基于圖像特征的森林煙霧和火焰檢測算法研究.pdf

1、傳統(tǒng)的森林火焰圖像檢測算法大多僅分析煙霧或者火焰的圖像特征得出檢測結果，其檢測結果易受森林環(huán)境中光照、干擾物等的影響，使得最終檢測結果準確率較低，所以基于圖像特征的火焰檢測有較多值得改進之處。實際上，森林發(fā)生火災的初期會產(chǎn)生較多煙霧，煙霧可以視為火焰產(chǎn)生初期的重要信號，因此將煙霧與火焰結合進行森林火災檢測具有重要意義。
　　本文研究了以往憑借圖像特征進行火焰檢測的算法，然后結合圖像的顏色特征、煙霧的飄動性特征、火焰的面積特征和圓形

2、度特征設計并實現(xiàn)了基于圖像特征的森林煙霧和火焰檢測算法。經(jīng)實驗驗證，該算法以較小的能耗檢測出了大部分煙霧區(qū)域與火焰區(qū)域。
　　圖像中的煙霧具有顏色特征與飄動性特征，本文所提出的煙霧檢測基于海計算模式，將圖像的色彩空間由RGB轉換為YCbCr，引入概率密度函數(shù)，計算Cb、Cr分量的概率密度，將圖像的YCbCr色彩空間轉換為HSI色彩空間，引入像素點間相似距離計算進行篩選;將上述分析得出的煙霧疑似區(qū)域進行邊緣檢測，計算出質心，通過飄動

3、性理論得出疑似區(qū)域的飄動性強度，進行閾值判斷，檢測出圖像中是否存在煙霧。
　　對存在煙霧區(qū)域的圖像進行火焰檢測，首先將原圖像進行高斯濾波，再進行Gabor濾波，對濾波后的圖像進行“質量偏移”處理;通過火焰面積增長率公式計算出疑似區(qū)域面積增長率，進行閾值判斷;提取疑似區(qū)域的邊緣，根據(jù)公式計算出疑似區(qū)域圓形度，計算出圓形度相關性系數(shù)，通過離散傅立葉變換得出相關性系數(shù)的頻率，綜合檢測是否存在火焰。
　　實驗結果表明基于圖像特征的森