【正文】 工巡邏檢查的方式[6]。本系統(tǒng)利用塔上現(xiàn)有裝備即短波無(wú)線(xiàn)電臺(tái)，在塔上搭建遠(yuǎn)程圖像捕捉系統(tǒng)，利用嵌入式系統(tǒng)實(shí)現(xiàn)圖像壓縮，并對(duì)壓縮后的圖像數(shù)據(jù)流根據(jù)無(wú)線(xiàn)傳輸特性重新編碼，并通過(guò)數(shù)字調(diào)制解調(diào)器，將數(shù)字信息調(diào)制到短波語(yǔ)音信道，傳輸?shù)街笓]中心。圖11森林防火系統(tǒng)框圖系統(tǒng)的整體硬件設(shè)計(jì)框圖如圖11所示。本文主要研究可見(jiàn)光條件下普通CCD攝像頭獲取的圖像。指揮中心可發(fā)送相關(guān)控制指令，調(diào)整檢測(cè)點(diǎn)圖像設(shè)備切換及檢測(cè)角度變換等。傳統(tǒng)火災(zāi)探測(cè)方法中最常用的有感煙探測(cè)、感溫探測(cè)和復(fù)合型探測(cè)?；馂?zāi)發(fā)生后，溫度較高的火災(zāi)煙氣向上運(yùn)動(dòng)，安裝于頂棚上的感煙探測(cè)器探測(cè)到煙氣的濃度大于某一極限濃度，就會(huì)發(fā)出報(bào)警信號(hào)。另外，長(zhǎng)期的粉塵環(huán)境和過(guò)大的濕度也會(huì)使離子感煙型探測(cè)器失效，產(chǎn)生誤報(bào)警或不報(bào)警。由于空間高度或空氣的流動(dòng)等原因，使火災(zāi)高溫氣體無(wú)法到達(dá)頂棚，此時(shí)感溫火災(zāi)探測(cè)器將無(wú)法發(fā)揮正常的作用。復(fù)合型火災(zāi)探測(cè)器并沒(méi)有完全消除以上的缺點(diǎn)，僅僅增加了判據(jù)的數(shù)目，使探頭的整體性能稍有改善，但仍無(wú)法應(yīng)用于大空間或自然環(huán)境的火災(zāi)的探測(cè)報(bào)警。但由于火災(zāi)發(fā)生的不確定性和多變性，傳統(tǒng)火災(zāi)探測(cè)器不可避免地要受到監(jiān)控環(huán)境因素的影響，這些影響在森林火災(zāi)監(jiān)測(cè)中更加明顯，需要進(jìn)一步研究新的方法[10]。意大利研制成功能感知120平方英里范圍內(nèi)火災(zāi)引起溫度變化的林火監(jiān)測(cè)系統(tǒng)。這種監(jiān)測(cè)器能以每分鐘旋轉(zhuǎn)360度的轉(zhuǎn)速對(duì)林區(qū)進(jìn)行掃描，如果在連續(xù)3次的旋轉(zhuǎn)中均發(fā)現(xiàn)地面溫度升高，便發(fā)出火災(zāi)警報(bào)。由控制地面站接受飛機(jī)上的電腦資料，然后傳給滅火指揮部和前方滅火營(yíng)地。采用常規(guī)的瞭望塔、護(hù)林塔和飛機(jī)監(jiān)測(cè)火情是我國(guó)常規(guī)的火災(zāi)監(jiān)測(cè)方法，但是受監(jiān)測(cè)范圍、時(shí)次有限和費(fèi)用高昂的約束，尤其在人跡罕見(jiàn)的原始林區(qū)，它們的作用受到限制。 圖像型火災(zāi)檢測(cè)的研究現(xiàn)狀隨著計(jì)算機(jī)科學(xué)和圖像處理技術(shù)的發(fā)展，人們發(fā)現(xiàn)可燃物在燃燒時(shí)會(huì)放出頻率范圍從紫外到紅外的光波，在可見(jiàn)光波段，火焰圖像具有獨(dú)特的色譜、紋理等方面的特征，使之在圖像上明顯的區(qū)別于背景。