基于Ⅱ-型模糊隐马尔科夫模型的火焰识别

摘要

火灾作为一种重大的多发的自然和人为灾害，给人类社会造成了不可估量的生命财产损失。各种基于视频的火焰识别算法和识别系统层出不穷，但是这些方法和系统在应用过程中，虽然对火焰达到了有效识别，却没有考虑到视频数据采集过程中存在的不确定性。这一局限性使得在大空间复杂环境下，增加了火焰正确识别的难度。为了解决这个问题，有必要对火焰识别作进一步扩展研究。
　　模糊集理论是处理不确定问题的有力工具，但是I-型模糊集受到隶属函数本身的限制，不能很好表达和处理复杂的不确定问题。本文从Ⅱ-型模糊集理论入手，深入研究和验证了两类随机性与模糊性相结合的模型，即Ⅱ-型模糊高斯混合模型和Ⅱ-型模糊隐马尔科夫模型，最后基于Ⅱ-型模糊隐马尔科夫模型对视频火焰进行识别实验。本文的主要工作如下：
　　1、对Ⅱ-型模糊集理论和Ⅱ-型模糊逻辑系统进行研究。采用随机模拟方法，对KM、EKM降阶算法进行了理论分析和模拟实验。设计实现一个了区间值Ⅱ-型模糊逻辑系统，给出控制曲面来表达Ⅱ-型模糊逻辑系统的控制能力。
　　2、深入研究Ⅱ-型模糊高斯混合模型。采用UCI标准数据集比较Ⅱ-型模糊高斯混合模型与传统高斯混合模型的分类性能。结果表明，模糊模型比传统模型在训练数据较少的情况下具有较高的分类精度，更适用于处理复杂的不确定问题。
　　3、编程实现Ⅱ-型模糊隐马尔科夫模型，并将该模型应用于真实的火焰场景。实验结果表明，该模型可有效对视频火焰进行识别。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1研究的目的和意义

1.2国内外研究状况分析

1.3主要研究内容和结构安排

第二章 马尔科夫过程

2.1 贝叶斯决策理论

2.2 高斯混合模型

2.3 隐马尔科夫模型

2.4 本章总结

第三章 II-型模糊集

3.1 模糊集理论

3.2 II-型模糊逻辑系统

3.3 模拟实验

3.4 本章总结

第四章 II-型模糊隐马尔科夫模型

4.1 II-型模糊高斯混合模型

4.2 II-型模糊隐马尔科夫模型

4.3 本章总结

第五章 火焰视频的识别

5.1 火焰的色度模型

5.2 火焰的马尔科夫模型

5.3 运动像素检测算法

5.4 实验

5.5 本章总结

第六章 结论与展望

6.1 本论文研究总结

6.2 前景展望

致谢

参考文献