（通信与信息系统专业论文）图像型火灾监控技术若干问题的研究.pdf

一竖幽型竖1 嘶瓦一 摘要 f 大空州图象火灾探测技术，作为一种新型的火灾探测技术，已经得到了“ 泛的应用，并且显示了其优越的性能。小文基于理论研究的基础上，进行了一 些贞验，通过获得的数圳，刘人空川火火椿测系统作了技术一i ：f i g ：f i i y i 。 侄大空i u 火灾探测技术t h 图象型火灾探测 孥曼 垮传统的感濉、多掣h 探 测系统，具有监视范围火、反应速度快的优点。匆本文几个章节i i j 剥图象 型火灾监控技术作了详细的探时。f l - j i - i 了一些重要的数据，丰富了火灾 i 钳制支 术| | jj 弈。 ， 、n 筇章t h 我 豇q 砜删的劁象火火船控系统作了分析，1 i j l ：究了择邮分的 结= j ：j 、功能。介绍t 运) i j j 二火灾瓶控投水0 鳖罄缝掣技术与f 也路砹汁 t 术。 翻：第：二章中，针对i l i , , i 进行火焰剧象u 刖的j u 题；j 阐述了模式u 州慨圳! ， 研，了攮于统计模式识别技术的静态火i 川斟象的分类技术， ：刘静念的2 i i 外闰 致迅j j ：了分类。 m ：吲象火灾l l i ：t l - 技术h 业多的址造川利川实时影象技术来i ! l ! 仃级的u ! 别。住第二：章r | j ，在理斛火焰神i 删劣物川叫i ：性的丛础上，j 利川实l 影象的分析 技术，术区刖火焰区域年背景区域。纯火好1 信号的测量r 一，利川短叫f 0 0 ：叶变 换，翅l 过剥信号的分析。深入探讨了火 m 。i 号的频谱特性，同：m 利川小m 的 ，j 洲：进行了剥照实验，比较了结果一刈j 】| _ 人的研究作了重要的| i = ；充，发肥， 火灾舱控技术一i 一的个重要的力就址舱控系统算法实现i 竹一l ：j i 小义刈 利川! 社1 机系统作为处理器求实现算“；作了深入的研究。水文洋细刚迷了如何 实现缘采集、存储及处川! 。x , j ，俐伸l 造川j ：火灾舱j 划史术的研究仃j 协j 。1 峡j h ! 火火躲控系统的工业化。 小义坡后泔论了信、j 统i l 分 i 及现 晰 | i i 汁技术推火灾雌控t f - 的j 够，分 机【l 较1 - 它们的优，缸和小足。 ( 徊! 本文的研究： 作r h 列晰如火炯p , i 频的测量以及电路系统f i , l 没f ：，i i f f 具订定f 1 9 i , i 新。将l 斟象处删! 及坼j 机 女术j 燃烧学、火灾利学的知以绝合， 运川到火灾雌控技术t h 以。k 提舟系统f j ”【0 i l - 。 哭键i 州：大空州、模= = u 刖、川象分：i 玑实寸影象 卜# t 求人学坝i 学位论艾 摘蛆 a b s t l a c t ： l 1 1 ef i r ed e t e c t i o nt e c h n o l o g yi l ll a r g es p a c ei san e w l yd e v e l o p e dt e c h n o l o g yt h a t 1 1 a sb c e n 、，i d e l yu s e d i t se f f i c i e n c yi sv e r ) e x c e l l e n t i nt h i st h e s i s ，w ed i s c u s st h e t e c h n o l o g y - b a s e do i lt i md a t ao f t i l ee x p e l i m c n t jh ei m a g ef i t ed e t e c t i o nt e c h n o l o g ) ，i sb c t t e rt h aj 】t h et r a d i t i o n a lb e c a u s eo l i t s l a r g er a n g es p a c ed e t e c t i o na n dh i g hr e s p o n s es p e e d w ew i l l d i s c u s si ti l lt h en e x t s e v c l a lc h a p t e r s i nc h a p t e rl ，w ei n t r o d u c et i l es h t l c t t l leo fi m a g et y p ef i r ed e t e c t i o na n dt h e f u n c t i o no l e a c hp a lt 1 1 1 c h a p t m 2 w cd i s c u s s t h em o d e li d c n t i l c a t i o na n dd i s c u s st e c h n o l o g yo f c l a s s i f i c a t i o no fs t a t i cf i r ei m a g eb a s e do nt h em o d e li d e n