基于數(shù)字圖像處理森林防火識(shí)別研究

1、鑒于數(shù)字圖像辦理的叢林防火識(shí)其余研究【綱要】叢林資源是地球上最重要的生態(tài)資源之一，叢林火災(zāi)給叢林資源帶來(lái)了極大的損失。實(shí)時(shí)發(fā)現(xiàn)叢林火災(zāi)并預(yù)防對(duì)保護(hù)叢林資源擁有特別重要的意義。本文經(jīng)過(guò)使用數(shù)字圖像辦理來(lái)迅速辨別叢林火災(zāi)發(fā)生時(shí)所產(chǎn)生出來(lái)的火焰和煙霧的圖像特色，從而迅速地辨別出火災(zāi)發(fā)生的有關(guān)信息，降低了叢林火災(zāi)帶來(lái)的巨大的損失。為了提升叢林防火識(shí)其余正確度，將人工神經(jīng)網(wǎng)絡(luò)的方法于叢林防火辨別中，經(jīng)過(guò)不停的學(xué)習(xí)，叢林防火辨別將更為正確和高效?！疽c(diǎn)詞】數(shù)字圖像辦理圖像切割防火辨別火焰特色叢林資源是地球上最重要的生態(tài)資源之一。它能夠?yàn)槿祟惖纳罟┙o各樣可貴的原資料，關(guān)于凈化空氣也起著特別重要的作用。叢林

2、資源的可重生的長(zhǎng)久性和不行代替性促進(jìn)人類要分外重視它的合理利用，這不單要求有計(jì)劃的砍伐和栽種，更需要注意預(yù)防叢林火災(zāi)1。叢林火災(zāi)的發(fā)生可能是自然災(zāi)禍惹起的，也可能是人為惹起的。叢林火災(zāi)直接給社會(huì)帶來(lái)巨大的經(jīng)濟(jì)損失，危害著生態(tài)環(huán)境。那么，為了減少叢林火災(zāi)給人類帶來(lái)的損失，需要實(shí)時(shí)發(fā)現(xiàn)叢林火災(zāi)，只有實(shí)時(shí)發(fā)現(xiàn)了叢林火災(zāi)，人們才能夠?qū)崟r(shí)營(yíng)救。所以，叢林防火識(shí)其余研究是擁有特別重要的意義。本文經(jīng)過(guò)使用數(shù)字圖像辦理的方法迅速辨別叢林火災(zāi)能否發(fā)生，主要判斷依照是叢林火災(zāi)所產(chǎn)生出來(lái)的火焰和煙霧的圖像特色，并使用神經(jīng)網(wǎng)絡(luò)的方法對(duì)叢林防火識(shí)其余算法進(jìn)行訓(xùn)練學(xué)習(xí)，從而迅速地辨別出圖像中能否存在叢林火災(zāi)，降低了叢林火

3、災(zāi)帶來(lái)的巨大的損失。1.叢林火災(zāi)辨別算法的概括傳統(tǒng)的叢林火災(zāi)辨別大部分采納鑒于感溫、氣體、感光等2這些傳統(tǒng)的辨別方法簡(jiǎn)單遇到空間高度、空氣流速、粉塵、溫度、濕度等外界要素的擾亂，因此影響檢測(cè)叢林火災(zāi)的正確度。鑒于數(shù)字圖像辦理的叢林防火辨別最重要的任務(wù)就是發(fā)現(xiàn)叢林火災(zāi)中的各樣特色怎樣表此刻圖像上，并保證這些圖像特色能夠顯然差別于圖像中除火災(zāi)之外的其余比如樹木等的背景事物2關(guān)于鑒于數(shù)字圖像辦理的叢林火災(zāi)辨別算法來(lái)說(shuō)，其核心問(wèn)題就是要利用叢林火災(zāi)的圖像的典型特色來(lái)辨別火災(zāi)的存在，而辦理叢林火災(zāi)的圖像必定要使用數(shù)字圖像辦理技術(shù)3數(shù)字圖像辦理的常用方法主要有：圖像?換、圖像編碼壓縮、圖像加強(qiáng)和還原、圖像

