除一些小的暗的細節(jié)，并且會增加圖像的亮度，但不會引入前一腐蝕操作所去除的部分。圖像陰暗的程度同樣取決于結構元素的大小及形狀。 從上式中同樣可看出，如果結構元素b(x, y)為正值，圖像的灰度值趨向于減小。圖像明亮的程度與結構元素的大小以及形狀有很大關系。 從上式中可以看出，如果結構元素b(x, y)為正值，圖像的灰度值趨向于變大。b(x, y)在某種意義上可以看成是一個子圖像函數(shù)，而f和b代表圖像中每一個(x, y)坐標的灰度值。一般的形態(tài)學圖像處理的對象是二值圖像，而將這個概念擴展到灰度圖像，即用灰度形態(tài)學處理技術，將達到更佳的圖像預處理效果。形態(tài)學運算的效果取決于結構單元的大小、內容以及邏輯運算的性質。形態(tài)學處理表現(xiàn)為一種鄰域運算的形式。通過集合論的術語以及圖形描述就可以表示形態(tài)學的各種處理過程。 。 閉運算是先膨脹后腐蝕，即。 開運算是先腐蝕后膨脹，即。用公式表示為：。 設有圖像A，有一個點，將A平移后的結果是，把A中所有元素的橫坐標加，縱坐標加，即令變成，所有這些點構成的新的集合稱為A的平移。 設有圖像X，所有X區(qū)域以外的點構成的集合稱為X的補集，記作。若存在這樣一個點，它既是A的元素，又是X的元素，則稱A擊中X. 設有圖像A、X。對于A中所有的元素，都有，則稱A包含于X。 二值化灰度圖像 、膨脹、開運算、閉運算 設有圖像X,若點a在X的區(qū)域以內，則稱a為X的元素。另外為了防止背景子區(qū)由于這種方法求出的閾值過低而引入噪聲，還加入一個判定條件，即某塊的閾值保證了背景塊能夠從前景中分離出來。具體做法是：將灰度圖像分成若干個的子區(qū)。 采用固定閾值的方法進行二值化也可以取得較好效果，但當灰度圖像灰度不均勻時，判斷分析法二值化效果與固定閾值法相差較小。動態(tài)閾值法，僅是一個變換方法，即在一個的子塊中，所有具有灰度級超過平均灰度值到255的數(shù)據(jù)點變換1，而另一些低于平均灰度值的數(shù)據(jù)點則變換到0。因此，在對灰度圖像進行二值化的過程中，如果選用全局閾值法顯然是不合適的。不同的灰度圖像，其灰度深度是存在差異的。閾值的選擇主要可以分為兩類，全局閾值和局部閾值。圖像的二值化的具體辦法是：通過設定閾值，把灰度圖像變換成僅用兩個值來分別表示的圖像目標和圖像背景的二值圖像，其中目標取值為1，背景取值為0。根據(jù)YUV的顏色空間，Y分量的物理含義就是亮度，它含了灰度圖的所有信息，只用Y分量就完全能夠表示出一幅灰度圖來，YUV和RGB之間有著如下的對應關系：利用上式，可以求出：根據(jù)R、G、B的值求出Y值后，將R、G、B值都賦值成Y，就能表示出灰度圖來，就能將24位真彩色圖轉灰度圖。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。 2) 計算高斯的掩碼權重矩陣來得到一組高斯濾波器。 5) 大的高斯濾波器可以通過兩個方向分別進行運算而達到，這樣就節(jié)省了計算卷積的時間。 4) 平滑的程序是由高斯函數(shù)的方差決定的。 2) 高斯函數(shù)只有一個波峰，這樣對于像邊緣這樣的屬性反而會有加強而不會有弱。這樣，對于一個圖象的各個方向上的平滑效果是均衡的。計算中值濾波的值，先把， ， ，九個點的灰度值看成一個數(shù)列{2，4，5，3，10，3，4，3，4}，排序{2，3，3，3，4，4，4，5，10}，取中值4，的值為4 。一個點，和它周圍的點形成的窗口，把在窗口中的所有點的像素組成一個數(shù)列：，表示第點的灰度值，把這個數(shù)列進行排序，取中間值，把它看作該點的灰度值。 均值濾波后的圖像 圖片被噪聲污染后，噪聲通常是孤立的點，而且噪聲的灰度通常比周圍像素高或都低，所以，通過中值濾波，可以有效的消除高頻和低頻的噪聲。八鄰域效果比四鄰域好。