火焰识别算法的研究及其DSP实现
发布时间：2021-02-25 06:55
预防和减少火灾是世界性的难题,尽管各国都采取了各种防火措施,但每年火灾仍造成了巨大的人员和财产损失。尤其是随着人类活动范围的不断扩大,大空间及野外的防火问题日渐突出。如果对这类空间采取人工防火,则需要大量的人力物力。虽然传统的火灾探测系统能够做到对火焰的无人监测,但由于功能的限制,都不能实现大范围或恶劣环境的火灾有效监测。基于视频的火灾探测系统能够有效的解决传统火灾探测器检测范围小、环境适应性差的问题。本文使用北京瑞泰创新科技有限责任公司的ICETEK-DM6437-B-KIT作为硬件开发平台,设计并在DSP上实现了火焰识别算法。本文主要包括火焰图像的预处理,火焰疑似区域的分割、火焰识别和火焰跟踪。本文主要完成的具体工作如下：（1）算法的仿真与选择。本文选择了常见的图像预处理算法、区域分割及目标跟踪算法进行了仿真及分析。通过对算法有效性及复杂性的分析确定了适用于本系统的算法。（2）算法改进与优化。本文对基于背景差分算法和卡尔曼预测算法进行了改进。由于视频火焰识别系统工作环境的不稳定性,导致系统很难获取稳定的背景图像。所以本文在传统背景差分法的基础上,基于多帧图像均值的背景建立方法提出了...
【文章来源】：东北大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
CCS界面
Fig. 3.1 Common models of median filter木文采用图3.1(a)的3x3窗口，滤波效果如图3.2和3.3所示。图3.2加干扰的火焰图像Fig. 3.2 Interfered fire image图3.3中值滤波火焰图像Fig. 3.3 Median filtered fire image-16-
简单快速地去除噪声的算法，它在去噪的同时能较好定程度上有增强图像的作用，对于图像的去噪和增强都同类型的窗口，常见的如图3.1所示^ (a)3x3模板 （b)十字模板图3.1中值滤波常用模板Fig. 3.1 Common models of median filter1(a)的3x3窗口，滤波效果如图3.2和3.3所示。
【参考文献】：
期刊论文
[1]去除椒盐噪声的非对称有向窗加权均值滤波[J]. 郭明,朱敏,周晓东. 激光与红外. 2011(11)
[2]基于YCbCr颜色空间的火焰图像分割方法[J]. 陈天炎,曾思通,吴海彬. 传感器与微系统. 2011(10)
[3]基于VC++的邻域均值滤波法图像增强[J]. 杨薇,赵冬梅. 保山学院学报. 2011(05)
[4]基于TMS320DM6437的运动目标实时检测与跟踪[J]. 蒋建国,李明,齐美彬. 合肥工业大学学报(自然科学版). 2011(07)
[5]图像型火灾烟雾探测技术及发展前景展望[J]. 薄立矗. 武警学院学报. 2010(08)
[6]基于均值漂移与卡尔曼预测相结合的视频运动目标跟踪算法[J]. 姜忠民,赵建民,朱信忠,徐慧英. 计算机时代. 2010(02)
[7]基于目标变换模型的跟踪方法研究[J]. 回丙伟,高峰,文贡坚. 现代电子技术. 2010(02)
[8]运动目标跟踪算法研究综述[J]. 张娟,毛晓波,陈铁军. 计算机应用研究. 2009(12)
[9]基于模板匹配的图像跟踪技术[J]. 高峰,雷志勇,易娟. 国外电子元器件. 2008(10)
[10]基于提升小波变换和中值滤波的图像去噪方法研究[J]. 李明喜,毛罕平,张艳诚. 激光与红外. 2007(10)
硕士论文
[1]基于DSP的视频图像火焰识别算法及其优化实现[D]. 王祖龙.哈尔滨工程大学 2011
[2]基于FPGA的视频火灾检测系统的设计及实现[D]. 吕日清.东北大学 2010
[3]基于视频的火灾检测方法研究及实现[D]. 葛勇.湖南大学 2009
[4]基于视频图像的火焰识别和背景干扰滤除算法[D]. 曹哲.西安电子科技大学 2009
[5]视频监控系统中运动检测与跟踪技术的研究[D]. 朱碧婷.上海交通大学 2009
本文编号：3050617
【文章来源】：东北大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
CCS界面
Fig. 3.1 Common models of median filter木文采用图3.1(a)的3x3窗口，滤波效果如图3.2和3.3所示。图3.2加干扰的火焰图像Fig. 3.2 Interfered fire image图3.3中值滤波火焰图像Fig. 3.3 Median filtered fire image-16-
简单快速地去除噪声的算法，它在去噪的同时能较好定程度上有增强图像的作用，对于图像的去噪和增强都同类型的窗口，常见的如图3.1所示^ (a)3x3模板 （b)十字模板图3.1中值滤波常用模板Fig. 3.1 Common models of median filter1(a)的3x3窗口，滤波效果如图3.2和3.3所示。
【参考文献】：
期刊论文
[1]去除椒盐噪声的非对称有向窗加权均值滤波[J]. 郭明,朱敏,周晓东. 激光与红外. 2011(11)
[2]基于YCbCr颜色空间的火焰图像分割方法[J]. 陈天炎,曾思通,吴海彬. 传感器与微系统. 2011(10)
[3]基于VC++的邻域均值滤波法图像增强[J]. 杨薇,赵冬梅. 保山学院学报. 2011(05)
[4]基于TMS320DM6437的运动目标实时检测与跟踪[J]. 蒋建国,李明,齐美彬. 合肥工业大学学报(自然科学版). 2011(07)
[5]图像型火灾烟雾探测技术及发展前景展望[J]. 薄立矗. 武警学院学报. 2010(08)
[6]基于均值漂移与卡尔曼预测相结合的视频运动目标跟踪算法[J]. 姜忠民,赵建民,朱信忠,徐慧英. 计算机时代. 2010(02)
[7]基于目标变换模型的跟踪方法研究[J]. 回丙伟,高峰,文贡坚. 现代电子技术. 2010(02)
[8]运动目标跟踪算法研究综述[J]. 张娟,毛晓波,陈铁军. 计算机应用研究. 2009(12)
[9]基于模板匹配的图像跟踪技术[J]. 高峰,雷志勇,易娟. 国外电子元器件. 2008(10)
[10]基于提升小波变换和中值滤波的图像去噪方法研究[J]. 李明喜,毛罕平,张艳诚. 激光与红外. 2007(10)
硕士论文
[1]基于DSP的视频图像火焰识别算法及其优化实现[D]. 王祖龙.哈尔滨工程大学 2011
[2]基于FPGA的视频火灾检测系统的设计及实现[D]. 吕日清.东北大学 2010
[3]基于视频的火灾检测方法研究及实现[D]. 葛勇.湖南大学 2009
[4]基于视频图像的火焰识别和背景干扰滤除算法[D]. 曹哲.西安电子科技大学 2009
[5]视频监控系统中运动检测与跟踪技术的研究[D]. 朱碧婷.上海交通大学 2009
本文编号：3050617
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3050617.html