t i f i c a t i o n 1 1 1t i l ei m a g et y p ef i r ed e t e c t i o nt e c h n o l o g y ，w ep u tm o r ee m p h a s i so nh o w t ou s e 仆l ei i l l ：1 【g cs e l i c st od e t e c tt i l ef i r e i l lc h a p t e l 3 ，w ed i s c u s st i l ec h a r a c t e r i s t i co f t i l ef i r e i i l l a g e s c ii c sa n dd os o m er e s e f l l c ho i lh o x st od e t e c tt h ef i r ea c c o r d i n gt ot h e s e t h a ia c t e li s t i c si l lt h i sc h a p t e r ，、ca l s od i s c u s st h ef i r ef l a s hf r e q u e n c ya n dd os o m e e x p e l i m c n tt on l e a s u r et i l em a i nf r e q u e n c yo ft i l ef i r eu s i n gs h o r t t i m ef o u r i e r t i a l l s f o h l l o n eo l t i l ei m p o r t a n ta s p e c t so ff i r ed e t e c t i o nt e c h n o l o g yi sh o wt or e a l i z et i l e a g i , r i t b m i nt h i st h e s i s ，w em a k ef 1 ) r t h m ll _ c s e 3 1c ho nh o w t ou s eo n e - c h i pp r o c e s s o r t olc a l i z et i l ea l g o r i t h m w ed i s c u s si nd e t a i lh o wt oc a p t u r es t o r ea n dp l + o c e s st i l e i n a a g e i ti sg o o dt oi n d u s t r i a l i z et h es y s t e mw i t ht h i sr e s e a r c h b e c a u s eo ft h ed e v e l o p m e n to fp r o c e s s o l a n dt h ea l g o r i t h m ，r e s e a r c h e r si l o w i n t lo d u c es i g n a ls t a t i s t i c sa n a l y s i si nt h ed e t e c t i o nt e c h n o l o g yo ff i r e b e c a u s et i l ef i r e i st h e1 a n d o mp r o c e s s i ti ss u i t a b l et od e a li t 、i t ht h ea l g o r i t h m i nt h er e s e a r c hw o r ko ft h i sp r o i e c t neh a v es o m en e wi d e a so t h ec a t c u ( a t i o n o fi h ci h ef l a s hf r e q u e n c ya n dd e s i g no ft i l ec i l c u i t w ec o n n e c tt i l ek n o w l e d g eo f i m a g ep i o c e s sa n df i r es c i e n c ea n dn s et h e s et e c h n o l o g y si l lt h ef i l ed e t e c t i o n k e yw o r d s ：l a r g es p a c e ，m o d e l i d e n t if i c a t i o n ，i m a g ec l a s s i f i c a t i o n ，r e a l t i m e i m a g e s 致谢 本论文的完成，要感谢屈玉贵老师和袁宏永老师的悉心指导。 在同屈老师、袁老师一起工作的三年中，他们严谨认真的治学态度、 忘我的工作作风和孜孜不倦的探索精神，激励着我奋发图强，努力 工作。 在三年的学 - 7 、生活和工作中，我得到了王清安教授的关心、 支持和帮助! 