【正文】 敏感區(qū)域提取出來以便對后續(xù)的特征定義與識別過程做準(zhǔn)備，在此把識別的前期工作都統(tǒng)稱為圖像的預(yù)處理過程，其中包括圖像的分割等。預(yù)處理的目的就是對其進(jìn)行濾波（Filtering）或平滑（Smoothing），抑制噪聲、增強圖像特征提高信噪比。圖像平滑的目的是消除或盡量減少噪聲的影響，改善圖像的質(zhì)量。從信號分析的觀點看，圖像平滑本質(zhì)上是低通濾波。但是往往圖像邊緣也處于高頻部分。圖像中某一像素，求出以它為中心的一個鄰域范圍內(nèi)的像素的平均值，用這個平均值來代替該中心點的灰度值。在選取鄰域時，取上下左右時為四鄰域，取周圍八個點時為八鄰域。常用的模板有：，算子核等于9；，算子核等于10；，算子核等于16。圖像中某一像素，把以它為中心的一個鄰域范圍內(nèi)的像素的灰度值看成一列數(shù)列，求出這個數(shù)列的中間值，并用這個中間值值來代替該中心點的灰度值。 比如有一幅圖中的像素的一部分灰度值如下：對應(yīng)的點是：設(shè)是噪聲，選取的窗口，計算中值濾波的值，先把，九個點的灰度值看成一個數(shù)列{3，2，4，4，3，10，3，4，3}，排序{2，3，3，3，3，4，4，4，10}，取中值3，的值為3 。這樣就把噪聲平滑掉了，但是不是噪聲的的灰度值基本不變。 中值濾波后的圖像 采用高斯函數(shù)作為加權(quán)函數(shù)，有五個原因： 1) 在二維空間中,高斯函數(shù)是旋轉(zhuǎn)對稱的。它不會對任一個邊緣的方向進(jìn)行弱化。 3) 高斯函數(shù)的付立葉變換也是高斯函數(shù)，這樣我們可以在空域和頻域上做同樣的變換達(dá)到同樣的效果。這樣方差值與平滑的結(jié)果有直接的關(guān)系。 設(shè)計高斯濾波器的方法: 1) 使用二項式展開法。 高斯函數(shù)是：設(shè)定和n，確定高斯模板權(quán)值。 高斯濾波后的圖像圖像由彩色轉(zhuǎn)化為灰度的過程叫做灰度化，由于位圖為點陣圖像，它的每一個像素點由R、G、B三個分量組成。 原始圖像 灰度化后的圖片 在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實用的圖像處理系統(tǒng)中，以二值圖像處理實現(xiàn)構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理與分析，首先需要把灰度圖像二值化，得到二值圖像，這樣做的好處是：再對圖像做進(jìn)一步處理時，圖像的幾何性質(zhì)只與0和1的位置有關(guān)，不再涉及到像素的灰度值，使處理變得簡單，而且數(shù)據(jù)量的壓縮量很大。實際的位圖中，0對應(yīng)于RGB值均為0，1對應(yīng)于RGB值均為255，二值化圖像的方法很多，閾值的選擇是二值化圖像的關(guān)鍵。全局閾值是對整個圖像采用一個閾值進(jìn)行劃分，例如固定閾值法二值化、判斷分析法二值化、基于灰度差直方圖的閾值法等。同一幅灰度圖像，不同部位其明暗分可能是不同的。局部閾值是將圖像分成一些子塊，對于每一子塊選定一下閾值。具體做法如下：圖像分為的方塊，對于每一個子塊計算其平均灰度值，然后將方塊中每個像素點的灰度值與平均灰度值進(jìn)行比較，若大于平均值，則將該像素點的灰度值置為255，反之則置為0。相比之下，動態(tài)閾值能根據(jù)圖像的局部自動選擇合適的閾值，只要選擇合適的分塊大小，就能取得最佳的二值化效果。先計算各子區(qū)的灰度平均值，以此平均值作為該子區(qū)的閾值。這種以區(qū)域灰度幅度為函數(shù)的自適應(yīng)閾值法，完全適合用于對銳化后的灰度圖像進(jìn)行二值化處理，另外，可使用小波分析知識來選擇自適應(yīng)的閾值進(jìn)行二值化，可用浮動閾值法進(jìn)行二值化處理。 設(shè)有圖像A、X。 設(shè)有圖像A、X。