4、切割、圖像描繪和圖像辨別4。此中，數(shù)字圖像辦理中的圖像辨別主假如在提取了圖像中的火災(zāi)或近似火災(zāi)的有關(guān)信息后，對(duì)這些信息加以剖析，最后判斷該圖像中能否的確存在火災(zāi)現(xiàn)象。在進(jìn)行叢林防火辨別過(guò)程中，需第一對(duì)叢林的數(shù)字圖像進(jìn)行圖像切割辦理；而后利用火災(zāi)圖像特色辨別圖像中的目標(biāo)物體。在火災(zāi)發(fā)生的過(guò)程中，火焰和煙霧是最能表征火災(zāi)的物理現(xiàn)象。要實(shí)現(xiàn)叢林防火辨別一定由火災(zāi)圖像預(yù)辦理、剖析火焰的特色提取方法、成立BP神經(jīng)網(wǎng)絡(luò)模式辨別方法、訓(xùn)練BP網(wǎng)絡(luò)，最后對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行剖析。2.叢林防火識(shí)其余算法2.1圖像切割辦理圖像切割就是將圖像中的目標(biāo)與背景進(jìn)行分別，從而檢索出圖像中需要進(jìn)行辦理或識(shí)其余部分5。在進(jìn)行圖像切

5、割時(shí)，本文第一將所獲取的連續(xù)幀的圖像進(jìn)行二值化，目的就是要獲取圖像的灰度圖，減小辦理的數(shù)據(jù)量，提升了辨別速度。叢林防火辨別問(wèn)題能夠簡(jiǎn)要表述為：將圖像切割后的對(duì)象依據(jù)RGB值使用灰度直方圖取谷點(diǎn)進(jìn)行二值化，在此使用matlab工具供給的方法實(shí)現(xiàn)。獲取二值化圖像后，就能夠快速地計(jì)算出描繪物體大小和形狀的一些基本屬性，如物體的面積、周長(zhǎng)、寬度等。接下來(lái)就需要對(duì)此二值化后的圖像進(jìn)行圖像切割辦理。圖像切割的方法有好多種，常用的方法有灰度閾值切割法、地區(qū)切割法和邊沿切割法。圖像切割的一個(gè)重要門路是經(jīng)過(guò)邊沿檢測(cè)的，即檢測(cè)灰度級(jí)或許構(gòu)造擁有突變的地方，確立一個(gè)地區(qū)開始的地方。關(guān)于叢林火災(zāi)的圖像，火災(zāi)發(fā)生的地方

6、一般界限擁有明顯的邊沿，本文主要采納靠閡值和邊沿法相聯(lián)合的方式實(shí)現(xiàn)圖像切割。2.2叢林防火辨別算法叢林火災(zāi)辨別算法最重要的是提取叢林火災(zāi)的獨(dú)到特征，即差別于其余事物的特色。提取叢林火災(zāi)的特色是為圖像進(jìn)行叢林防火辨別打下了基礎(chǔ)。經(jīng)過(guò)將數(shù)字圖像辦理應(yīng)用于叢林防火辨別之中，計(jì)算出叢林火災(zāi)圖像中的疑似火災(zāi)地區(qū)的特色，并將綜合這些特色，從而達(dá)到辨別火災(zāi)的目的。本文聯(lián)合面積變化和邊沿顫動(dòng)相聯(lián)合的特色判斷火災(zāi)的發(fā)生。在叢林火災(zāi)發(fā)生時(shí)，常常會(huì)出現(xiàn)火焰不停延伸起來(lái)，火焰的面積急速擴(kuò)充。依據(jù)這個(gè)特征，在進(jìn)行叢林防火辨別時(shí)，可經(jīng)過(guò)面積的變化來(lái)初步判斷叢林火災(zāi)能否發(fā)生。對(duì)連續(xù)的幾幅圖像的各地區(qū)亮點(diǎn)數(shù)分別求均勻值，看地