王老师作为火灾科学国家重点实验室副主任，在有大 量日常事情要处理的情况下，仍对我的论文工作给于指导，对王老师 致以深深的谢意! 感谢计算机系赵保华老师在我研究工作给予的耐心指导，解答 我提出的问题。给予我大力的支持。 感谢火灾科学国家重点实验室的赵建华博士和苏国锋博士，在 工作中，常常得到他们的热情帮助，为研究_ t - 作的顺利进行提供了 很多支持。 最后，谨向所有帮助和关心过我的人表示深切的谢意 中国科学技术大学硕士学位论文 第一章绪论 第一章绪论 引言 人类社会发展到今天，火灾依然是威胁人类生命安全的重大灾害。而近几 年来，随着经济的飞速发展，各种高层的综合性建筑群体不断涌现。在高层建 筑中，由于人口的密集，财产的集中，其消防安全问题就更为突出1 1 1 。为此， 世界各国的火灾研究人员，经过多年的不懈努力，在火灾探测、自动报警、联 动控制、自动灭火设备等方面取得了可喜的成果，并形成了一套自动火灾监控 系统。 自动火灾监控系统具备探测、报警、联动、灭火、安全疏散和消防通信等 功能，它由下列部分装置组成：( 1 ) 火灾自动报警系统( 包括火灾探测和自动 报警设备) ；( 2 ) 自动喷水系统；( 3 ) 泡沫、干粉灭火系统；( 4 ) 气体灭火系统； ( 5 ) 室内消防栓系统；( 6 ) 电动防火门、防火卷帘系统；( 7 ) 通风空调、防排 ： 【j l 装置：( 8 ) 火灾事故广播系统；( 9 ) 消防通信系统；( 1 0 ) 应急照明和疏散指 示装置。 自动火灾监控设备，关键在于能够及早的发现火灾，做到早期预报，同时 自动采取一些应急措施，扑灭可能造成重大损失的火灾，同时保证火灾发生现 场人员的安全。 1 1 大空间火灾监控系统背景介绍： 火灾监控系统根据采集信号的类型的不同，可以分成感温、感烟、感光、 气体火灾探测器等几类。 早期的火灾监控系统，利用感温或离子式感烟探头，提取温度和烟雾信号， 利用简单的算法来判断有无火灾的发生，这种监控系统结构简单并易于实现， 所以已经得到广泛的应用，但是无论感温还是感烟监控系统，都难以做到火灾 的早期预报。另外在大空间环境下( 如剧场，仓库等) ，由于感温感烟探头的参 数受到限制，所以这些探测系统的性能都比较差。 可燃物在燃烧时会放出从频率范围从紫外到红外的光波，在可见光波段， 火焰图象具有独特的色谱、纹理等方面的特征，使之在图象上明显的区别于背 景。我们可以利用这些特征，利用图象处理的方法，对火灾进行识别。根据燃 烧学的原理，在火焰燃烧时，其放出的能量9 5 集中于红外波段。所以，我们 石作图象处理时，非常关心红外波段的图象识别。可以利用红外成象的原理获 取燃烧所发出的红外图象进行图象处理，从而达到监控的目的。所以在大空间 生旦登璺垫查盔堂堡主兰焦丝塞 墨二里竺! ! 一 的火灾探测技术中，图象型火灾监控技术是比较先进的，图象型火灾监控系统 就是基于以上的认识而提出的。 在图象型火灾监控技术中，通常利用一些判决准则来进行判断，采用什么 判据对系统影响很大，火灾探测中经常利用多个判据，人们还在继续研究新的 判据，根据文献，我们对火焰的闪烁频率进行了研究，扩展了判据的范围。 图象型火灾监控系统，是利用c c d 摄象机作为探头，将被监视现场的彩色 和红外图象输入计算机，然后利用图象处理的算法，从单幅图象和图象序列中 来识别有无火灾的发生。在发现火灾的情况下，可以启动各种灭火系统和疏散 系统，在图象型火灾监控系统中，图象处理的算法以及火灾探测算法决定了系 统的性能。如何对算法进行改进是一个重要的课题。同时，在实际应用中，实 现算法的硬件电路也对系统的性能有影响。 图象型监控系统基于图象处理技术，可以对较大的范围进行监控，在火焰 及烟雾发生的初期即可实现报警，适合于大空间的监控要求。 下图是图象型火灾探测系统的结构图： 视频切换器：实现同时对多个目标实行监控，按照一定规律进行巡检。通 过视频切换器，可以利用一套系统同时对多个现场进行监控。 生里型兰垫查丕堂堡主堂垡堡皇塑二皇堕兰! 一 信号处理系统：主要进行图象处理的算法，可以由计算机构成，也可以是 单片机系统。 控制系统：对信号处理系统输入的信号进行处理，同时对信号处理系统、 联动控制系统、管理信息系统进行控制。 管理信息系统：它可以将收集到的各种火灾信息，显示于计算机，以便于 观察和选择；通过它还可以查询各种设备的状况，对于损坏或老化的设备 进行维修和更换；通过它，还可以分析探测信息的准确性、决策系统提供 的方案情况，以便于对系统进行纠正和优化。 1 2 大空间火灾监控技术的主要内容 火焰和烟雾的图象，具有很多独有的特征，本文主要进行如下火灾识别方 西f 的研究： 模式识别：模式识别技术在图象处理上可以提取图象的特征，主要用于图 象的匹配、分类、描述、分割等。 纹理研究：火焰和烟雾的图象都具有很强的纹理特性，但纹理特性随场景 的不同有一定的变化，但总体上是相似的，合适的方法能够区分出各种火 焰与背景纹理的区别。 图象序列的研究：由文献可知，火焰闪烁时具有一定的频率特性，通过对 红外图象序列的研究，利用闪烁频率作为判据来判断有无火焰的成分是可 行的。 