若不存在任何一個點，它既是A的元素，又是X的元素，即A和X的交集是空，則稱A不擊中X。 設(shè)有圖像A，將A中所有元素的坐標(biāo)取反，即令變成，所有這些點構(gòu)成的新的集合稱為A的對稱集。 把結(jié)構(gòu)元素A平移后得到，若 包含于X，我們記下這個點，所有滿足上述條件的點組成的集合稱為被A腐蝕的結(jié)果。 膨脹可以看作是腐蝕的對偶運算，其定義是：把結(jié)構(gòu)元素A平移后得到，若擊中X，我們記下這個點，所有滿足上述條件的點組成的集合稱為X被A膨脹的結(jié)果，用公式表示為：。作用：能夠去除孤立的小點、毛刺和小橋（即連通兩塊區(qū)域的小點），而總的位置和形狀不變。作用：能夠填平小孔，彌合小縫，而總的位置和形狀不變。 圖像的開運算 圖像的閉運算 、膨脹、開運算、閉運算數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)是集合論?；镜男螒B(tài)學(xué)圖像處理主要包括圖像的膨脹、腐蝕、開運算、閉運算。我們把一種特殊定義的鄰域稱之為“結(jié)構(gòu)元素”（Structure Element），在每個像素位置上，它與圖像對應(yīng)的區(qū)域進(jìn)行特定的運算，運算的結(jié)果為相應(yīng)像素的輸出圖像。結(jié)構(gòu)單元在形態(tài)學(xué)處理中的作用相當(dāng)于信號處理中的“濾波窗口”。假設(shè)在此處理的是可以表示成f(x, y)和b(x, y)的數(shù)字圖像函數(shù)，f(x, y)是輸入圖像，b(x, y)是結(jié)構(gòu)元素。(1) 膨脹(Dilation)用結(jié)構(gòu)元素b對函數(shù)f進(jìn)行的灰度膨脹表示為：，其定義為：其中和分別是f和b的定義域。所以輸出圖像會比輸入圖像看上去更加明亮，并且能減弱或者消除一些比結(jié)構(gòu)元素面積小的、暗的細(xì)節(jié)部分。(2) 腐蝕(Erosion) 用結(jié)構(gòu)元素b對函數(shù)f進(jìn)行的灰度腐蝕表示為：，其定義為：其中和分別是f和b的定義域。所以輸出圖像會比輸入圖像看上去更加陰暗，并且能減弱或者消除一些比結(jié)構(gòu)元素面積小的、亮的細(xì)節(jié)部分。 原始圖 灰度化腐蝕后的圖像 灰度化膨脹后的圖像 (3) 開運算(Opening) 用結(jié)構(gòu)元素b對函數(shù)f進(jìn)行的開運算表示為：，其定義為： 開運算操作就是對圖像先進(jìn)行腐蝕后膨脹。其方法經(jīng)常用于去除較小的明亮細(xì)節(jié)，而且能夠相對地保持整體的灰度級和較大的明亮區(qū)域不變。(4) 閉運算(Closing) 用結(jié)構(gòu)元素b對函數(shù)f進(jìn)行的閉運算表示為：，其定義為： 閉運算操作就是對圖像先進(jìn)行膨脹后腐蝕。其方法經(jīng)常用于去除圖像中的暗細(xì)節(jié)部分，而相對地保持明亮部分不受影響?；叶葓D像的開運算和閉運算在幾何上可以理解為把由結(jié)構(gòu)元素b(x, y)表示的曲面沿著由f(x, y)表示的曲面滾動。經(jīng)過開運算，f(x, y)曲面中所有比結(jié)構(gòu)元素范圍小的波峰和尖銳程度都減小了，從而能夠刪除圖像中在尺度上小于結(jié)構(gòu)元素的幾何結(jié)構(gòu)，起到了平滑圖像的外凸邊緣的作用；經(jīng)過閉運算，f(x, y)曲面中所有比結(jié)構(gòu)元素范圍小的波谷都被平滑，從而具有填充圖像中那些比結(jié)構(gòu)元素小的斷裂或凹入部分的功能，起到了平滑圖像的內(nèi)凸部分的作用。在灰度級形態(tài)學(xué)中實現(xiàn)圖像平滑處理的一種途徑是先使用形態(tài)學(xué)開運算操作，而后進(jìn)行閉運算操作。 