红外图像识别在船舶舱室火灾监测中的研究

发布时间：2017-09-28 11:09

  本文关键词：红外图像识别在船舶舱室火灾监测中的研究

  更多相关文章： 船舶 模板分块 火灾检测 烟雾特征 贝叶斯决策

【摘要】：船舶火灾事故通常造成严重的人员伤亡和财产损失。为了船舶航运人员和财产的安全,研究一种有效的船舶舱室的火灾检测方法势在必行。受船上环境的限制,传统的基于传感器的火灾探测系统很容易失效,且误报率很高。基于视频图像监测场景中的火灾发生情况具有不受距离、空间环境限制和响应速度快的优点,对新型火灾探测方法进行研究具有重要的现实意义。烟雾是火灾初期一种普遍现象,通过对烟雾的分析,得到火灾初期烟雾的一些特征,然后以这些烟雾特征作为识别火灾的依据,从而判断场景中是否发生火灾。首先,本文根据船舶舱室环境特点,提出了基于模板分块的比对方法来检测可疑烟雾区域。该方法首先利用RGB空间模型方法区分可见光图像与红外图像,然后对采集的图像进行灰度化、图像去噪、图像分块等预处理；最后利用模板比对算法检测场景中可疑烟雾区域,根据模板比对值ei发生变化的子块数目变化,判断检测环境中是否存在可疑烟雾区域。其次,确定可疑烟雾区域后,从分割效果、运行性能的可行性等方面对光流法、帧间差分法以及背景差分法等三种运动区域提取方法的优缺点进行了比较,然后确认了适合本文环境的高斯模型差分法提取可疑烟雾区域。然后,本文提取了烟雾区域的圆形度、烟雾区域面积变大以及烟雾发生源位置不变这三个特征作为火灾检测的判断依据。将这三个烟雾特征的特征值输入到已经训练好的贝叶斯模型中,通过贝叶斯决策融合三个特征进行综合判定场景中是否发生火灾。最后,为了验证本文提出的火灾检测算法的可靠性,在不同场景、不同时间段的火灾视频和非火灾视频进行了测试,测试结果表明本文的火灾检测算法能够有效的检测船舶舱室中的火灾,而且具有较好的抗干扰能力。
【关键词】：船舶 模板分块 火灾检测 烟雾特征 贝叶斯决策
【学位授予单位】：集美大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U664.88;TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-14
• 1.1 课题研究背景和意义9-10
• 1.2 火灾探测国内外研究现状10-13
• 1.2.1 传统火灾探测器的发展及研究现状10-12
• 1.2.2 图像型火灾探测器的发展及研究现状12-13
• 1.3 本文主要的研究内容13-14
• 第2章 火灾检测的基本原理14-19
• 2.1 火灾的发展过程及特点14-16
• 2.1.1 火灾发展的过程14-15
• 2.1.2 早期火灾烟雾的基本特征15-16
• 2.2 火灾探测系统的结构16-18
• 2.2.1 图像采集17
• 2.2.2 图像处理17
• 2.2.3 火灾识别17-18
• 2.3 小结18-19
• 第3章 船舶舱室可疑烟雾区域的检测19-38
• 3.1 图像的预处理19-25
• 3.1.1 图像灰度化19-20
• 3.1.2 灰度直方图20-21
• 3.1.3 图像去噪处理21-23
• 3.1.4 分块处理23-25
• 3.2 船舶舱室可疑烟雾区域检测25-37
• 3.2.1 图像类型的判断25-29
• 3.2.2 可疑区域检测29-37
• 3.3 小结37-38
• 第4章 烟雾特征提取和判定38-57
• 4.1 常用可疑烟雾区域提取方法38-41
• 4.1.1 光流法38-39
• 4.1.2 帧间差分法39-40
• 4.1.3 背景减除法40-41
• 4.2 基于高斯模型的可疑烟雾区域提取41-44
• 4.3 烟雾特征的提取44-51
• 4.3.1 烟雾面积增长特征45-47
• 4.3.2 烟雾发生源位置不变性47-49
• 4.3.3 烟雾形状不规则性49-51
• 4.4 船舶舱室烟雾识别的判定51-55
• 4.4.1 贝叶斯决策的概念和特点51-52
• 4.4.2 基于最小错误率的贝叶斯决策52
• 4.4.3 烟雾特征量的提取和分析52-55
• 4.5 小结55-57
• 第5章 测试结果与分析57-67
• 5.1 实验环境57
• 5.2 实验检测分析57-66
• 5.3 小结66-67
• 第6章 总结与展望67-69
• 6.1 总结67
• 6.2 展望67-69
• 致谢69-70
• 参考文献70-73
• 在学校期间发表的学术论文73

【参考文献】

中国期刊全文数据库 前1条

1 宁天夫;;数字图像处理技术的应用与发展[J];舰船电子工程;2009年01期

中国硕士学位论文全文数据库 前1条

1 王娜娜;基于视频的火灾烟雾检测算法研究[D];西安科技大学;2012年

，

本文编号：935490