根據(jù)燃燒學(xué)的原理，在火焰燃燒時(shí)，其放出的能量95%集中于紅外波段。當(dāng)檢測(cè)到火災(zāi)發(fā)生時(shí)，根據(jù)計(jì)算機(jī)視覺(jué)原理知識(shí)，通過(guò)攝像頭所獲取的紅外圖像和彩色圖像來(lái)判斷火災(zāi)的發(fā)生，從而實(shí)現(xiàn)智能監(jiān)控[11]。圖像信息的豐富和直觀(guān)，更為早期火災(zāi)的辨識(shí)和判斷奠定了基礎(chǔ)，其它任何火災(zāi)探測(cè)技術(shù)均不能提供如此豐富和直觀(guān)的信息。圖像檢測(cè)的關(guān)鍵器件像敏感組件通過(guò)光學(xué)鏡頭與外界只發(fā)生了間接接觸[12]。 火焰與煙霧圖像特征分析光輻射是一種電磁波，其波長(zhǎng)在1nm到lmm之間。而波長(zhǎng)小于400nm的電磁波被稱(chēng)為紫外線(xiàn)，波長(zhǎng)大于750nm的電磁波被稱(chēng)為紅外線(xiàn)。在燃燒過(guò)程中，火焰會(huì)呈現(xiàn)出不同的顏色。在早期火災(zāi)階段，火焰的從無(wú)到有是一個(gè)發(fā)生發(fā)展的過(guò)程。不同時(shí)刻火焰的形狀、面積、輻射強(qiáng)度等都在變化。目前已提出的火災(zāi)識(shí)別判據(jù)中，主要是對(duì)火焰的識(shí)別[14]。通常通過(guò)神經(jīng)網(wǎng)絡(luò)或者相似性比對(duì)進(jìn)行識(shí)別。以下是圖像型火災(zāi)探測(cè)方法中可能用到的圖像信息：(1) 面積變化：早期火災(zāi)是著火后火災(zāi)不斷發(fā)展的過(guò)程。在圖像處理中，面積是通過(guò)分割后統(tǒng)計(jì)圖像的像素?cái)?shù)來(lái)實(shí)現(xiàn)的。因此，面積判據(jù)需要配合其他圖像特性一起使用。精確的方法是用邊緣檢測(cè)和邊緣搜索算法將邊緣提取出來(lái)，根據(jù)邊緣的形狀、曲率等特性對(duì)邊緣進(jìn)行編碼，再根據(jù)編碼提取邊緣的特征量。(3) 形體變化：早期火災(zāi)火焰的形體變化反映了火焰在空間分布的變化。在圖像處理中，形體變化特性是通過(guò)計(jì)算火焰的空間分布特性，即像素點(diǎn)之間的位置關(guān)系來(lái)實(shí)現(xiàn)的?；鹧嬖谌紵^(guò)程中會(huì)按某種頻率閃爍。(5) 分層變化：火焰內(nèi)部的溫度是不均勻的，并且表現(xiàn)出一定的規(guī)律。如蠟燭火焰分為焰心、內(nèi)焰、外焰；木材等固體燃燒時(shí)由于表面輻射很強(qiáng)，可以分為固體表面與火焰部分兩大層，而火焰部分還可以再分層。(6) 整體移動(dòng)：早期火災(zāi)火焰是不斷發(fā)展的火焰，隨著舊的燃燒物燃盡和新的燃燒物被點(diǎn)燃，火焰的位置不斷移動(dòng)。火災(zāi)火焰具有較多的特性，需要從中找出適合火災(zāi)識(shí)別的并且處理速度較快的方法。作為一個(gè)火災(zāi)識(shí)別系統(tǒng)，應(yīng)綜合考慮各方面的因素從而達(dá)到技術(shù)上、性能上的指標(biāo)符合實(shí)際需要。由于煙霧實(shí)質(zhì)上是在空氣中的離子，對(duì)光有反射性，所以周?chē)h(huán)境的光線(xiàn)顏色也會(huì)對(duì)煙霧顏色產(chǎn)生影響。