開運算后的圖像 閉運算后的圖像相應(yīng)的各種圖像處理方式的實現(xiàn)效果如上圖所示。從形態(tài)學(xué)操作的效果圖中可以看出，腐蝕操作縮小了圖像中物體的輪廓且圖像變得更暗，圖像中較暗的空洞也變大了；膨脹操作擴大了物體的輪廓且圖像變得更亮，圖像中的許多空洞已經(jīng)沒有了；經(jīng)過開運算操作，圖像中那些小的、明亮細(xì)節(jié)尺寸變小了而暗的、灰度的效果沒有明顯變化，因此圖像略有變暗且輪廓基本沒變；經(jīng)過閉操作，小的、暗的細(xì)節(jié)尺寸變小了而明亮的部分的效果沒有明顯變化，因此圖像略有變亮但輪廓基本沒變。 (a)原圖 (b)灰度化開運算 (c)灰度化閉運算 (d)均值濾波 (e)中值濾波 (f)高斯濾波 (h)各向異性擴散 (i)改進(jìn)各向異性擴散 (j)邊緣增強改進(jìn)各向異性擴散 灰度化開運算去除了較小的明亮細(xì)節(jié)，而且相對地保持整體的灰度級和較大的明亮區(qū)域不變，消除了細(xì)小物體、平滑較大物體的邊界的同時并不明顯改變其面積；灰度化閉運算去除了圖像中的暗細(xì)節(jié)部分，而相對地保持明亮部分不受影響，填充了物體內(nèi)細(xì)小空洞、平滑其邊界的同時并不明顯改變其面積；中值濾波和均值濾波對噪聲和邊緣信息不加區(qū)分，去除了一定的噪聲，同時使邊緣變模糊了；高斯濾波是各向同性的擴散，使用模板對原始圖像卷積運算，去除了噪聲，邊緣也模糊了，圖像整體變白了；各向異性擴散有效的平滑了噪聲，保持了邊緣信息，可以控制各向異性擴散強度，八向各向異性擴散比四向各向異性擴散效果好；邊緣增強改進(jìn)各向異性擴散不僅在同質(zhì)區(qū)域內(nèi)濾除了噪聲，同時使邊緣加強了，更有利于對醫(yī)學(xué)圖像的觀察，改進(jìn)后的邊緣增強改進(jìn)各向異性擴散效果非常好，可以調(diào)節(jié)邊緣增強系數(shù)，使邊緣增加得很強，當(dāng)邊緣增強系數(shù)為絕對值很小的負(fù)數(shù)時，圖像邊緣被模糊了。還有一些分割技術(shù)比如閾值分割法、邊緣檢測法、區(qū)域生長法和基于特征空間聚類分割法等，這些方法在分割火災(zāi)圖像時多數(shù)是在灰度化的基礎(chǔ)上進(jìn)行的，過早地丟棄了火焰的彩色信息，從而導(dǎo)致無法準(zhǔn)確區(qū)分火與自然光等高亮物體。假設(shè)真實圖像為，火焰的分量的經(jīng)驗閾值為、輸出圖像為，那么有下列關(guān)系式：(2) 基于YCrCb區(qū)域顏色分量加強分割法文獻(xiàn)[1]中對人臉的識別檢測，通過分析人眼與嘴的顏色在YCrCb空間的分布情況，根據(jù)人眼具有很強的Cr分量，嘴含有更高的Cb分量較低的Cr分量而構(gòu)造區(qū)域顏色分量調(diào)整函數(shù)如下：其中。(3) 基于空間的顏色遷移分割法空間相對其它顏色空間來說，更適合人類視覺感知系統(tǒng)，空間與設(shè)備無關(guān)的顏色空間。文獻(xiàn)[2]中的顏色遷移即對一幅灰色圖像按照彩色圖像上色，鑒于此可以對一幅用基于灰度的分割方法而得到的灰度疑似火區(qū)域圖進(jìn)行上色，這樣就可以解決基于灰度分割方法過早丟失火焰彩色信息的缺點。2) 對于源圖像和目標(biāo)圖像上的每一個像素，計算以該像素為中心的一個矩形(一般為像素)鄰域上各像素亮度值的標(biāo)準(zhǔn)差，分別存入矩陣和中。將此數(shù)組初始化為源圖像上隨機的有效位置。5) 選出候選像素集合中各像素匹配誤差中的最小值，則將對應(yīng)的像素點存入中。火焰特征定義與提取火焰基本特征眾所周知，火災(zāi)是失控的燃燒。在早期火災(zāi)階段，由于火焰從無到有，是一個發(fā)生發(fā)展的過程。早期火災(zāi)火焰是非定常的，不同時刻火焰的形狀、面積、輻射強度等等都在變化。