时间序列的算法分析：在提取了图象的特征量后，形成一定的时间序列， 通过称之为系统法的一些算法后，可以给出火灾于否的结论。运用于火灾 监测的时间序列算法。从开始的直观法，发展到后来的趋势分析法。随着 现代谱估计方法的运用，火灾探测的算法更加复杂，模型更加接近实际的 情况，由于火灾发生时，场景十分复杂，因此人们现在又采用了模糊逻辑 和神经网络的方法。总之，时间序列的分析是趋向于复杂、合理的方向发 展。 1 - 3 实现图象型监控系统的工具 图象型火灾监控是一个多学科交叉的复杂学科，总体来说它具有以下特点： l 、不确定性的模型 由于火灾的发生本身就有不确定性，而火灾发生所在的建筑也是多种多样， 刁：可能事先建立一个确定的信息处理或控制模型。 2 、复杂的任务 该系统需要处理的信息众多，要控制的设备又各式各样，而控制的结果又 要根据实际情况随时变化。 中国科学技术大学硕士学位论文 第一章绪论 所以，在实际中实现火灾监控需要有如下工具： 1 、合适的图象处理方法：图象处理技术是图象型火灾监控技术的关键，由于火 焰和烟雾图象在空间和频域上的特点，可以采用图象处理的方法来进行火焰 及烟雾的识别。 2 、具体的火灾识别算法：火灾识别虽属于信号处理的范围，但具有自己的特点， 在从事火灾探测研究中，人们已经建立了多种算法，包括闽值算法、趋势算 法、信号统计算法等，由于火灾识别难以建立一个固定的数学模型，近年来 人们又发展了模糊理论方法和人工神经网络的方法。 3 、处理器技术的发展：早期的信号处理器，由于性能低下，只能完成较简单的 算法，近年来，由于处理器速度、存储空间等性能的增强，图象处理也成为 了可能，这为图象火灾探测技术的实现铺平的道路。 1 4 图像型火灾监控技术的优点 火灾的早期探测和预警是控制火灾发展和减少火灾损失的重要途径。早期 的火灾探测主要是采用感温或感烟模式，虽然这些模式对火灾的防治做出过重要 贡献，但其不仅在灵敏度和可靠性方面尚亟待提高，而且由于不能对火灾最初的信 号作出反应，与日趋严格的火灾安全要求已不相适应。图像是人类视觉的延伸。 通过视觉，可以立即准确地发现火灾，这是不争的事实。图像监测快速性的基础是 视觉所接受的信息以光为传播媒介；而图像信息的丰富和直观，更为早期火灾 的辨识和判断奠定了基础，其它任何火灾探测技术均不能提供如此丰富和直观的 信息。此外，图像监测的关键器件一像敏感元件通过光学镜头与外界发生间接接 触，这种结构保证了图像监测技术既可以较恶劣( 多粉尘、高湿度1 的室内环境中 使用，也可以室外环境中使用。由此，图像监测技术在火灾探测中的地位和作用为： ( 1 ) 可在大空间、大面积的环境中使用： ( 2 ) 可用于多粉尘、高湿度的场所； ( 3 ) 可在室外环境中使用； ( 4 ) 可对火灾现象中的图像信息作出快速反应： ( 5 ) 可提供直观的火灾信息 火灾监控系统的出现已经有一个多世纪，图象型火灾探测技术则是近年来 的新近发展的技术，本文将针对火灾领域的需要，给出适用于该领域的图象识 别技术，为火灾消防问题的研究提供一种新的方法，为火灾监控系统的发展做 一点点贡献。 中目科学技术大学硕士学位论文 第二翥火焰图像识别中的模式识别技术 第二章火焰图像识别中的模式识别技术 引言 在图像型火灾监控技术中，我们的主要任务是如何在各种复杂的环境下，获取 被监控现场的图像，并从各种背景中区分出火焰或烟雾的部分，由于实际的场景非 常复杂，包括各种干扰源( 例如灯光、阳光、灰尘、水雾等) 所以，识别的关键在 于如何了解火焰或烟雾图像的特性，并利用模式识别的技术对火焰区域加以识别 单纯利用静态图像实现火焰识别可靠性较差因此，在本章中我们还要讨论火焰 动态图像的识别方法 2 1 模式识别技术概论 模式识别是人对各种事物或现象的分析、描述、判断和识别能力，模式识 日u 通常分为统计模式识别和结构模式识别方法，模式识别基本上有两个过程实现 设计和实现，基于统计方法的模式识别由四个部分组成：数据获取，预处理，特征 提取和选择，分类决策 有图像获得的数据量是非常大的，为了有效的对图像进行分类，就要对原始 数据进行变换，原始数据组成的空间称为测量空间，分类识别的空间称为特征空 间我们在特征空间中选取向量组成特征向量对样本进行分类 特征的选择和提取的任务是求出一组对分类最有效的特征，在确定特征时我 们遵循以下原则， 寻找些可分离型判据，并希望可分离性判据满足如下要求 1 ，与错误概率有单调关系，这样使判据取最大值的效果一般来说其错误概率 也较小 2 当特征独立时有可加性 x d ) = j 。( h ) 2 1 这里厶是第i 类和第j 类的可分性准则函数，。f ，愈大，两类的分离度就越大 3 度量特性： 厶 o 当i j 时 j | j = 0 当i = j 时 j ij2j j j 4 单调性，即加入新的特征时，判据不减小 ，( x l ，x 2 ，x d ) 蔓l ，”( x l ，x 2 ，一x d ，x d + 1 ) 2 2 对特征向量的选取，常用的判据如下： 1 基于距离的可分性判据 各类样本可以分开是因为它们位于特征空间的不同区域，显然这些区域之间 距离越大类别可分性就越大，在空间中各类区的距离可以表示如下 在欧式距离表示下，各类间均方距离为 山( x ) = t r ( s 。