基于可见光图像的火焰识别与提取

对火焰的基本特征进行分析,从中选择出几种比较有代表性的火焰特征作为判据来识别和提取火场图像中的火焰区域。基于火灾火焰的亮度特征利用区域生长法分割出疑似火焰区域;根据RGB和HIS颜色模型的对应关系,通过分离火焰像素的R、G、B分量,验证了火焰的色彩分布规律;利用圆形度判据排除规则光源的干扰。     

火焰图像分割算法研究

本文对火焰识别中常用的分割方法进行了研究,并分析了各自的优劣。Canny边缘检测虽然可以提取较完整的边缘,但是不利于基于区域特征的火焰识别;阈值分割可以简单有效的分割出红外图中高灰度级的火焰区域;运动检测的方法对于剧烈运动的火焰可以有效分割出运动区域,但是容易造成火焰区域的不完整;颜色分割是可见光图像中一种有效的火焰分割方法,其中的简单颜色模型简单实用。     

基于图像特征的火灾火焰识别方法

针对火灾火焰识别算法复杂和对环境要求高的特点,提出了基于图像特征的火灾火焰识别方法。首先采用颜色模式预判断火灾图像,排除不具有火焰颜色的物体,然后采用图像灰度化和二维熵最大阈值法进行预分割,得到火焰疑似区域,再通过提取火焰纹理特征和形状特征等对火焰图像进行分析、决策,最终判断出是否有火焰产生。实验结果表明,该方法具有较高的探测率,能降低误报漏报率且抗干扰能力强。     

基于颜色特征的低照度林火图像分割方法

在一些光照强度较低场的场景下,用一般方法直接分割火焰的效果不佳。针对这一问题,提出基于颜色特征的低照度林火图像分割方法。在HSV空间的V通道上,对原始图像进行直方图均衡化;分别分析火焰像素在RGB与YCbCr空间的特征,以此为依据对火焰进行分割;将二者结果相融合,得到完整的火焰图像。通过与MCC参数、F1-score参数和HAF参数进行对比,证明此算法对火焰像素的检测率更高,分割效果更好,且具有很好的抗干扰性。     

过度分割与流形保持的图像彩色化

提出了1种基于过度分割与流形保持的图像彩色化方法,以解决大尺寸图像彩色化速度较慢的问题。首先对图像进行过度分割,以分割点代替像素点作为彩色化处理的基本单位,使运行时间得到较大改善;然后利用局部线性嵌入算法建立分割点在亮度空间的流形结构,将流形结构从亮度空间映射到颜色空间,得到每1个分割点的色度值;最后通过相邻区域上分割点的色度值之间的线性插值得到所有像素点的最终色度值。实验结果表明,与现有的2种彩色化方法相比,该方法能在保持图像视觉保真度的同时,显著地提高大尺寸图像的彩色化速度。     

复杂光照条件下交通标志牌检测

在智能交通系统中交通标志牌检测存在准确率低和实时性差的问题,提出1种复杂光照条件下交通标志牌检测方法。该方法结合了亮度场景分类,RGB空间下颜色分割以及形状轮廓空间特征。首先根据图像亮度分布情况将图像分为逆光、阴暗、明亮和正常4种场景并进行自适应Gamma变换,消除光照对RGB颜色分量的影响,实现图像增强。然后利用基于RGB空间下改进的三分量色差法,提取图像中红色、黄色和蓝色目标区域,实现目标区域粗定位。最后利用形状轮廓空间特征实现交通标志牌精确定位。该方法抓住了不同光照条件下亮度分布差异的特点,综合利用了交通标志牌的颜色特征和形状轮廓空间特征。实验结果表明,该方法具有较高的鲁棒性和实时性。     

基于改进梯度边缘特征的早期火焰识别方法

在视频火灾探测中,基于颜色特征变化的火灾识别模型适应性差、对火焰倒影等在颜色模型方面与火焰图像很类似的外界干扰分辨率差。利用火焰燃烧时在空气中的状态与周围环境的颜色阶跃性,在颜色分量模型的基础上,对火焰图像边缘进行粗定位和精定位,使用改进的Soble边缘检测算法,选取颜色B分量的边缘梯度作为判断火焰和干扰图像的依据,构建了一种基于图像边缘梯度的火焰识别模型。实验证明:颜色分量梯度模型能够排除大量的常见干扰源,准确、快速地对火灾进行识别,对大空间室内火灾探测具有一定的使用价值。     