煙霧另一個(gè)重要的特性是擴(kuò)散性。在擴(kuò)散過(guò)程中，氣體分子從密度較大的區(qū)域移向密度較小的區(qū)域，經(jīng)過(guò)一段時(shí)間的運(yùn)動(dòng)，密度分布趨向均勻。隨著燃燒的繼續(xù)進(jìn)行，產(chǎn)生的煙霧越來(lái)越多，在空氣中占據(jù)了越來(lái)越大的空間，由于煙霧有顏色，濃度提高時(shí)，煙霧的透明度降低，可見(jiàn)度也隨之提高。 圖像型火災(zāi)檢測(cè)的技術(shù)現(xiàn)狀圖像是一種包含強(qiáng)度、形體、位置等信息的信號(hào)，因此利用圖像進(jìn)行火災(zāi)探測(cè)有其獨(dú)特的優(yōu)勢(shì)。文獻(xiàn)15和文獻(xiàn)16提出了一種“視頻火災(zāi)探測(cè)”方法[15,16]，利用多個(gè)溫敏探頭將火災(zāi)現(xiàn)場(chǎng)的溫度幅度和分布信息轉(zhuǎn)化為灰度信息，用黑白攝像頭采集灰度信息進(jìn)行處理，實(shí)現(xiàn)火災(zāi)的定位并可計(jì)算出火災(zāi)的熱釋放速率。文獻(xiàn)18闡述了火災(zāi)圖像探測(cè)的基本原理，并且提出了提取早期火災(zāi)火焰輻射持性、形體變化特性的幾種新方法[18]。Yamagishi曾經(jīng)提出一種彩色圖像的火焰的檢測(cè)算法[20,21]，我國(guó)臺(tái)灣的研究人員也對(duì)基于視頻圖像處理的火焰識(shí)別技術(shù)進(jìn)行了研究[22]。 圖像型火災(zāi)檢測(cè)的應(yīng)用現(xiàn)狀在科學(xué)技術(shù)迅猛發(fā)展的今天，國(guó)外各大公司和科研機(jī)構(gòu)的火災(zāi)探測(cè)技術(shù)也相應(yīng)的快速發(fā)展，例如，Bosque公司的BSDS系統(tǒng)采用紅外和普通攝像機(jī)的雙波段監(jiān)控，在準(zhǔn)確識(shí)別森林火災(zāi)的同時(shí)還可以區(qū)別其它現(xiàn)象的干擾，誤報(bào)率很低。該系統(tǒng)以視頻運(yùn)動(dòng)檢測(cè)軟件為主體，使用了各種濾波器技術(shù)，并與人工智能相結(jié)合，該系統(tǒng)可以用來(lái)對(duì)電站內(nèi)的火災(zāi)進(jìn)行監(jiān)控。但發(fā)展十分迅速，現(xiàn)在已經(jīng)基本達(dá)到國(guó)際先進(jìn)水平。該實(shí)驗(yàn)室研制的LA100型雙波段大空間早期火災(zāi)智能探測(cè)和自動(dòng)滅火系統(tǒng)通過(guò)了有關(guān)方面的驗(yàn)收，并已轉(zhuǎn)化成產(chǎn)品。但是迄今為止，并沒(méi)有研制出令人滿(mǎn)意的系統(tǒng)，還存在火災(zāi)誤報(bào)率較高的問(wèn)題，實(shí)用程度還有待提高。在發(fā)現(xiàn)火災(zāi)的情況下，及時(shí)將圖片傳回指揮中心。本論文主要研究?jī)?nèi)容如下：第一，研究了火災(zāi)發(fā)生的條件、環(huán)境及發(fā)生時(shí)的情況。第二，討論了經(jīng)典的圖像分割和濾波理論在火災(zāi)圖像處理中的運(yùn)用。