+ s b ) 2 3 其中 “，= e 【x 】 “= 瞳】 s 。= e ( u ，一“) ( m 一“) 7 s 。= p e 舭，叫) ( 刈) 7 2 4 2 基于概率分布的可分性判据 3 基于熵函数的可分性判据 特征的提取有以下几种方法 按欧氏距离度量的特征提取方法 按概率距离的特征提取方法 用散度准则函数的特征提取器 基于判别熵最小化的特征提取 分类决策就是在特征空问中用统计方法把识别对象归为某一类别，基本作法 是先在样本训练集的基础上确定判别准则，使按这种准则对被识别对象进行分类 所造成的错误识别率最小 模式识别的分类问题是根据对象特征的观察值将其分到某个类别当中去，在 分类中，贝叶斯决策理论是统计模式识别的基本方法，贝叶斯决策理论分为最小 错误率贝叶斯决策和最小风险贝叶斯决策 在火焰图像的分类中，我们可以将图像分为两类，火焰和背景最小错误贝 叶斯决策理论可以表述为：如果p ( u 、ix ) i ，( u ，】x ) ，则把x 归于正常状态，反之 如果p ( u 。ix ) p ( c a ) 2 ix ) ，则把x 归于异常状态u ：，可以简写如下 如果p ( qi x ) = m 川a ，x ：p ( c o ，i x ) ，则x q 利用贝叶斯公式， 可以得到最小错误贝叶斯决策规则的等价形式： p ( qx ) ：盟业 2 5 p ( xi ( o j ) p ，) j = l o h 果p ( z q ) | p ( q ) _ m h a ，x ：p ( xc o ，) p ( a 赃翻一 2 6 分类判决准则中，还有基于最小风险的贝叶斯决策，最小最大决策，序贯分类 力法等 2 2 模式识别在图像处理中的应用 景物是由三维立体图像和二维平面图像构成的，而一般的三维立体图像可以 由一系列不同角度和不同层次的二维图像所组成，因此对二维图像模式的识别与 分析是最基本的 图像模式识别的目的在于以下几点 图像的匹配：我们可以利用模板匹配的方法对已知形状的图形进行识别 图像的分类：根据在图像上测得的一组特征值来将该图像分到己知的几 种类型当中去 图像的描述：根据在图像上测得的一组特征值对图像进行描述 图像的分割：将图像分割成为一些有意义的部分，然后对这些部分进行 分类和描述例如我们需要将火焰图像从背景中分割出来，同时要区分 火焰与阳光 图片的认识或理解：将图片认识或理解为由某些特定的部分按某种特定 的相互关系所组成的 在火焰及烟雾图像的识别上，我们将重点讨论图像的分割、描述和分类方面 的技术 1 图像的一些特征量描述 在图像的分割、描述和分类的技术中，我们关心的是图像的特征量的提取 中f 卅科学技术大学硕士学位论文 第二章火焰图像识别中的模式识别技术 图像特征指图像场中可用做标志的的属性，如区域的亮度、彩色、纹理、 频潜、直方图、矩等等 图像的直方图特征 图像灰度的一阶概率分布为 p ( b ) = p r o b f ( j ，k ) = 6 ，0 b 一1 只6 、。型 ?1 m 2 7 b 为量化层的值，共l 层，m 为测量窗口的总象素点数，n ( b ) 为灰度为b 的 象素点数 由一阶直方图表示的参数有 一 一i 均值b = b p ( b ) 女=d 方差 一1 一 盯；= ( 6 6 ) 2 p ( 6 ) 2 9 6 = 0 歪斜度 驴寿蕃曲广 2 1 0 熵 b e = 一p ( b ) l o g2p ( 6 ) 2 11 颁谱特性 图像的频谱特征反映了图像在空间上的分布情况，像素点灰度变化的快慢 图像的频谱最常见的可以由二维d c t 变换而得到 纹理特征 图象有很多是纹理型的，它表现为某种纹理基元按不同方式的组合，总体 卜表现为对象表面的一种特征。诸如：方向性、粒子粗细、表面粗糙或光洁、 微机形式、变化快慢等等。通过图象的纹理分析可以提取许多有用的宏观信息。 通常人们对纹理的描述是直观的、定性的，但是在计算机数字分析时希望得 到关于景物纹理特征的定量分析和解释，这就是图象纹理分析的任务。 图象纹理的精确定义至今尚未统一，一般晓，纹理是指一种反复出现的局部 ! 旦堡兰型麴型竖丝堡兰 垫= 萱丛塑望堡望型! 堕堡盛望型丛查 惯式和它们的排列规则。 畏多纹理司以分解成众多的纹理基元( 局部模式) ， 这些基元的排刈往往有一定n 0 规则，并反复出现。最小的基元就是图象的象 索。( 但也不川泶没有固定的蜘歹0 规律或矗规律很难找到的情况。) 纹理的分析方法有两类，是直接在，孙【j 域分析图象，二是变换到空间频率 域进行分析。l 比外，从另一伯度，纹理分析方法还可以分为纹理的模型分析和 纹理的结陶分析。 经常使用的有五个纹理特征度量。 1 ) 纹理能量度量e n e r g y e a e r g ) = j 厂t ) 它反映窗 1 内纹理燮芘弧甚体情况 狄度平均值的分量f ( o ，0 ) 为誊。汁算列 2 】2 越常限分析纹理时，令余弦变换后表示 纹州能量度量只考虑变化部分。 2 ) 方向性歧量d i r d i r = a t l “( 、i l ，( 2 1 ) ，c e r g 2 1 3 它是纹捌万f 溉蕾5 加权和 3 ) 羊f l 刻度发量f i n f l =卜。