圖像型火災(zāi)探測中的圖像處理是動態(tài)圖象的連續(xù)處理：對圖像上的每個目標(biāo)，根據(jù)一定的算法來確定它們同前一幀中目標(biāo)的匹配關(guān)系，從而得到各個目標(biāo)的連續(xù)變化規(guī)律。在這個階段，火災(zāi)火焰的面積呈現(xiàn)連續(xù)的、擴展性的增加趨勢。當(dāng)其它高溫物體向著攝像頭移動或者從視野外移入時，探測到的目標(biāo)面積也會逐漸增大，容易造成干擾。2)邊緣變化：早期火災(zāi)火焰的邊緣變化有一定的規(guī)律，同其它的高溫物體及穩(wěn)定火焰的邊緣變化不同。利用這些特征量在早期火災(zāi)階段的變化規(guī)律進(jìn)行火災(zāi)判別。在早期火災(zāi)階段，火焰的形狀變化、空間取向變化、火焰的抖動以及火焰的分合等，具有自己獨特的變化規(guī)律。4)閃動規(guī)律：火焰的閃動規(guī)律，即亮度在空間的分布隨時間變化的規(guī)律，火焰在燃燒過程中會按某種頻率閃爍。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。木材等固體燃燒時由于表面輻射很強，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：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燃，火焰不斷移動著位置。目前用于圖像識別的特征主要有形狀特征、顏色特征、紋理特征等。紋理特征反映了一個區(qū)域中像素灰度級的空間分布屬性。、 顏色特征(1) 顏色空間1) 目前森林火災(zāi)的監(jiān)視圖像大多是彩色的,它們存儲的相應(yīng)圖片都是、色彩空間描述的 ,這些圖片的火焰色彩在、空間上分布比較均勻, 、空間轉(zhuǎn)換到、空間的公式是：2) RGB與空間的相互轉(zhuǎn)換RGB224。XYZ 第二步：XYZ224。LMS 第四步：LMS 224。RGB空間的轉(zhuǎn)換如下：第一步：224。RGB（2） 顏色矩表達(dá)和分析顏色分布特征的另一種方法是顏色矩的計算。此外，由于顏色分布信息主要集中在低階矩中，因此僅采用顏色的一階矩、二階矩和三階矩就足以表達(dá)圖像的顏色分布。顏色的三個低次矩在數(shù)學(xué)上表達(dá)為： （5）其中是圖像中第個像素顏色值，表示圖像的總像素數(shù)。定義1 像素計數(shù)面積：最簡單的(未校準(zhǔn))面積計算方法是統(tǒng)計邊界內(nèi)部(也包括邊界上)的像素的數(shù)目。通常，測量這個距離時包含了許多90176。定義2 多邊形的周長：一個讓人更滿意的測量物體周長的方法是將物體邊界定義為以各邊界像素中心為頂點的多邊形，相應(yīng)的周長就是一系列橫豎向和對角線方向（）的間距之和，這個和可以在用行程編碼取物體時累加，或建立鏈碼表示時對邊界進(jìn)行一趟跟蹤的過程中累加。另一種表達(dá)形式為式中。它們的幅度值反映了被測量邊界的復(fù)雜程度。圖3 各直方圖第二章 彩色圖像分割彩色分割的目的是把圖像分成互不相干的幾個區(qū)域，每個區(qū)域有著均勻一致的性質(zhì)。主要方法有：特征空間聚類，基于隨機模型的方法。本文采用的是R、G、B顏色空間，分割方法是模糊聚類。通常的彩色圖像分割或者利用顏色信息進(jìn)行分割或者利用亮度信息進(jìn)行分割,這兩者都未充分考慮彩色圖像的整體信息,從而影響了分割效果。 (2)對于樣本X(設(shè)進(jìn)行到第K次迭代)如果，則，其中是以為集類中心的樣本集。(4) 如果，則回到第(2)步,將全部樣品重新分類,重新迭代計算；如果，則結(jié)束。 (a)原圖K均值聚類 (b)灰度化開運算K均值聚類 (c)灰度化閉運算K均值聚類 (d)均值濾波K均值聚類 (e)中值濾波K均值聚類 (f)高斯濾波K均值聚類 (h)各向異性擴散K均值聚類 (i)改進(jìn)各向異性擴散K均值聚類 (j)邊緣增強改進(jìn)各向異性擴散 K