基于提升小波和直方图均衡化的MSR Retinex多参数融合方法的真彩色图像增强

基于原始提升小波和直方图均衡化算法的不足,文章提出了一种基于提升小波的多尺度(MSR)Retinex与直方图均衡化融合的真彩色图像增强算法。该算法将HSV空间下的亮度V分量运用MSR Retinex不同参数所得到的图像提升小波变换,并对低频与高频进行最大值处理,利用提升小波逆变换重构得到新的图像RGB1,并对原始的HSV颜色模型中的亮度分量V进行自适应直方图均衡化处理得到新的图像RGB2,将RGB1与RGB2图像进行融合得到增强后的彩色图像。     

融合伽马变换与Retinex的彩色水下图像增强算法

针对水下环境存在的颜色衰减和散射效应导致水下图像颜色严重失真的问题,提出伽马变换和Retinex相结合的彩色水下图像增强算法。选择伽马参数,对图像进行伽马矫正,然后利用单尺度Retinex进行增强。仿真实验表明,该算法在改善水下图像照度信息的同时,保留了饱和度和色度信息,解决了水下图像增强的颜色失真问题,使水下图像具有较高的对比度和清晰度。     

基于复合颜色模型的火焰图像探测技术研究

对比研究了火焰图像在这4个颜色空间中的分布特性,其中火焰图像YCb Cr颜色空间的色差空间(Cb,Cr)中具有边缘正态分布和二维正态分布特点,该特性可以用来剔除具有火焰颜色的非火焰区域干扰。在此基础上,提出了YCb Cr颜色直方图火焰探测算法和基于Lab颜色空间的Kmeans聚类火焰探测算法相结合的综合探测算法。实验结果表明,该算法充分利用Lab和YCb Cr颜色空间的优势,在使用YCb Cr颜色直方图快速、稳定进行预探测的基础上,使用Lab颜色空间的Kmeans聚类探测算法进行结果优化。该算法在同时拥有了两种算法优势的基础上,提高了火焰探测技术的稳定性和质量。     

A Flame Detection Synthesis Algorithm

A flame detection synthesis algorithm is presented in this paper. The temporal and spatial of flames, such as flame movement, color clues and flame area variation are incorporated into the scheme to detect fires in video frames. Firstly, Choquet fuzzy integral was adopted to integrate color features and texture feature for extracting dynamic regions from video frames. Secondly, mean filtering was used to smooth RGB value of the video frame pixels and detected dynamic regions were filtered by a flame color filtering algorithm to extract candidate flame regions. Finally, a flame area variation identification algorithm was used to distinguish true flames from candidate flame regions. Experiments show that the proposed method is effective, robust and remains with strong anti-jamming performance against brightness variation. The processing rate of the flame detection method achieves 24 frames per second with image size of 320 × 240 pixels.     

基于蚁群算法的复合形法及其在边坡稳定分析中的应用

首先将基于排序的路径选择方法引入基本蚁群算法 ,并用之于连续变量的优化问题和边坡的最小安全系数搜索 ,结果发现对于设计变量较少的数值优化问题和简单边坡的最小安全系数搜索问题 ,该蚁群算法可以找到全局最优解或比较接近全局最优解。但对于复杂边坡的最小安全系数搜索问题 ,该蚁群算法很容易陷入局部最优。另外复合形法对于不同的初始复合形也会得到不同的最小安全系数 ,利用本文提出的基于最小海明距离的替换准则将蚁群算法得到的局部最优解替换掉初始复形中的一个顶点 ,则复合形法容易找到全局最优 ,成为一种全局搜索能力很强的优化算法。     

基于图像识别技术的汽油、无水乙醇燃烧火焰识别研究

为了实现基于视频图像对火灾现场存在助燃剂的分类识别,对燃烧火焰的特征进行分析,根据汽油和无水乙醇引燃后各自特有的燃烧现象,结合火焰的视频图像识别算法实现对汽油和无水乙醇燃烧火焰的识别。首先,基于图像的灰度阈值得到其疑似火焰区域,再提取其H、S、I颜色分量和面积变化特征;并提取燃烧图像的小波高频能量特征和LBP直方图特征;最后将特征向量输入SVM分类器进行分类识别。试验表明,SVM对汽油和无水乙醇燃烧火焰的识别分类准确率可达98.5%,可较好地实现对汽油、无水乙醇燃烧火焰的区分。     

多传感器融合的火灾识别算法研究

针对传统火灾探测存在反应滞后,误报率高等问题,提出一种基于多传感器融合的火灾识别算法。采用运动和颜色检测提取可见光图像的疑似火灾区域,同时采用阈值分割提取红外图像的疑似火灾区域。将两者疑似火灾区域分别进行特征提取,再根据所获特征进行基于 SVM 的融合火灾识别,通过传感器检测实时的温度与烟雾浓度,从而实现可靠和快速的火灾识别。实验结果表明,该火灾识别算法在可接受的时间范围内准确率高且鲁棒性强。     

