新型火焰颜色空间——IFCS
发布时间：2021-02-27 15:52
针对火焰识别颜色空间模型FCS带来的错判率高问题,基于混沌理论和k-medoids的粒子群算法,提出了一种改进的火焰识别颜色空间——IFCS。利用IFCS颜色空间进行火焰识别,可以在保证计算的简单快捷的同时,相对FCS更加突出火焰/非火焰像素颜色属性差异特性。采用混沌序列初始化粒子、自适应调整惯性权重、动态非线性调整学习因子、混沌搜索跳出局部最优等方法,得到了IFCS火焰识别颜色空间;进一步,在IFCS火焰颜色空间中通过经典Otsu阈值方法得到二值图像,建立了基于IFCS和Otsu的火焰识别算法——IOFR算法。实验结果表明:IOFR算法有效降低了当前基于FCS颜色空间火焰识别算法的火焰错判率。
【文章来源】：计算机工程与应用. 2019,55(05)北大核心
【文章页数】：9 页
【部分图文】：
提取特征样本数据的特征图像
cations计算机工程与应用和式（21）。该转换矩阵用于将RGB颜色空间的图片转换到相应颜色空间，U1对应FCS颜色空间，U2对应IFCS颜色空间。在使用U进行转换前，对图片进行伽马变换增强火焰的亮度，提高对比度。转换完成后，使用Otsu方法对图片进行二值化处理，从而得到火焰检测图片。U1=è÷÷1.00253.14232.2875-0.3310-1.06340.0735-2.3627-0.4439-0.8705（20）U2=è÷÷4.24063.25364.9924-1.5538-0.89753.8410-1.3263-4.5380-3.6301（21）从图14中可以看出本文算法能够很好地区分火焰和非火焰像素，但是本文算法还存在一些缺点，如图中第5行，当火焰颜色和非火焰颜色相似时不能很好地区分出火焰部分，会将相似的非火焰部分误判为火焰。表2给出了本文算法和对比算法的定量对比结果，包括各个图片的火焰检测的准确率DA，正判率TP和错判率FP。结果表明，本文算法的火焰识别正判率和准确率略高于对比算法，但在第6行本文算法的火焰识别正判率略低于对比算法，而其准确率要高于对比算法。表3给出了本文算法和对比算法对所有图片进行火焰识别的平均结果，可以看出本文算法在准确率DA，正判率TP方面比对比算法高。6结束语针对FCS颜色空间模型，本文提出了一种基于混沌理论和k-medoids聚类的粒子群算法改进的火焰识别颜色空间模型IFCS，进而建立了IOFR火焰识别算法，该算法降低了火焰识别的错判率，提高了火焰识别的正确率。但是该算法还存在一些不足，当火焰颜色和非火焰颜色相近时，会将非火焰像素误判为火焰像素。未来可以考虑多种火焰的特征，从而提高火焰检测的准确率。参考文献：[1]ChenTH，WuPH，ChiouYC.Anearlyfire-detection
【参考文献】：
期刊论文
[1]基于CAS理论的改进PSO算法[J]. 刘举胜,何建佳,李鹏飞. 计算机工程与应用. 2017(05)
[2]基于自适应混沌变异粒子群优化算法的旋转弹丸气动参数辨识[J]. 管军,周家胜,易文俊,刘世平,常思江,史继刚. 兵工学报. 2017(01)
[3]一种混沌萤火虫算法的WSN节点分布优化研究[J]. 董晓丹,丁力. 电光与控制. 2017(03)
[4]基于演化搜索信息的量子行为粒子群优化算法[J]. 赵吉,程成. 计算机工程与应用. 2017(09)
[5]基于分组混沌PSO算法的模糊神经网络建模研究[J]. 张楠,南敬昌,高明明. 计算机工程与应用. 2017(09)
[6]融合多特征的视频火焰检测[J]. 严云洋,杜静,高尚兵,周静波,刘以安. 计算机辅助设计与图形学学报. 2015(03)