圖像分割是圖像處理中一項(xiàng)基本而關(guān)鍵的技術(shù)，分割質(zhì)量的好壞往往影響到后續(xù)處理，如目標(biāo)識(shí)別等性能的好壞。第四，對(duì)煙霧及火焰的圖像信息分析研究，從中總結(jié)出顏色特征及動(dòng)態(tài)特征方面的規(guī)律性，作為識(shí)別算法的設(shè)計(jì)的主要依據(jù)。 論文的結(jié)構(gòu)安排本文第1章介紹了課題的來(lái)源、目的和意義，并對(duì)目前國(guó)內(nèi)外的森林防火系統(tǒng)及其中的關(guān)鍵技術(shù)做了綜述，最后闡述了圖像型火災(zāi)檢測(cè)技術(shù)的提出以及目前的研究和應(yīng)用情況；第2章介紹了本文研究的理論基礎(chǔ)，對(duì)經(jīng)典的圖像分割和濾波算法進(jìn)行了詳細(xì)的介紹，包括邊緣提取、閾值分割等；第3章首先介紹了分割前的預(yù)處理，即實(shí)時(shí)背景差分和圖像的增強(qiáng)。雙擊上一行的“1”“2”試試，J(本行不會(huì)被打印，請(qǐng)自行刪除)第2章 數(shù)字圖像處理基礎(chǔ) 引言對(duì)于早期的火災(zāi)識(shí)別，燃燒初期階段的圖像信息對(duì)算法的設(shè)計(jì)十分重要，根據(jù)火災(zāi)早期的圖像信息設(shè)計(jì)算法，能實(shí)現(xiàn)火災(zāi)的早期報(bào)警的功能，同時(shí)這些圖像信息對(duì)實(shí)驗(yàn)的設(shè)計(jì)具有重要的指導(dǎo)意義[26]?；趫D像處理的火災(zāi)檢測(cè)系統(tǒng)是結(jié)合光電技術(shù)和數(shù)字圖像處理技術(shù)而研制的火災(zāi)自動(dòng)監(jiān)測(cè)報(bào)警系統(tǒng)，它利用攝像頭對(duì)現(xiàn)場(chǎng)進(jìn)行監(jiān)視，將采集的視頻信號(hào)轉(zhuǎn)換為所需的圖像格式，根據(jù)火災(zāi)圖像的特征進(jìn)行處理和分析，從而達(dá)到探測(cè)火災(zāi)是否發(fā)生的目的。首先對(duì)采集的圖像進(jìn)行目標(biāo)分割，然后利用圖像特性對(duì)這些物體加以識(shí)別或分類(lèi)檢測(cè)出圖像中的目標(biāo)物體。 圖像分割理論基礎(chǔ)圖像分割是數(shù)字圖像分析中的重要環(huán)節(jié)，在整個(gè)研究中起著承前啟后的作用，它既是對(duì)所有圖像預(yù)處理效果的一個(gè)檢驗(yàn)，也是后續(xù)進(jìn)行圖像分析與解譯的基礎(chǔ)[28]。圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程。一般來(lái)說(shuō)，圖像分割算法可大致分為基于閾值的分割技術(shù)、基于邊緣的分割技術(shù)、基于區(qū)域特性的分割技術(shù)和基于特征空間聚類(lèi)的分割技術(shù)四類(lèi)。目前對(duì)彩色圖像的分割，大部分也是基于灰度圖的，先將彩色圖像的各個(gè)分量進(jìn)行適當(dāng)?shù)慕M合轉(zhuǎn)化為灰度圖像，然后利用對(duì)灰度圖像的分割算法進(jìn)行分割。圖像中像素灰度值不連續(xù)造成兩個(gè)具有不同灰度值的相鄰區(qū)域之間存在灰度邊緣。