基于图像处理的火情预警应用系统

发布时间：2020-03-17 23:13

【摘要】：户外火情监测是涉及人民生命和财产安全的重要问题,由于传统的火情预警方法存在不适用于户外场景的弊端,广大研究学者利用计算机视觉和数字图像处理技术将视频监测应用于户外火情预警中。与传统的传感器火灾探测技术相比,视频烟雾探测可以实时监测现场是否有烟雾产生并快速做出决策,能够在第一时间为火灾救援引导方向,具有响应时间短、灵敏度高、覆盖面积广等优点。基于目前存在的视频图像烟雾火情预警方法,结合视频图像处理技术,提出三个创新点实现智能化的火情预警,内容归纳如下:1.烟雾图像清晰化的火源扑灭和人员救助技术。火灾时会产生大量的烟雾,烟雾中夹杂着的微小颗粒会使大气产生散射作用,影响摄像头采集到的图像的质量。为了实现有效且快速的去烟雾方法,对现场采集到的图像进行去烟雾处理,针对光照强度大的图像采用基于Retinex图像增强理论的算法,光照强度小的图像采用暗通道先验算法。通过构建火灾场景的自适应去烟雾处理系统,救援人员可根据清晰的图像,判断火灾现场具体状况,制定更有效、有针对性的救援策略,及时救助被困人员,最大程度减少损失。2.基于目标上下文的烟雾火情预警技术。针对产生烟雾时无法判断是否由火情引起的问题,利用上下文目标检测模型可以有效地获取烟雾场景上下文信息。首先根据烟雾场景是否会导致火情将烟雾场景分为两类,建立上下文的目标检测模型,然后利用该模型对烟雾图像进行检测,实验结果表明使用该方法提高了火情预警的准确率,在非火情情形下不会对烟雾场景产生误报。3.面向图像语义描述的烟雾火情预警技术。本技术提出了一种结合语义描述方法的火情预警模型,在监测现场是否产生烟雾的同时,能够智能地协助监测人员判断烟雾周围一定范围内的环境是否会引发火情,同时生成基本语义,方便视频图像的读取与调用。通过实验与基于视频图像烟雾检测的方法比较差异,结果表明该方法增加了系统的场景适应性和系统预警的可靠性。
【图文】：

大学专业学位硕士研究生学位论文 第三章 一种基于 Retinex 的火情烟雾图像去雾的场景中像素的均值 以下步骤：until > if < and = 对 M 再一次进行聚类聚类类别数 和协同矩阵 公式(3.10)更新 结果如图 3.2 所示，设 为 5，其中图(a)为原始图像，图(d)为聚类图像，同一区素都是按照顺序排列的，从中可以看出，，同一区域中的像素点烟雾的相似度较似度越强，越有利于避免不同景深的场景之间的相互影响。

C=5 C=80图 3.4 不同高斯环绕尺度 C 取值的高斯模型由图 3.4 可以看出，高斯环绕尺度 C 越小，高斯模型的半径越小。一般情况下，模板半越小，像素点受到周围像素的影响越大，越有利于处理图像，其处理后图像的细节越好，是同时会使得图像颜色的保真度越差；反之亦然。为了使图像的细节和色彩逼真度之间取得良好的平衡，高斯环绕尺度的选择显得尤为重。对于烟雾图像，主要有效信息集中在图像的高频部分，而雾都集中在低频部分。当图像不存在烟雾或烟雾几乎可以忽略的情况下， 设置为 0；随着烟雾的厚度增加， 设置值变，以此得到去除低频图像部分、增强图像细节的效果；当烟雾浓度达到一定程度，已经无获得有效信息时， 设置值应当足够大到突出高频部分。根据 3.1 节中基于 K-means 算法的像聚类方法得到的图像景深值，由于景深值的大小是烟雾厚度的体现，本节可以根据景深对 实现自适应设置。本章使用线性插值法对高斯空间 进行计算，计算公式如下：
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：D631.6;TP391.41