降弦，即。 卜8 辩1 。“q j jc 1 8 栅触发j 蔓量反应高矗j ，! 的睹眦 21 4 4 ) 力分fr i 耍度量d 1 3 ，i i j ，! ：等i 分“2j 2 蔓艟d l s i f d 巧只= 一r i c ( 口) 吣州o ) d o 对j l 吩( 目) = fi 0 口枷肌t r u ) 2l5 2 1 6 1 ) l q 7 ：= 一f 扛) 】o g ，f ， 2 17 q ( ) = f ：( r 护知0 ，c “j 218 0 f j ，删压j j ! 力f 句 够f ：，队 口。 例川f 掣嘶0 川织删川【一! “j ? ，毙分割等 比 删：口_ 些引z 分煳i ：4 i 撤川q 个频带的幽o n ：火 火拧i 力i ? f f i 火t f l j p i 毁卜门) l - m i 州i 书i f 0 宽浊【：从紫外。一j 强：0 j 生? j 外， ! ! ! 型兰垫查垄兰堡兰兰焦堡塞 丝三至坐塑堕堕羔塑塑堂型垦壅望型! i ：已 大部分的能量集中于可见光和红外波段，因此可以利用多台不同波段的摄像机获 得的图像来对图像进行识别 2 3 红外图像分割技术和实验 图像中的物体，除了在边缘表现出不连续外，在物体区域内部，具有某一种统 一性例如，灰渎值同一或纹理同一根据这种同一性，把一幅图像划分为若干个子 区域，每个子区域对应于某一物体或物体的一部分，这就是图像分割 图像分割是一种把图像分割成若干有意义区域( 潜在目标) 的处理技术， 目前已有各种各样的方法，例如直方图分割法中的最大距离法，、图像二值化 分割或半二值化分割及图像标注， 红外图像分割的具体步骤如下图表示 我们将要利用统计模式识别理论结和信号统计分析中的判别准则对火焰图 像进行分类 模式识别有两大类，统计模式识别和句法模式识别统计模式识别，是利用图 i = ( x 】，x 2 ，h ) 7 2 1 9 像的n 特征量组成n 维特征矢量，记为 即特征矢量被记为n 维特征空间q 中的一个点分类问题可以表示为将该特 征宅间划分为m 个空间，每个子空间为一类我们在火灾探测技术中，主要要找可 疑的火焰亮区因此我们可以事先选择火焰图像的样本，计算出该样本的特征量， 再根据最佳判别准则，确定被测样本是否属于该类对于其他类别的景物我们可以 不做考虑 在数学上，统计模式识别可以表征如下，对于一组给定的样本集合，找出其最 佳的分类判别函数d 。，i _ 1 ，2 ，m ，并做如下判别 ! 旦型兰垫查= ；苎兰堡主堂丝堡壅 丝三兰盔塑堕堡堡型! 舅坐塑墨墅! 塑l 对于i j ( i - 1 2 ，m ，) 有 d 。( i ) d j ( 量) 2 2 0 则做判决 i 0 9 ， 2 2 1 通常图像的特征量有纹理特征，灰度特征以及图像的色谱特性在火灾图 像的识别当中，我们可以利用红外波段的特征量进行判别 在特征量的选择中，我们考虑以下几个原则 该特征是可以区别于其他背景的，尤其是区别于灯光、阳光等干扰 该特征在各种火焰的图像里都是一致的，不随火焰的大小，可燃材料的不 同等因素的变化而有太大的变化， 对该特征计算量要小，以满足早期预报的要求 通常我们提取特征包括目标的灰度特征、形状特征、结构特征、统计 特征等可以根据目标、背景和干扰物的差异来确定所提特征 由于早期火灾辐射的特性较小，应该解决如何在复杂的背景下检测出 弱小信号的问题 基于目标的辐射度和背景其它物体的区别，我们提出了以下的特征量 复杂度：边界象素和总象素的比值 均值对比度：目标灰度均值和背景灰度均值的比值 最大亮度：目标最亮象素点的灰度值 对比度：目标最亮象素点和最暗象素点的比值 均值差：目标灰度均值和局部背景灰度均值的差 标准偏差：目标象素点的灰度值的标准差 部分最亮象素点与目标象素点个数比值：比目标最亮灰度值小1 0 以 内的象素点个数和总象素点个数的比值 以上七个特征值反映了目标的物理特性，目标与背景之间的关系，如果把它 们综合的考虑，就可以得到目标红外特征的比较全面的描述，我们可以将这些特征 组成特征向量 设目标向量为f ，f = f l ，f f ， f 。i = l 7 为7 个特征量 我们采用特征向量来对图像进行分类 图像的预处理 为了排除噪声的干扰，我们对信号进行平滑处理，我们采用了局部平滑的方法 中科学技术大学硕士学位论文 第二章火焰图像识别中的模式识别技术 首先区合适的窗口s ( 3 + 3 ) ，计算该窗v 1 的平均灰度值 胤y ) = 一z s ( f ，力 2 2 2 为了保护微小的灰度差的细节及纹理，我们将之改进如下，将f ( x ，y ) 与f ( x ，y ) 的绝对差值和阈值比较决定最后的灰度值，表达式为 肌，_ 震舅 f ( x ，y ) i 一墨w ) p r2 2 3 f ( x ，y ) i z x x ，y ) 峰t 假设图像有m 类，每类有l 个样本，i = l ，2 m 为进行分类，我们从火焰图像样本中抽取一部分作为训练样本，另外的作为检 r = fi j = 1 , 2 - n ，) i = 1 , 2 m z = fj j = 1 , 2 n t ) i = 1 , 2 m 2 2 4 验样本， t 和t 。