基于视频图像的农田火灾烟雾检测技术研究与实现
发布时间：2020-12-16 18:05
随着现代农业与产业技术不断发展进步以及环保要求越来越重要,大面积农田、农田示范区、农田果蔬区等越来越多,各种易燃材料被农田广泛运用并易引起火灾,此外经常出现秸秆焚烧现象,因此,基于视频图像的火情烟雾检测与预防的技术方法快速发展势在必行。该论文采用视频图像展开技术分析,研究了应用效率更高、检测时间更短的农田视频图像火灾烟雾检测算法,给出了基于视频图像的农田火灾烟雾检测系统实现方法。主要包括以下几个方面研究内容:1、详细介绍了视频图像中目标或区域运动检测的经典方法,针对所采集的烟雾运动视频,将其从彩色图像转化为灰度图像,并在此基础上描述了较广泛使用的帧间差分法、光流法和背景减除法等经典的目标或区域运动检测算法。2、针对火灾烟雾视觉特征,通过对火灾烟雾图像的颜色、运动、区域轮廓及频率特征展开分析,抽取了一系列可以高效表征火灾烟雾类特征的参量,最后构造了较为精确的火灾烟雾图像关键特征参量。3、探讨了农田火灾烟雾多特征检测技术,针对上述分析的烟雾图像颜色、运动、区域轮廓和频率特征信息,设计了基于视频图像的火灾烟雾检测系统整体架构和算法流程,给出火灾烟雾的综合检测方法。4、为了将探究的研究成果运用...
【文章来源】：南京邮电大学江苏省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
视频图像二值化
再运用目前帧上的这一点与上上一帧对应点取差，假如 2 个差值均小于一的门限值的话，那么判定目前的点为图像背景像素点。图 2.2 为以上 3 帧差分法图，在进行检测时，门限值通常是实时变化的，以满足复杂场景或背景反复变换的.3 为运用间距为 2 的帧间差分法抽取到的前景视频图像。因为图像帧差法是通过像帧间的差值来选定烟雾飘动区域，所以对于周边条件因素的变换通常不很敏感，时性好。但是当烟雾飘动物体区域范围较大时，在其烟雾飘动区域中一般会出现空第n-1帧 第n帧 第n+1帧1 2 图 2.2 三帧差分法原理图
南京邮电大学专业学位硕士研究生学位论文 第三章农田火灾烟雾的多维特征分析第三章 农田火灾烟雾的多维特征分析在上一章内容中，对迅速高效地抽取视频类图像中的移动区域成为现阶段广泛研究的领域，这些研究算法的普遍性，在一定程度上得到了证实。但在这些算法的运用中，存在着应用时间、地点、空间的影响。例如背景减除法，其在已有的技术条件下如何检测和定义前景区域和对象，是没有很好的规则的。它比较适应于平缓或快速的光照背变化，复杂的背景变化等。因此本文的主要工作是着重于研究烟雾的四个特征，分别为颜色特征、烟雾运动特征、烟雾的区域轮廓特征及烟雾图像频率特征，并给出相应算法。综合运用此四种烟雾识别的方法，具有很高的精确性，并且对于系统的总体要求不是太高。该论文从火灾烟雾的 4 个特征，对其算法展开探究说明，论文结构安排如下图所示：基于 RGB 直方图的农田
【参考文献】：
期刊论文
[1]基于卡尔曼滤波器的半捷联导引头控制系统设计[J]. 韩宇萌,贾晓洪. 兵器装备工程学报. 2019(10)
[2]基于帧差法和混合高斯的海上运动目标检测[J]. 高海壮,段先华. 计算机与数字工程. 2019(05)
[3]冬季东北地区室内甲醛扩散的数值模拟[J]. 王芳,王鹏浩,徐洪祥. 哈尔滨理工大学学报. 2018(06)
[4]一种融合小波变换与卷积神经网络的高相似度图像识别与分类算法[J]. 姜文超,刘海波,杨宇杰,陈佳峰,孙傲冰. 计算机工程与科学. 2018(09)
[5]视频烟雾检测研究进展[J]. 史劲亭,袁非牛,夏雪. 中国图象图形学报. 2018(03)
[6]基于RGB颜色模型的玉米淀粉爆燃火焰传播速度[J]. 张洪铭,陈先锋,张英,牛奕,代华明,黄楚原. 爆炸与冲击. 2018(01)
[7]基于运动路径角的林火烟雾图像检测探究[J]. 乔元秀,程朋乐. 西北林学院学报. 2017(02)
[8]基于最优质量传输光流法和神经网络的火焰和烟雾检测[J]. 王卫兵,徐倩,韩再博. 哈尔滨理工大学学报. 2017(01)
[9]基于背景动态更新与暗通道先验的火灾烟雾检测算法[J]. 赵亮,骆炎民,骆翔宇. 计算机应用研究. 2017(03)
[10]基于视频图像的烟雾检测方法探析[J]. 杨学富. 通讯世界. 2016(03)
博士论文
[1]基于显著性检测和烟雾时空特征的视频火灾探测方法研究[D]. 贾阳.中国科学技术大学 2016
硕士论文
[1]基于光流算法的运动目标检测应用研究[D]. 张艳艳.西安石油大学 2018
[2]基于RGB颜色分布模型的MRF图像分割算法研究[D]. 黄晨雪.湖北工业大学 2018