若一幅有個像素的圖像，經(jīng)均值濾波后得到一幅圖像，則：其中，S是點鄰域中心的點的集合，但是其中不包括點，N是集合內點的總數(shù)。1 均值濾波是一種在空間域上對圖像進行平滑處理的最常用方法。將信號的低頻部分通過，而阻截高頻的噪聲信號。在假定加性噪聲是隨機獨立分布的條件下，利用鄰域的平均或加權平均可以有效的抑制噪聲干擾。從而為后續(xù)的細胞圖像分割做準備。由于多種因素的影響，圖像的質量都會有所下降，為了消除對火災圖像正確識別的影響，需要對圖像進行一些預處理。圖像型火災探測技術要求分割算法有較高的準確率和較好的實時性，如何利用火災圖像的特點，研究出滿足圖像型火災探測需求的分割算法將是今后的發(fā)展方向。然而，經(jīng)驗閾值需要通過對大量火災圖像進行實驗來獲取，而且火災圖像在獲取過程中因天氣、環(huán)境等變化，閾值需要不斷調整。TaiFang Lu利用HSI空間的I分量來區(qū)分火與非火區(qū)域，當背景亮度較低時才能取得較好的效果。但是，這些方法在分割火災圖像時多數(shù)是在灰度化的基礎上進行的，過早地丟棄了火焰的彩色信息，從而導致無法準確區(qū)分火與自然光等高亮物體。 以上方法需要兩幀或多幀圖像，若背景圖像選取的不合適，很難準確提取出火焰區(qū)域，而單幀圖像分割法可以克服以上方法的不足。幀差法的基本思想是通過前后兩幀圖像相減來提取運動區(qū)域，但在火災發(fā)生初期，火燃燒緩慢，使得前后相鄰幾幀的火災圖像變化不明顯，因此在火災初期利用幀差法提取出完整的火焰區(qū)域?？紤]用數(shù)字圖像處理技術提取火災圖像深層次信息的特征，再對這些特征進行識別以判斷火災是否發(fā)生，將常規(guī)方法與人工智能結合以降低成本、實現(xiàn)火災的早期報警。綜上所述，當前圖像型火災探測還存在一些問題，尚待深入研究解決。中國科技大學的火災科學國家重點實驗室研制出的LA100型雙波段大空間早期火災智能探測系統(tǒng)通過了有關方面的驗收，已經(jīng)在國內的一些單位使用。其中西安交通大學圖像處理與識別研究所研制的自動火災監(jiān)控系統(tǒng)采用了950nm~2000nm波段的紅外CCD傳感器，僅有該波段的紅外輻射形成視頻信號，火焰燃燒時的紅外輻射主要集中于上述波段范圍，其它波長的干擾信號被極大地衰減。該系統(tǒng)以視頻運動檢測軟件為主體，使用了各種濾波器技術，并與人工智能相結合，該系統(tǒng)可以用來對電站內的火災進行監(jiān)控。例如ECP公司的森林火災監(jiān)控系統(tǒng)，利用計算機視覺和模式識別的理論，采用模式識別算法，可以對4千米以外的林火在短時間內進行識別并發(fā)出警報；Bosque公司的BSDS系統(tǒng)采用紅外和普通攝像機的雙波段監(jiān)控，在準確識別森林火災的同時還可以區(qū)別其他現(xiàn)象的干擾，誤報率較低。因此，利用圖像進行火災探測有自己獨特的優(yōu)勢?；趫D像處理的森林火災監(jiān)測技術利用攝像頭對現(xiàn)場進行監(jiān)視，同時對獲得的圖像進行圖像處理和分析，通過早期的火災火焰的特征來探測火災，將大火扼殺在萌芽狀態(tài)，同時火災預測系統(tǒng)和森林GIS系統(tǒng)集成一體將有利于消防人員用最短時間到達火災現(xiàn)場，很大程度上減少森林火災的的損失，對于森林的防火，煙火事故的預警和消防有重大的意義。但是對于大面積的森林，依靠地面人力和飛機監(jiān)測，不但費用高，而且工作十分繁雜，特別是對于盲區(qū)的監(jiān)測精度很低，因此大空間的火災監(jiān)測技術一直受到人們的普遍重視。課題的目的及意義大空間的火災監(jiān)控技術是世界各國火災科學及消防科技工作者關注的課題之一。傳統(tǒng)的火災監(jiān)測方法是感煙、感溫、感光探測器以及紅外對射探測，還有現(xiàn)在比較流行的衛(wèi)