分别为训练集和检验集且n + n 。= l 。 构成特征向量的特征量比较复杂，有比例量，也有单位量，因此我们不用常用 的恢氏距离来来定义两个样本之间的距离，我们注意到当两个样本间的对应的 分培越多，两样本就越相似我们用如下的分类方法 记f 的分量为f 。( n = 1 2 7 ) t ，中样本的民，i = l ，2 ，m , j = i 2 n ， 两个样本之间的距离定义如下 d 。= d ( 只，f t ) = l c 一巧，i 2 2 5 对f 中的分量f 取 d 。2 m i n ( d 。( n ) ) 满足该式的n 己为c l a s s ( i ) ，它是距分量f 。最近的样本j 是对应的样本对f 中 所有的分量确定了相应的类别后，把f 归于这些类别中最多的一类，采用这种方法 分类，步骤如下 1 ) 以集合t 。中的样本为模版，用上述方法对t 中所有的样本进行预分类，并 计算分类的f 确概率p ， 2 ) 册i j 除训练样本集中被错误分类的样本，并留下剩下的样本构成t ， 3 ) 利用t 。作为模版样本集，利用同样的方法剥检验集中t ，的样本进行分类， 堕型兰垫查盔兰堡生兰垡堡苎 笙三童| 火堕望堡望型生盟堡茎! ! 墨燮! l 并计算正确率 2 4 动态视频图像的分割方法 为了进行动态目标识别，首先要对采集到的图像进行分割，将原始图像中有意 义的部分提取出来。目前，图像分割有两种主要方法，即基于边缘和基于区域的分 割算法，在基于边缘的分割算法中，一般先要检测图像的局部不连续性，然后再将 它们联接起来以形成更长的，很可能是完整的边界。在区域分割算法中，需要先寻 找图像中有均匀特性的一些区域，以形成边界。考虑到亚成像系统中玫瑰扫描的 不均匀性，在帧速不易提高的情况下会影响图像的完整性，从而产生一种“支离破 碎”的结果。在此阶段，不易取得完整的图像边界线。区域分割方法中最简单的 技术就是取门限，即利用图像的强度特性把一定范围内的所有像素取作同一组，而 在这个集合相互连通的区域即可能给出所希望的分割。一般的，阈值分割算法是 图像中较简单且易于实现的算法，且在高反差均匀背景下均匀物体情况下效果最 好、而对于非均匀光照的图像，仅仅以灰度为判据会带来很大误差。在红外探测系 统中，鉴于目前的高精度数据采集系统可以采集到每两个像素之间可以有万分之 一的灰度差别，如此丰富的灰度级为闽值分割提供了足够的颗粒度。同时，微小的 阈值变化也不会造成分割质量的严重差别。 在阈值分割算法中，门限可以精一心挑选，也可以凭先验知识选择。而一般的方 法需要构造强度直方图，如果直方图有几个明显的峰，则这些峰值便可以给出相应 的门限。反之可以通过平滑直方图得到。但这会带来一些多阈值的结果，使系统 分割不精确。 实时运算的处理 图像的抽取 在图像阈值运算时，尤其是近距离图像处理时，原则上目标应具有一定的“可 视”形状与大小。为了减小大量不必要的一、二次统计运算，根据实际情况对图 像进行隔行隔列( 或多行多列) 抽取，这样相当于降低图像的采样率，使图像缩小为 原来的1 斛2 ，对图像进行抽取，虽然加大了前期的运算量，但是就整个而言，运算 境大大的减少了 闽值运算 闽值下限 由于在实际系统获取的图像中，目标与背景狄度场景复杂，在各种红外干扰共 存的情况下，某些背景狄度常常会高于目标灰度，有自动阈值判定时，常常会将目 十0 ； f j j 掉，而留下强烈的干扰。一种低阈值的分割方法是基于简单统计思想作出的， 中叫科学投术大学硕士学位论文 第一章火焰图像识别中的模式识别技术 即定义图像梯度值g ( x ，y ) = max ( g ( x ) ，g ( y ) ) ，其中g ( x ) 为水平方向的梯 度值，g ( y ) 为垂直方向的梯度值。则由： g ( x ，y ) i ( x ，_ y ) 壹丽 2 2 6 可以在背景、目标及红外干扰噪声共存的情况下，除去大量暗背景起伏 上限范围 一般在目标图像强度大于背景的情况下，可以知道理想阈值应小于分割图像 的均值，因此可以得到闽值运算的上限范围 在存在大面积高强度干扰假目标时，虽然经过了阈值范围限定，仍可能把目标 当作背景去掉。因此，需要采用多波段识别等方式来解决。另外，在远距离探测 时，即在目标面积偏小时，如果不采用取景框缩小视场，则类间方差法将出现多峰 现象，有时会出现错分，降低分割质量。 本蕈小结 本章讨论了模式识别在静态火焰图像分类及描述中的应用，图像分割技术 在红外图像的分类中已经有了广泛的运用，通常运用在红外目标的跟踪上，由于 火焰燃烧时在红外波段图像上明显的区别于周围大部分的背景环境，所以图像 分割技术对于识别火焰具有重要的作用，在实际的监控系统中，由于火焰的发展 是。个过程，我们通常利用动态的图像序列进一步对图像进行分析模式识别在 动态图像分割中也有重要的作用 4 主圈型堂垫查盔堂堡主堂垡堡塞 篁三童苎王壅盟壁堡墼坐壅堡型! 