在數(shù)學(xué)上，這種邊界的不連續(xù)性可利用求導(dǎo)數(shù)方便地檢測(cè)到[29]。一般常用一階和二階導(dǎo)數(shù)來(lái)檢測(cè)邊緣，其原理可借助圖21來(lái)說(shuō)明。常見(jiàn)的邊緣剖面有三種：(1) 階梯狀（如圖21 a)和b)所示），這種邊緣處于圖像中兩個(gè)具有不同灰度值的相鄰區(qū)域間；(2) 脈沖狀（如圖21 c)所示），這種邊緣主要對(duì)應(yīng)細(xì)條狀的灰度值突變區(qū)域；(3) 屋頂狀（如圖21 d)所示），這種邊緣上升下降沿都比較緩慢。圖像剖面一階導(dǎo)數(shù)二階導(dǎo)數(shù)a) b) c) d)圖21 邊緣和導(dǎo)數(shù)示例由圖21可見(jiàn)，圖像中目標(biāo)的邊界可通過(guò)求取它們的導(dǎo)數(shù)來(lái)確定。常用的微分算子有梯度算子和拉普拉斯算子等。在求取圖像的梯度時(shí)，常用小區(qū)域模板卷積來(lái)近似計(jì)算。根據(jù)模板的大小及其中元素（系數(shù)）值的不同，人們已經(jīng)提出了許多種不同的算子。它們都用兩個(gè)33模板，具體形式如圖22所示。在邊緣灰度值過(guò)渡比較尖銳且圖像中噪聲比較小時(shí)，梯度算子工作效果較好。在數(shù)字圖像中，計(jì)算函數(shù)的拉普拉斯值也可借助各種模板實(shí)現(xiàn)。常見(jiàn)的兩種模板分別見(jiàn)圖23。另外它常產(chǎn)生雙像素寬的邊緣，且也不能提供邊緣方向的信息。圖23 Laplacian算子模板 近年來(lái)，基于人工神經(jīng)網(wǎng)絡(luò)、小波理論等的邊緣檢測(cè)算法都取得了一定的進(jìn)展。因此，在對(duì)具體圖像進(jìn)行邊緣檢測(cè)時(shí)，需要根據(jù)圖像的特點(diǎn)選用適當(dāng)?shù)乃惴?。在利用取閾值方法?lái)分割灰度圖像時(shí)一般都對(duì)圖像有一定的假設(shè)，即基于一定的圖像模型。如果一幅圖像滿(mǎn)足這些條件，它的灰度直方圖基本上可看作是由分別對(duì)應(yīng)目標(biāo)和背景的兩個(gè)單峰直方圖混合而成。一般說(shuō)來(lái)，對(duì)灰度圖像的取閾值分割就是先確定一個(gè)處于圖像灰度范圍之中的灰度閾值，然后將圖像中各個(gè)像素的灰度值都與這個(gè)閾值相比較，并根據(jù)比較結(jié)果將對(duì)應(yīng)的像素劃為兩類(lèi)，即 (21)其中是原灰度圖像，是分割后的二值化圖像。由此可見(jiàn)，閾值分割算法主要有兩個(gè)步驟：(1) 確定需要的分割閾值；(2) 將分割閾值與像素值比較以劃分像素。如果只用一個(gè)閾值分割稱(chēng)為單閾值方法，如果用多個(gè)閾值分割稱(chēng)為多閾值方法。閾值選取一般可寫(xiě)成式(22)的形式。借助式(22)，可將閾值分割方法分成如下3類(lèi)：(1) 全局閾值 根據(jù)來(lái)選取，即所得的閾值僅與各個(gè)圖像像素的本身性質(zhì)相關(guān)，此時(shí)確定的閾值可對(duì)全圖使用。(3) 動(dòng)態(tài)閾值 根據(jù)、和來(lái)選取，所得的閾值是與坐標(biāo)相關(guān)的。目前應(yīng)用最廣泛的是全局閾值，這種閾值選取方法是建立在圖像一維直方圖的基礎(chǔ)上的，統(tǒng)稱(chēng)為灰度直方圖分割法[30]?；叶戎狈綀D是灰