基于ViBe的火灾图像检测算法研究

发布时间：2022-02-16 08:53

　　火灾作为电力生产中常见的灾害之一,严重危及设备与人身安全,影响电网稳定运行,迅速发现火灾并及时作出反应是火灾防治课题的研究目的。传统的感应火灾探测器从温度、空气颗粒含量、声光等角度对火焰及烟尘进行感知,这种探测方式易受其他环境因素干扰,会因为吸烟等问题引起误报。面对此类问题,本文以图像处理为基础,通过优化算法设计了一种快速火灾检测方法。本文主要研究一种基于主机的火灾图像检测系统。其在非接触条件下,通过摄像头将变电站现场视频图像采集到监控系统,并基于openCV开发火焰检测程序算法,选用特征提取对火焰进行识别定位。动态检测在图像处理中应用广泛,火焰识别是动态检测中的一个特殊应用。本文以监控应用系统设计为基础,详细介绍了火焰的识别测量算法。首先对彩色图像进行灰度化。然后利用canny边缘检测器提取火焰边缘,边缘提取过程中,第一,通过高斯滤波器对图像进行噪声过滤;第二,图像中的火焰部分可以通过Canny算子在灰度值上得以增强;第三,火焰利用非极大值抑制法可以更加准确地提炼出一个完整的轮廓;第四,基于这个完整的轮廓,我们可以利用阈值上下限法优中选优,待火焰形状特征显现后,遍历图像获取火焰的基本... 

【文章来源】：吉林大学吉林省211工程院校985工程院校教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

灰度化后的火焰图像

图 2-2 阶跃和脉冲边缘看作是灰度连续的像素点阵列，边缘就是在进行第一次里可以看到灰度梯度在这一区域有一个明显的上升或者横轴方向， 是纵轴方向，设综合梯度为 Gy= f yG（x,y）x,y）| = G， 对 应 此 刻 的 最 大 有 效 值 ， 它2x+ G2y (。但是在此次火焰检测课题中，我们不关心梯度值GyGx)将边缘部分与其余背景彻底区分开来，再将这些点收集起的预处理算法中，对边缘图像的制作流程需要通过以下

= 3时火焰灰度图像图 2-3 不同 时的边缘图像取还是要根据具体情况进行大量反复试验优中选优。平面图像的高斯滤波可以分解为两个一维函数。将图像的各个像素数进行卷积计算，其结果再与另一组一维高斯函数再进行一次卷积图像二维滤波。我们可以看出，二维高斯滤波器的量纲实则是一维采用高斯滤波器对图像进行降噪，实验结果如图 2-4 所示：

【参考文献】：
期刊论文
[1]复杂背景下基于深度卷积神经网络的森林火灾识别[J]. 傅天驹,郑嫦娥,田野,丘启敏,林斯俊.  计算机与现代化. 2016(03)
[2]火灾视频探测中火焰识别算法研究[J]. 杨晨,赵惠平.  船海工程. 2013(04)
[3]基于灰度差分统计的火焰图像纹理特征提取[J]. 刘辉,张云生,张印辉,何自芬.  控制工程. 2013(02)
[4]具有高区分度的视频火焰检测方法[J]. 谢迪,童若锋,唐敏,冯阳.  浙江大学学报(工学版). 2012(04)
[5]融合色彩和轮廓特征的火焰检测[J]. 严云洋,唐岩岩,郭志波,高尚兵.  微电子学与计算机. 2011(10)
[6]早期火灾火焰尖角计算算法的研究[J]. 顾俊俊,赵敏,吴毅杰.  青岛大学学报(工程技术版). 2010(01)
[7]基于对称变换的瞳孔定位方法[J]. 张勇忠,刘富,孙令明,唐超.  吉林大学学报(信息科学版). 2009(03)
[8]基于灰度共生矩阵的火焰图像纹理特征分析[J]. 徐小军,邵英,郭尚芬.  计算技术与自动化. 2007(04)
[9]大空间图像型火灾探测算法的研究[J]. 吴爱国,李明,陈莹.  计算机测量与控制. 2006(07)
[10]基于新的肤色模型的人脸检测方法[J]. 党治,冯晓毅.  计算机应用. 2006(03)

博士论文
[1]图像识别算法在细胞筛查及火灾探测中的研究[D]. 赵萌.天津大学 2016
[2]基于高斯尺度空间火灾图像局部特征提取与主动式识别方法研究[D]. 袁伟.中国科学技术大学 2014
[3]基于多特征的火焰图像探测研究及实现[D]. 荣建忠.中国科学技术大学 2012
[4]基于视频图像的高大空间建筑火灾探测研究[D]. 侯杰.清华大学 2010

硕士论文
[1]基于视频内容分析的火灾烟雾检测算法研究与实现[D]. 孙健.北京交通大学 2017
[2]基于视频图像特征提取的烟雾检测算法研究[D]. 文泽波.中国科学技术大学 2016
[3]基于深度学习的林火图像识别算法及实现[D]. 傅天驹.北京林业大学 2016
[4]基于多特征的视频火焰检测[D]. 张霞.上海师范大学 2016
[5]基于图像的火焰检测技术分析[D]. 李哲.华北电力大学 2015
[6]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012



本文编号：3627687