童j l 第三章基于实时影像的火灾探测技术 引言 在大空间火灾探测技术中，实时影像技术得到了广泛的应用，目前，人们对 火焰图像的特征进行了大量的实验，对火焰及烟雾图像的特征有了深入的认识 在实时影像探测技术中，利用摄像机所获取彩色和灰度图像序列，计算它们的特 征，在对整个序列进行分析，利用图像分析等方面的知识，进行火灾的判别及定 位同时利用实时影像技术对火焰的闪烁频率进行研究，可以增加对火灾信号进 行探测的判据 3 1 火焰图象的特征 众所周知，火灾是一种失控的燃烧这种燃烧必然会产生相应的热物理现象， 就早期火灾探测而言，我们关心的是这些热物理现象表现出来怎样的图像信息 火焰辐射及光谱：火焰辐射中两种主要成分是炽热微粒和c o ：共鸣。将火焰 辐射从环境背景中提取出来，必须对炽热微粒和c o ，共鸣加以考虑。 火焰燃烧中所特有的c o ，共鸣辐射光谱( 位于4 4 微米处) ，由于比其他光谱 具有绝对大的强度，据此可将火焰从大部分高温辐射光谱中明确地分离出来。然 后，由于自由火焰又具有起伏的燃烧，其红外辐射强度之变化频率范围在数赫兹到 3 0 赫兹，据此，可避免火焰以外的光辐射干扰而引起的火灾误报警。 对火焰中炽热微粒辐射可用普朗克辐射定律作近似数学描述，可知火焰的色 彩被限定在一定的范围内。从而可以用色彩传感器感知环境中的这个色彩范围。 当然，环境中也还有着与火焰颜色相类似的色彩，这时就必须结合火灾的特征，依 此形成火灾探测算法的基础 火焰形状：环境中有各种各样的物体，存在着不同的形状。首先必须将混杂 在环境中的火焰从环境中分离出来。这种分离得以实现的事实依据是：火焰是高 温物体，而它的周围环境则处在常温状态。根据早期火灾发展过程中火焰形状不 断扩大变化这个特征，可将火灾火焰与稳定火焰或其他高温物体( 如白炽灯、电炉 等) 加以区别，以形成火灾探测算法的又一基础 早期火灾中存在三种典型的物理现象：阴燃、火羽流和烟气 阴燃是一种只在气固相界面处的燃烧反应，而没有气相火焰的燃烧现象。 | j j 燃的温度较低。燃烧速度慢，不易发现，因而危险性很大。作为自我维持而无 咧火燃烧，阴燃的典型温度范围6 0 0 l l o o k 火羽流任何火灾都要经历这样一个重要的初始阶段：即在火焰上方由浮 中f 马科学技术大学硕士学位论文 第三章基于实时影像的火灾探测技术 力驱动的热气流持续上升进入新鲜空气所占区域。从火灾初起，就存在着这种被 称为火羽流的燃烧现象。由于其包括火焰部分，故称为火羽流。火羽流的温度是 随位置和时间变化且因燃烧材料的不同而不同。由于热解的典型温度在6 0 0 9 0 0 k 之间，而气相火焰为1 2 0 0 1 7 0 0 k 。( 对火灾探测有意义的早期火羽流温度 不应大于1 7 0 0 k ) 因此，典型的火羽流温度范围为：5 0 0 1 7 0 0 k 烟气烟气是燃烧产物中的微小颗粒的集合。由于烟气在流动的过程中与 周围环境的热交换，其温度逐渐下降，因此可以确定：一般条件下，烟气温度的上 限低于火羽流的温度，而下限则高于环境温度。般为3 0 0 8 0 0 k 。上述热物理 现象在发生时都因与周围环境存在着温度差而有一定的边缘和形体效应。通常， 这种边缘和形体效应在可见光的范围内表现出来，就是所谓的图像信息。图1 是 早期火灾各种热物理现象的温度范围及对应的峰值波长范围。 由辐射定律可知，当物体为黑体时，依靠其自身发光而表现出物体形体的图 像信息，其温度必须超过6 0 0 c 。因此，由于当阴燃和火羽流发生时，其温度范围 在6 0 0 k 一1 7 0 0 k ，烟气的温度范围在3 0 0 k 一6 0 0 k 根据理论，若要依靠其自身发光而 表现出物体星体的图像信息，其温度在必须在6 0 0 k 以上早期火灾因自身原因形 成的图像信息的热物理现象有：火羽流以及高温度下的阴燃。 我们之所以能够获得常温下物体的图像信息，是因为太阳、月亮及其它照明 的存在。从太阳等发光体发出的辐射，在到达物体表面前其一部分会被大气所吸 收，而到达物体的投射光线在物体表面形成的反射、折射和漫射将会反应出物体 的形体。对火灾中的烟气，当有其它光线照射时，也会给出其图像信息。 根据实验，我们可以得到早期火灾温度及峰值波长的分布，如图3 1 所示 从图中可以看出，早期火灾的各种物理现象，都存在大量的红外辐射，其峰值 辐射光谱范围为1 8um 一9 7 um 。这为图像获取器件提供了依据。 图像型监控系统中的图像采集器件 早期火灾的各种热物理现象存在着大量的红外辐射，尽管其峰值辐射光谱 范围相对较窄( i 8 9 7 “f ) ，但整个辐射光谱基本上包括了热辐射的光谱范 围：0 2 i 0 0 um ，但由于2 0 1 0 0um 为强水气吸收带，因此在工程上有意义的波 段为0 2 2 0 “m 。据此，早期火灾图像探测可用以下两种手段加以解决： 1 对温度敏感的像敏元件 这种探测手段的依据是：火灾发生的各热物理现象之红外辐射再现了其与 周围环境存在着温度差。这种基于红外敏感的探测方式是一种被动探测方式。 中围科学技术大学硕士学位论文 第三章基于实时影像的火灾探测技术 2 对特定光谱敏感的像敏元件 注意到光线的光学效应有助于使火灾中的热物理现象呈现出图像效果，向 周围景物投射光线，并接