混沌扰动启发式蚁群算法及其在边坡非圆弧临界滑动面搜索中的应用

通过引入混沌扰动算子增加解的多样性和提高全局寻优能力，另外通过构造蚂蚁的启发式搜索方式提高对局部最优解的搜索能力，从而有效地克服了基本蚁群算法容易出现停滞和搜索效率低的缺陷。还利用Spencer法和Janbu法，探讨了所提出的具有混沌扰动算子启发式蚁群算法在边坡稳定性分析中的应用。实例计算和对比分析结果表明，该法有效而又可靠。     

基于改进ACO算法的建筑疏散路径优化研究

针对大型公共建筑存在的结构复杂、消防疏散困难等问题,提出了用于优化疏散路径的改进蚁群算法。首先,针对基本蚁群算法(ACO)引入Dijkstra 算法,并利用Dijkstra 算法计算出全局性较好的次优路径进而对蚁群算法初始信息素分布情况进行了加强。其次,根据火灾的实时情况改进了蚁群算法的转移概率、更新规则、信息素挥发系数、启发函数等。最后,对改进的蚁群算法进行对比仿真实验。实验结果表明该算法具有较强的全局搜索能力以及较高的搜索效率,能够避免算法进入局部最优陷阱,有效提高消防疏散路径规划效率。     

一种用于火灾疏散路径动态规划的算法

针对火灾发生时现有的疏散路径不能根据火情实时更改,可能会将逃生人员引向着火现场从而引起更大危险的问题,提出了一种用于火灾疏散路径动态规划的新型改进蚁群算法(Novel Improved Ant Colony Algorithm,NIACA)。首先通过A*算法提高初始信息素浓度,接着提出受火灾因素影响的当量距离改进启发函数,然后改进信息素更新规则来加快蚂蚁最优路径搜索速度,最后对路径进行平滑策略处理。实验结果表明,与原始蚁群算法相比,本文算法降低了算法前期盲目性,动态搜索能力强,能避免算法陷入局部最优,在火灾发生时能够快速准确地规划疏散路径,将逃生人员快速安全疏散到远离火场的安全出口。     

Multi-feature fusion based fast video flame detection

A video flame detection method based on the multi-feature fusion is presented in this paper. The temporal and spatial characteristics of flames, such as ordinary flame movement and color clues, a flame flickering detection algorithm is incorporated into the scheme to detect fires in color video sequences. An improved Gaussian mixture model method is firstly adopted to extract moving foreground objects from the still background of detection scenes; secondly, detected moving objects are then categorized into candidate and non-candidate flame regions by using a flame color filtering algorithm; finally, a flame flicker identification algorithm based on statistical frequency counting is used to distinguish true flames from fire-like objects in video images. Testing results show that the proposed algorithms are effective, robust and efficient. The processing rate of the flame detection method can achieve 24 fps with image size of 320 × 240 pixels on a PC with an AMD 2.04 GHz processor.     

基于图像处理技术的岩体裂隙定量识别方法研究

传统的岩体裂隙特征提取方法较难及时准确地对裂隙特征进行提取,现有数字化处理方式缺乏系统性。笔者提出一种基于图像处理技术的岩体裂隙定量识别与表征方法,在小波分析基础上建立了自动阈值分割算法,对图像裂隙区域进行分割处理。在对图像进行裂隙区域分割处理后,采用区域生长法计算裂隙面积。采用边界跟踪算法提取边缘轮廓,并利用Zhang-Suen细化算法计算裂隙骨架。在此基础上利用动量法拟合骨架切线,并计算切线的法向向量,利用三角函数转化来计算裂隙倾角,结合DDA画线算法对裂隙宽度信息进行提取并计算裂隙宽度。研究结果表明:基于小波分析建立的自动阈值分割算法,在对裂隙区域的分割效果、阈值选取及计算速度上均优于传统的Otsu算法。在裂隙特征值的提取计算上,该方法不仅保证了骨架的平滑度,而且提高骨架的拟合程度,相比于传统方法,该方法计算更加简单,计算量更小。     

基于改进蚁群算法的室内疏散路径优化

针对传统蚁群算法在解决室内疏散问题时存在收敛速度慢、容易陷入局部最优的缺陷问题,将火场的动态参数引入到蚁群算法中,对其路径选择策略、启发函数和信息素更新策略进行改进,为整个疏散群体求解更优的疏散路径。运用改进的蚁群算法对室内人员的疏散路径进行动态规划,考虑了路径的实时拥挤度,避免了疏散人员局部实现路径优化的瓶颈效应。将分析结果与基本蚁群算法的规划结果进行比较验证,研究结果显示,优化算法缩短了疏散时间和规划路径,提高了疏散效率和搜索速度。