雾天条件下基于机器视觉的森林火灾监测

发布时间：2022-09-28 13:17

　　基于机器视觉的森林火灾监测已成为森林火灾监测的一个重要发展方向。烟雾是森林火灾监测的重要指标。然而,诸如云雾和类似烟雾的诸多干扰物降低了火灾识别精度,为此提出了一种结合去云雾和烟雾检测的基于机器视觉的森林火灾监测方法。首先,提取视频中若干帧图像作为样本图像,采用基于Haze-Line的去雾算法对样本图像进行去雾处理。然后,利用基于Horn-Schunck光流法的烟雾检测算法进行烟雾检测,并利用最大类间方差法去除相邻2帧图像间像素质量差异对烟雾检测的影响。最后,利用扩散性分析进行火灾判断。仿真实验及对比分析结果表明,本文方法能够检测出烟雾区域随时间逐渐增加的趋势,从而有效地进行雾天条件下的森林火灾监测,具有更高的准确性和鲁棒性。 

【文章页数】：9 页

【文章目录】：
1 引言
2 雾天条件下基于视频的森林火灾监测
    2.1 基于Haze-Line的森林图像去雾算法
    2.2 基于光流法的火灾判断
3 实验分析
    3.1 Haze-Line去雾
    3.2 基于光流法的火灾判断
        3.2.1 烟雾检测
        3.2.2 扩散性分析
4 结束语


【参考文献】：
期刊论文
[1]面向烟雾识别与纹理分类的Gabor网络[J]. 袁非牛,夏雪,李钢,章琳,史劲亭.  中国图象图形学报. 2019(02)
[2]基于融合与高斯加权暗通道的单幅图像去雾算法[J]. 张晨,杨燕.  光子学报. 2019(01)
[3]2003-2016年中国华北地区森林火灾时空特征研究[J]. 张恒,马运佳,彭徐剑,张秋良.  西北林学院学报. 2019(01)
[4]基于Hadoop和Spark的森林火灾混合大数据分析系统研究[J]. 曾志强,何小东,王颖,吴鑫.  世界林业研究. 2018(02)
[5]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)
[6]基于改进遗传算法和SVM的森林火灾视频目标鉴别[J]. 楼雄伟,黄德才,方陆明,徐爱俊.  计算机科学. 2014(08)
[7]视频检测烟雾的研究现状[J]. 罗胜,Jiang Yuzheng.  中国图象图形学报. 2013(10)
[8]基于多运动特征的森林火灾烟雾图像识别算法[J]. 吴梦宇,罗琴娟,韩宁.  北京林业大学学报. 2013(03)

硕士论文
[1]基于非局部图像去雾算法研究[D]. 罗佳.南昌航空大学 2018
[2]基于视频图像的森林火灾自动监测识别技术研究[D]. 詹琪.电子科技大学 2017
[3]基于红外检测的智能化烟雾探测报警系统[D]. 姚小城.南京理工大学 2007



本文编号：3681732