基于可见光图像的火焰识别与提取

发布时间：2021-08-04 00:38

　　对火焰的基本特征进行分析,从中选择出几种比较有代表性的火焰特征作为判据来识别和提取火场图像中的火焰区域。基于火灾火焰的亮度特征利用区域生长法分割出疑似火焰区域;根据RGB和HIS颜色模型的对应关系,通过分离火焰像素的R、G、B分量,验证了火焰的色彩分布规律;利用圆形度判据排除规则光源的干扰。 

【文章来源】：消防科学与技术. 2020,39(02)北大核心

【文章页数】：4 页

【部分图文】：

图像灰度化

(3）分割结果。本研究分别利用Otsu法、迭代法以及区域生长法分割灰度化后的火场图像，将得到的图像进行中值滤波去除孤立像素点，并去除部分面积较小的干扰目标，最终得到的处理结果如图2所示。对比图2中不同算法的分割效果，Otsu法与迭代法分割后的图像中仍包含大面积的背景区域，而区域生长法则可以较好地将背景与目标分离开。可见，区域生长法的分割效果要远远优于阈值分割法。因此，笔者选用区域生长法分割图像中的疑似火焰区域。

在对可疑区域进行火焰识别之前，需要将疑似火焰区域的二值图像映射到原图中，如图3所示。摄像机采集到的图像为RGB图像,将大约50 000个火焰像素点显示在RGB三维空间中，如图4(a）所示。由于三维空间不便于观察和分析，所以将其投影到R-G平面以及G-B平面，如图4(b）、图4(c）所示。图中每个点的颜色与其对应的火焰像素点颜色一致，可以看出，呈红黄色调的火焰像素在RGB三维空间中的分布大致符合R≥G,G>B的关系。并且，火焰像素点R分量值的大小基本与研究资料所描述的相一致。

【参考文献】：
期刊论文
[1]一种基于闪烁特征的火焰识别方法[J]. 车晓波,李小伟,刘建翔,赵志鹏.  消防科学与技术. 2013(06)
[2]基于灰度熵多阈值分割和SVM的火焰图像状态识别[J]. 吴一全,宋昱,周怀春.  中国电机工程学报. 2013(20)
[3]基于图像特征的火灾火焰识别方法[J]. 王媛彬,马宪民.  消防科学与技术. 2012(02)
[4]面向红外视频图像的火焰识别[J]. 汪锦,于伟华,韩韬.  上海交通大学学报. 2008(12)
[5]浅谈图像型早期火灾监测与数控固定消防水炮扑救技术[J]. 孙宇,王健,于洋,袁宏永,苏国锋.  消防科学与技术. 2003(03)



本文编号：3320637