基于改进FOA-SVM的矿井火灾图像识别

发布时间：2023-11-11 16:57

　　为解决矿井下传统火灾识别方法准确率较低的问题,提出一种基于改进果蝇优化算法(FOA)-支持向量机(SVM)的火灾图像识别算法。利用YCrCb颜色空间对捕获的图像进行分割,根据早期的火灾图像特征从图像序列中提取多个火灾特征值。用基于分群体融合的改进FOA算法搜索SVM最优核参数和惩罚因子,将提取的火灾图像特征值作为SVM的输入对样本数据进行分类。实验结果表明,采用该方法对矿井火灾进行识别时准确率达97.2%,其分类效果显著优于FOA方法、粒子群优化算法等。

【文章页数】：8 页

【文章目录】：
0 概述
1 火焰图像分析与处理
    1.1 疑似火焰区域提取
    1.2 图像特征
        1.2.1 面积变化
        1.2.2 圆形度
        1.2.3 纹理特征
            1) 能量
            2) 熵
            3) 反差
2 SVM及其参数优化
3 基于FOA的SVM参数优化方法
4 改进的FOA算法
5 实验结果与分析
    5.1 IMFOA算法性能测试
    5.2 矿井火焰识别实验
6 结束语



本文编号：3862949