[3]基于激光自混合干涉效应的传感应用研究[D]. 魏颖斌.厦门大学 2017
[4]GMAW熔池网格结构光三维视觉传感[D]. 吕明达.哈尔滨工业大学 2015
[5]基于视频的烟雾检测算法研究[D]. 毕丰隆.大连海事大学 2014
[6]基于视频的火灾烟雾探测算法的研究[D]. 赵阳.天津大学 2012
[7]基于图像处理的火灾智能监视识别技术的研究[D]. 鲁维.长安大学 2009
[8]基于图像的火灾烟雾识别算法研究[D]. 焦珂.西华大学 2008
本文编号：2920558
【文章来源】：南京邮电大学江苏省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
视频图像二值化
再运用目前帧上的这一点与上上一帧对应点取差，假如 2 个差值均小于一的门限值的话，那么判定目前的点为图像背景像素点。图 2.2 为以上 3 帧差分法图，在进行检测时，门限值通常是实时变化的，以满足复杂场景或背景反复变换的.3 为运用间距为 2 的帧间差分法抽取到的前景视频图像。因为图像帧差法是通过像帧间的差值来选定烟雾飘动区域，所以对于周边条件因素的变换通常不很敏感，时性好。但是当烟雾飘动物体区域范围较大时，在其烟雾飘动区域中一般会出现空第n-1帧 第n帧 第n+1帧1 2 图 2.2 三帧差分法原理图
南京邮电大学专业学位硕士研究生学位论文 第三章农田火灾烟雾的多维特征分析第三章 农田火灾烟雾的多维特征分析在上一章内容中，对迅速高效地抽取视频类图像中的移动区域成为现阶段广泛研究的领域，这些研究算法的普遍性，在一定程度上得到了证实。但在这些算法的运用中，存在着应用时间、地点、空间的影响。例如背景减除法，其在已有的技术条件下如何检测和定义前景区域和对象，是没有很好的规则的。它比较适应于平缓或快速的光照背变化，复杂的背景变化等。因此本文的主要工作是着重于研究烟雾的四个特征，分别为颜色特征、烟雾运动特征、烟雾的区域轮廓特征及烟雾图像频率特征，并给出相应算法。综合运用此四种烟雾识别的方法，具有很高的精确性，并且对于系统的总体要求不是太高。该论文从火灾烟雾的 4 个特征，对其算法展开探究说明，论文结构安排如下图所示：基于 RGB 直方图的农田
【参考文献】：
期刊论文
[1]基于卡尔曼滤波器的半捷联导引头控制系统设计[J]. 韩宇萌,贾晓洪. 兵器装备工程学报. 2019(10)
[2]基于帧差法和混合高斯的海上运动目标检测[J]. 高海壮,段先华. 计算机与数字工程. 2019(05)
[3]冬季东北地区室内甲醛扩散的数值模拟[J]. 王芳,王鹏浩,徐洪祥. 哈尔滨理工大学学报. 2018(06)
[4]一种融合小波变换与卷积神经网络的高相似度图像识别与分类算法[J]. 姜文超,刘海波,杨宇杰,陈佳峰,孙傲冰. 计算机工程与科学. 2018(09)
[5]视频烟雾检测研究进展[J]. 史劲亭,袁非牛,夏雪. 中国图象图形学报. 2018(03)
[6]基于RGB颜色模型的玉米淀粉爆燃火焰传播速度[J]. 张洪铭,陈先锋,张英,牛奕,代华明,黄楚原. 爆炸与冲击. 2018(01)
[7]基于运动路径角的林火烟雾图像检测探究[J]. 乔元秀,程朋乐. 西北林学院学报. 2017(02)
[8]基于最优质量传输光流法和神经网络的火焰和烟雾检测[J]. 王卫兵,徐倩,韩再博. 哈尔滨理工大学学报. 2017(01)
[9]基于背景动态更新与暗通道先验的火灾烟雾检测算法[J]. 赵亮,骆炎民,骆翔宇. 计算机应用研究. 2017(03)
[10]基于视频图像的烟雾检测方法探析[J]. 杨学富. 通讯世界. 2016(03)
博士论文
[1]基于显著性检测和烟雾时空特征的视频火灾探测方法研究[D]. 贾阳.中国科学技术大学 2016
硕士论文
[1]基于光流算法的运动目标检测应用研究[D]. 张艳艳.西安石油大学 2018
[2]基于RGB颜色分布模型的MRF图像分割算法研究[D]. 黄晨雪.湖北工业大学 2018
[3]基于激光自混合干涉效应的传感应用研究[D]. 魏颖斌.厦门大学 2017
[4]GMAW熔池网格结构光三维视觉传感[D]. 吕明达.哈尔滨工业大学 2015
[5]基于视频的烟雾检测算法研究[D]. 毕丰隆.大连海事大学 2014
[6]基于视频的火灾烟雾探测算法的研究[D]. 赵阳.天津大学 2012
[7]基于图像处理的火灾智能监视识别技术的研究[D]. 鲁维.长安大学 2009
[8]基于图像的火灾烟雾识别算法研究[D]. 焦珂.西华大学 2008
本文编号：2920558
本文链接：https://www.wllwen.com/nykjlw/dzwbhlw/2920558.html
