基于数字图像处理的森林火灾探测算法的研究

摘要

森林作为最大的陆地生态系统，资源储量丰富，可以为人类提供多种生活用品，创造巨大的经济效益。更重要的是，森林是生态多样性的基础，是大量动植物赖以生存的家园。此外，森林还具有减少土壤流失，保护环境，防治自然灾害等作用，常常被称为“地球之肺”。我国森林面积总量排名世界第五，而人均占有量仅为世界平均水平的1/5。与此同时，频发的森林火灾还在进一步侵蚀着宝贵的森林资源。因此，在火灾有效防治的同时，如果能及早发现森林火险并进行预警将大大减少森林火灾所带来的损失。针对以上问题，本文应用数字图形处理技术对早期森林火灾进行了深入研究。
　　论文首先总结了国内外各种火灾探测技术及神经网络的发展现状，提出了结合神经网络的图像型火灾探测技术。然后对常用的颜色空间及其转换关系进行了阐述。接着介绍了视频图像的获取方法，提出了基于RGB三分量的图像灰度化技术。对常用的几种滤波算子以及直方图均衡化的图像增强方法分别进行了实验分析。
　　其次，阐述了图像序列的背景差法。紧接着，针对单一空间域内的图像分割方法进行了研究，重点提出了基于颜色分量的差影法以及阈值分割、边缘检测算法。此后，介绍了形态学处理技术。
　　最后，提出了火焰特征的提取原则，对火灾图像的识别进行了深入研究。论述了火焰图像面积扩散性的特点，将这一特点作为火灾图像识别的预判决条件，以提高系统的工作效率。针对火焰图像的动态和静态视觉特征，在颜色，纹理，形体等方面分别给出了判别依据及检测算法。然后，将火焰的图像特征作为输入信号，利用BP神经网络，对图像特征信号进行学习训练。
　　实验证明，结合BP神经网络的图像型火灾探测系统能够对森林火灾进行有效探测。这种方法具有较高的抗干扰能力，实际应用前景广阔。

目录

摘要

1 绪论

1．1 研究背景及意义

1．2 研究现状

1．2．1 传统型火灾探测技术

1．2．2 图像型火灾探测技术

1．2．3 人工神经网络的发展现状

1．3 主要内容及结构

2 火灾图像的预处理

2．1 引言

2．2 颜色模型

2．2．1 RGB模型

2．2．2 HSI模型

2．2．3 YUV模型

2．3 系统原理

2．4 图像的获取

2．5 图像灰度化

2．6 滤波

2．6．1 均值滤波(线性滤波)

2．6．2 中值滤波

2．6．3 自适应滤波(维纳滤波)

2．7 直方图均衡化

2．8 本章小结

3 火灾图像的前景提取与分割

3．1 引言

3．2 图像差影

3．2．1 背景差分法

3．2．2 基于彩色分量的差分

3．3 图像阈值分割

3．3．1 最优阈值法

3．3．2 迭代阈值法

3．3．3 Otsu法

3．3．4 实验结果

3．4 边缘检测

3．4．1 一阶微分算子

3．4．2 LoG算子(Laplacian of a Gaussian)

3．4．3 Canny算子

3．4．4 各算子的比较与分析

3．5 区域分割

3．6 空间聚类

3．7 形态学处理

3．8 本章小结

4 火灾图像的特征识别

4．1 引言

4．2 特征提取的原则

4．3 火焰的静态特征

4．3．1 一阶颜色矩

4．3．2 纹理特征

4．4 火焰的动态特征

4．4．1 扩散性

4．4．2 质心特性

4．4．3 形体相似性

4．5 本章小结

5 结合BP神经网络的视频火灾图像识别

5．1 引言

5．2 BP神经网络简介

5．3 结合BP神经网络的视频火灾探测系统

5．3．1 系统工作流程

5．3．2 神经网络的输入层

5．3．3 神经网络的隐含层

5．3．4 神经网络的输出层

5．4 系统的学习训练

5．4．1 样本的选取与模型的运行

5．4．2 BP网络训练过程

5．5 MATLAB仿真

5．6 实验结果分析

5．7 本章小结

结论

参考文献

附录

攻读学位期间发表的学术论文

致谢

声明