【相似文献】

相关期刊论文 前10条

1 冯桂莲;;曲率驱动扩散图像边缘形态复合滤波方法仿真[J];计算机仿真;2019年09期

2 张锦华;孙挺;;引入像点融合度修补的图像边缘化参差拼接实现[J];微电子学与计算机;2014年08期

3 翟逸飞;;基于FPGA的图像边缘处理研究[J];企业技术开发;2013年12期

4 顾长友;妙用Photoshop处理图像边缘[J];电脑知识与技术;2003年08期

5 濮群,余桂;用线性模型检测图像边缘[J];清华大学学报(自然科学版);1988年01期

6 宋建中;;喷雾图像的自动分析[J];光学机械;1988年04期

7 高华;;关于古建筑图像中破损点优化提取仿真[J];计算机仿真;2017年11期

8 刘娟娟;刘斌;;低照度非线性光学图像边缘自适应增强装置设计[J];激光杂志;2017年03期

9 许志强;张婷;;数字式多媒体场景图像准确分类方法仿真[J];计算机仿真;2019年07期

10 张琳梅;;基于图像边缘增强的改进方法[J];信息系统工程;2016年03期

相关会议论文 前10条

1 陆成刚;陈刚;张但;闵春燕;;图像边缘的优化模型[A];'2002系统仿真技术及其应用学术论文集（第四卷）[C];2002年

2 王培珍;杨维翰;陈维南;;图像边缘信息的融合方案研究[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

3 王亮亮;李明;高昕;;强模糊空间目标图像边缘获取方法研究[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

4 陈炜;张阳阳;孟庆勋;;一种基于Curvelet变换的图像边缘增强方法[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

5 张明慧;;基于模糊蒙片算法的CR图像边缘增强[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 孙增国;师蕊;;基于L_(1/2)范数的高分三SAR图像的非局部均值降斑[A];第五届高分辨率对地观测学术年会论文集[C];2018年

7 杨文秀;陆常周;;最优小波问题探讨[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

8 赵恩良;姜盈帆;孙丽华;曹康敏;金瑞巧;;一种基于变窗口的图像去噪算法研究[A];第十六届沈阳科学学术年会论文集（理工农医）[C];2019年

9 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

10 胡昌伟;屈小波;郭迪;宁本德;陈忠;;基于边缘加权的l_1-l_2范数MRI欠采重建[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

相关重要报纸文章 前7条

1 侯杰;国产芯片进军移动多媒体市场[N];人民邮电;2003年

2 吴飞;无边距照片打印三部曲[N];中国电脑教育报;2003年

3 成岭;消除Premiere中慢镜头的图像抖动[N];电脑报;2003年

4 ;体验决定一切[N];中国计算机报;2003年

5 Wang JS;抠图又有新招[N];电脑报;2002年

6 徐和德;从实战出发选择合适镜头[N];中国摄影报;2019年

7 ;令挑剔的人也刮目相看[N];中国电子报;2001年

相关博士学位论文 前10条

1 唐国良;视频监控图像局部特征描述和相机接力研究[D];西安电子科技大学;2019年

2 孙景峰;基于图像特征的示波屏识别关键技术研究及应用[D];西北工业大学;2018年

3 欧巧凤;二维凝胶电泳图像中一致蛋白质斑点集检测技术研究[D];西北工业大学;2018年

4 吴迪;光学遥感图像典型目标检测方法研究[D];哈尔滨工业大学;2019年

5 王瑶;复杂天气下的道路识别方法研究[D];哈尔滨工业大学;2019年

6 宋伟先;基于深度学习的猪只目标检测及状态分析[D];东北农业大学;2019年

7 张玲;图像光照恢复与分解技术研究[D];武汉大学;2017年

8 蔡博仑;图像去雾与增强算法的研究[D];华南理工大学;2019年

9 刘飞;透混沌介质偏振成像技术[D];西安电子科技大学;2016年

10 李永军;图像与视频低复杂度压缩算法研究[D];西安电子科技大学;2017年

相关硕士学位论文 前10条

1 贾玲慧;基于边缘保持滤波器和显著性的多模态医学图像融合方法研究[D];重庆邮电大学;2019年

2 康健;单幅雾天图像去雾方法研究[D];重庆邮电大学;2019年

3 曾笑云;灰度不均匀图像的快速分割方法研究[D];湘潭大学;2019年

4 吴鸣;基于卷积神经网络和图像显著性的铁谱磨粒分析[D];南京航空航天大学;2019年

5 汪杰;基于CT图像的种猪优选方法研究与实现[D];安徽工业大学;2019年

6 赵婷;基于结构特征增强的图像显著性检测方法研究[D];哈尔滨工业大学;2019年

7 牛皓伟;基于航拍图像的交通工程施工现场安全监督方法研究[D];哈尔滨工业大学;2019年

8 曹齐;残损纺织物图像的修复算法研究与三维重建[D];西安工程大学;2019年

9 钟晓妮;基于图像特征的快速匹配算法研究[D];西安工程大学;2019年

10 吴帅;《点石斋画报》的图像生产及其技术[D];中国美术学院;2019年

本文编号：2587834