[7]基于模糊聚类的图像型火灾检测[J]. 梁俊山,王慧琴,胡燕,邹婷,吴萌. 计算机工程. 2012(04)
[8]基于改进FCM聚类算法的火灾图像分割[J]. 方维,王慧琴,杨娜娟,厉谨. 计算机仿真. 2011(04)
本文编号：3054455
【文章来源】：计算机工程与应用. 2019,55(05)北大核心
【文章页数】：9 页
【部分图文】：
提取特征样本数据的特征图像
cations计算机工程与应用和式（21）。该转换矩阵用于将RGB颜色空间的图片转换到相应颜色空间，U1对应FCS颜色空间，U2对应IFCS颜色空间。在使用U进行转换前，对图片进行伽马变换增强火焰的亮度，提高对比度。转换完成后，使用Otsu方法对图片进行二值化处理，从而得到火焰检测图片。U1=è÷÷1.00253.14232.2875-0.3310-1.06340.0735-2.3627-0.4439-0.8705（20）U2=è÷÷4.24063.25364.9924-1.5538-0.89753.8410-1.3263-4.5380-3.6301（21）从图14中可以看出本文算法能够很好地区分火焰和非火焰像素，但是本文算法还存在一些缺点，如图中第5行，当火焰颜色和非火焰颜色相似时不能很好地区分出火焰部分，会将相似的非火焰部分误判为火焰。表2给出了本文算法和对比算法的定量对比结果，包括各个图片的火焰检测的准确率DA，正判率TP和错判率FP。结果表明，本文算法的火焰识别正判率和准确率略高于对比算法，但在第6行本文算法的火焰识别正判率略低于对比算法，而其准确率要高于对比算法。表3给出了本文算法和对比算法对所有图片进行火焰识别的平均结果，可以看出本文算法在准确率DA，正判率TP方面比对比算法高。6结束语针对FCS颜色空间模型，本文提出了一种基于混沌理论和k-medoids聚类的粒子群算法改进的火焰识别颜色空间模型IFCS，进而建立了IOFR火焰识别算法，该算法降低了火焰识别的错判率，提高了火焰识别的正确率。但是该算法还存在一些不足，当火焰颜色和非火焰颜色相近时，会将非火焰像素误判为火焰像素。未来可以考虑多种火焰的特征，从而提高火焰检测的准确率。参考文献：[1]ChenTH，WuPH，ChiouYC.Anearlyfire-detection
【参考文献】：
期刊论文
[1]基于CAS理论的改进PSO算法[J]. 刘举胜,何建佳,李鹏飞. 计算机工程与应用. 2017(05)
[2]基于自适应混沌变异粒子群优化算法的旋转弹丸气动参数辨识[J]. 管军,周家胜,易文俊,刘世平,常思江,史继刚. 兵工学报. 2017(01)
[3]一种混沌萤火虫算法的WSN节点分布优化研究[J]. 董晓丹,丁力. 电光与控制. 2017(03)
[4]基于演化搜索信息的量子行为粒子群优化算法[J]. 赵吉,程成. 计算机工程与应用. 2017(09)
[5]基于分组混沌PSO算法的模糊神经网络建模研究[J]. 张楠,南敬昌,高明明. 计算机工程与应用. 2017(09)
[6]融合多特征的视频火焰检测[J]. 严云洋,杜静,高尚兵,周静波,刘以安. 计算机辅助设计与图形学学报. 2015(03)
[7]基于模糊聚类的图像型火灾检测[J]. 梁俊山,王慧琴,胡燕,邹婷,吴萌. 计算机工程. 2012(04)
[8]基于改进FCM聚类算法的火灾图像分割[J]. 方维,王慧琴,杨娜娟,厉谨. 计算机仿真. 2011(04)
本文编号：3054455
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3054455.html