7、區(qū)的面積能否有增大的趨向，火災(zāi)的增添率由像素點(diǎn)數(shù)的變化來(lái)權(quán)衡，增添率G的計(jì)算能夠采納以下的表達(dá)式：G=size（bt）-sizebt0）/t-t0?？墒?，假如只是使用面積變化和邊沿顫動(dòng)相聯(lián)合的特色判斷火災(zāi)的發(fā)生其實(shí)不可以防止一些擾亂，比如人工光源的挪動(dòng)。所以也將叢林火災(zāi)的邊沿顫動(dòng)特色也利用起來(lái)。火焰的邊沿顫動(dòng)經(jīng)常陪伴著火焰的尖角數(shù)量體現(xiàn)無(wú)規(guī)則的跳動(dòng)，火焰抖動(dòng)的判斷就要點(diǎn)研究尖角的辨別，主要步驟為尖角的切割、特色提取和辨別。在計(jì)算機(jī)中尖角是用眾多個(gè)點(diǎn)構(gòu)成的。尖角狹長(zhǎng)的計(jì)算能夠經(jīng)過(guò)使用f（n）/f（n-1）的值來(lái)實(shí)現(xiàn)，其中f（n）表示尖角匯中某一行的亮點(diǎn)數(shù)f（n-1）為上一行的亮點(diǎn)數(shù)?；鹧娴念潉?dòng)性

8、變現(xiàn)為：如對(duì)連續(xù)幀收集的圖像剖析，其尖角數(shù)量也在體現(xiàn)不規(guī)則的變化。叢林火災(zāi)的尖角個(gè)數(shù)都比許多，一般都在10個(gè)以上，可將其作為火災(zāi)的判斷依照。2.3人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于叢林防火辨別算法叢林火災(zāi)的圖像擁有錯(cuò)亂性和多變性，所以很難直接用精準(zhǔn)的數(shù)學(xué)表達(dá)式表達(dá)火災(zāi)圖像中的很多特色。而人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks，簡(jiǎn)寫為ANNS）擁有初步的自適應(yīng)與自組織能力，可用于實(shí)現(xiàn)火災(zāi)發(fā)生概率與對(duì)應(yīng)火焰特色之問(wèn)的非線性映照關(guān)系8。人工神經(jīng)網(wǎng)絡(luò)擁有很強(qiáng)的學(xué)習(xí)能力，能為新的輸入產(chǎn)生合理的輸出，可在學(xué)習(xí)過(guò)程之中不停完美自己，擁有創(chuàng)新特色。叢林防火辨別應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的思想后，提升了叢林防火識(shí)

9、其余自適應(yīng)性。經(jīng)過(guò)不停的學(xué)習(xí)，叢林防火識(shí)其余實(shí)現(xiàn)能夠高效且更更正確的判斷結(jié)果。3叢林防火識(shí)其余實(shí)現(xiàn)3.1叢林防火識(shí)其余實(shí)現(xiàn)流程叢林防火辨別是一個(gè)復(fù)雜的過(guò)程，在此，將叢林防火劃分為幾個(gè)步驟實(shí)現(xiàn)。叢林防火識(shí)其余第一步是將所獲取的圖像變換成BMP格式，這樣有助于程序?qū)D像進(jìn)行辦理和辨別叢林火災(zāi)。為了加快辨別，第一簡(jiǎn)單判斷一下列圖像中能否存在紅色地區(qū)，若不存在，就能夠判斷臨時(shí)沒(méi)有叢林火災(zāi)的發(fā)生。但若發(fā)現(xiàn)圖像中存在紅色地區(qū)，在此為了加快辨別，采用將圖像進(jìn)行灰度化辦理，并采納均勻值法迅速求出灰度值，馬上彩色圖像中的三重量亮度求均勻獲取一個(gè)灰度值，計(jì)算公式為：f（i，j）=（R（i，j）+G（i，j）+B（

10、i，j）/3。然后在matlab中的實(shí)現(xiàn)該圖像的二值化，步驟為：unread，rgb2gray，inebw。辦理以后，就獲取圖像的二值化。此外，為了減少圖像中的數(shù)據(jù)量，也將對(duì)數(shù)據(jù)進(jìn)行均值濾波辦理，也叫光滑辦理。詳細(xì)的辦理方法就是第一選擇出某一像素值，而后以它為中心計(jì)算出鄰域范圍中的像素的平均值，再使用這個(gè)均勻值取代這一像素的灰度值，計(jì)算公式為：圖像的準(zhǔn)備工作達(dá)成后，接下來(lái)就是特別重要的一步：圖像切割。圖像切割就是將圖像區(qū)分為若干個(gè)特定的、擁有獨(dú)到性質(zhì)的地區(qū)并提出感興趣目標(biāo)的技術(shù)和過(guò)程5。在此采用邊沿切割的技術(shù)，即檢測(cè)灰度級(jí)擁有突變的地方，從而將叢林的圖像切割為不一樣的地區(qū)，從而為圖像辨別供給了

11、基礎(chǔ)。關(guān)于圖像邊沿處的像素的灰度值不連續(xù)問(wèn)題，經(jīng)過(guò)求導(dǎo)進(jìn)行檢測(cè)。接下來(lái)就是提取圖像中能代表火災(zāi)的有關(guān)信息，如前所示主假如觀察面積變化和邊沿顫動(dòng)相聯(lián)合的特色。可是因?yàn)榛馂?zāi)圖像的復(fù)雜性和多變性，不可以夠直接用某一數(shù)據(jù)來(lái)標(biāo)志，所以需要將神經(jīng)網(wǎng)絡(luò)的模式辨別方法應(yīng)用于叢林防火辨別之中。3.2叢林防火實(shí)現(xiàn)的實(shí)例利用前面介紹的方法，在VisualC+的平臺(tái)上對(duì)叢林防火辨別進(jìn)行了實(shí)驗(yàn)。經(jīng)過(guò)對(duì)照大概250幅連續(xù)幀的叢林火災(zāi)發(fā)生的圖像，察看火災(zāi)發(fā)生的面積變化如圖3所示：此中，前50幀的圖像是正常的叢林圖像，即沒(méi)發(fā)生火災(zāi)時(shí)的圖像，所得叢林火災(zāi)的面積是為。的。在接下來(lái)的圖像中，叢林火災(zāi)的面積漸漸變大，變化的頻次也在增

12、大。這樣的變化規(guī)律是切合叢林火災(zāi)發(fā)生時(shí)的發(fā)展情況的。本實(shí)驗(yàn)使用眾多有關(guān)叢林火災(zāi)的連續(xù)幀的圖像進(jìn)行如上的實(shí)驗(yàn)。由實(shí)驗(yàn)結(jié)果可知，將數(shù)字圖像辦理的有關(guān)方法應(yīng)用于叢林防火辨別能夠提升叢林防火的正確率，因?yàn)樵鎏砹藢?duì)圖像的預(yù)辦理，所以也提升了叢林防火識(shí)其余速度。總結(jié)本文主假如在使用先進(jìn)的數(shù)字圖像辦理技術(shù)中的圖像切割、圖像特色提取等方法的基礎(chǔ)長(zhǎng)進(jìn)行研究，而后又進(jìn)一步的使用人工神經(jīng)網(wǎng)絡(luò)對(duì)結(jié)果集進(jìn)行訓(xùn)練，從而達(dá)到高效且精準(zhǔn)的叢林防火辨別。這就實(shí)現(xiàn)了對(duì)叢林防火自動(dòng)，辨別率高，保證了較低的誤報(bào)率、火情虛報(bào)率，剔除了自然環(huán)境如云霧等、季節(jié)交替變化、光照變化以及動(dòng)向目標(biāo)擾亂等要素造成的影響。參照文件（Reference

13、s）：1YoungNeil.FiredetectionandalarmsystemsJ.FirePreventionandFireEngineersJournals，2004（5）：53-55.2KempkaThorsten，KaiserThomas，SolbachKlaus.MicrowavesinfiredetectionU.FireSafetyjouma1，2006（41）：327-333.S.3李建，陳曉玲，陸建忠，殷守敬，羅順英.叢林火災(zāi)遙感監(jiān)測(cè)方法合用性研究J.華中師范大?W學(xué)報(bào)（自然科學(xué)版），2011.劉亮亮.鑒于視頻監(jiān)控的火災(zāi)圖像辨別研究D.北京：華北電力大學(xué)，2007.王海濤，黃文杰，朱永凱，田桂云，姬建崗.鑒于聚類剖析與神經(jīng)網(wǎng)絡(luò)的車牌字符辨別J.數(shù)據(jù)收集與辦理，2008，23（2）：238-242.夏培容，許曉飛.鑒于混淆智能算法的彩色圖像模糊顏色聚類切割方法研究J.湖南工業(yè)大學(xué)學(xué)報(bào)，2008.蔣先剛，梁青，沈濤.鑒于改良的均值漂移的叢林火災(zāi)圖像提取技術(shù)葉華東交通大學(xué)學(xué)報(bào).2011.汪中，劉貴全，陳恩紅.一種優(yōu)化初始中心點(diǎn)的K-means算法.模式辨別與人工智能.2009.22（2）.9梁杰，張麗紅，李林.HIS和地區(qū)生長(zhǎng)