專利名稱：基于彩色ccd圖像分析的森林火情煙霧檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于圖像分析的森林火情煙霧檢測方法，是火情檢測領(lǐng)域中的一項(xiàng)分析檢測方法。

背景技術(shù)：
根據(jù)火災(zāi)產(chǎn)生規(guī)律，火情煙霧的出現(xiàn)早于明火的出現(xiàn)，因此煙霧檢測技術(shù)被廣泛應(yīng)用于火情早期預(yù)警中。森林是火災(zāi)的重災(zāi)區(qū)，森林火災(zāi)頻發(fā)，給國家和人民造成巨大的損失。如何有效地對森林火災(zāi)進(jìn)行早期預(yù)警，成為降低森林火災(zāi)損失一個(gè)十分重要的問題。近年來，對森林場景進(jìn)行監(jiān)控的視頻系統(tǒng)已經(jīng)開始用于森林防火，而使這些視頻系統(tǒng)具有智能性，自動(dòng)監(jiān)測森林中是否存在火情以進(jìn)行早期預(yù)警，將成為降低森林火災(zāi)損失，減低森林維護(hù)成本的一個(gè)重要有效途徑，具有廣泛的應(yīng)用前景。
隨著計(jì)算機(jī)智能技術(shù)和數(shù)字圖像處理技術(shù)的發(fā)展，用計(jì)算機(jī)和圖像傳感器模擬人類視覺檢測火災(zāi)，由于其非接觸性檢測、成本較低等優(yōu)勢而成為研究的熱點(diǎn)?；趫D像的火情煙霧檢測是當(dāng)前火情檢測領(lǐng)域一種先進(jìn)的現(xiàn)代技術(shù)，它利用計(jì)算機(jī)對圖像傳感器獲得的視場圖像進(jìn)行分析，采用圖像處理技術(shù)、模式識別技術(shù)等計(jì)算機(jī)智能方法判斷是否有火災(zāi)的發(fā)生，是一種非接觸檢測技術(shù)?，F(xiàn)有的基于圖像煙霧檢測技術(shù)是對圖像求取幀間差異，找出圖像亮度變化區(qū)域或通過對圖像進(jìn)行邊緣檢測，找出邊緣變化頻度高的區(qū)域，然后采用區(qū)域直方圖或運(yùn)動(dòng)檢測的方法判斷檢測區(qū)域是否為煙霧區(qū)域。然而，由于森林場景的火情煙霧檢測是開放大環(huán)境下的檢測，存在著樹枝晃動(dòng)、云的飄移和其它物體運(yùn)動(dòng)，同時(shí)空間精度信息損失嚴(yán)重，如同樣大小的煙霧源，在圖像中遠(yuǎn)處的煙霧源像素較少，而近處的煙霧源像素較多，使得現(xiàn)有方法常常將樹枝晃動(dòng)、云的飄移以及其它運(yùn)動(dòng)物體誤檢為煙霧，且存在煙霧區(qū)域檢測不完整和易對較遠(yuǎn)距離的煙霧漏檢的缺陷，因此無法滿足實(shí)際森林火情煙霧檢測要求。


發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)火情檢測質(zhì)量和報(bào)警準(zhǔn)確率低下的不足，本發(fā)明提供了一種基于普通彩色CCD圖像的森林火情圖像檢測方法，能夠提高森林火情煙霧檢測質(zhì)量，實(shí)現(xiàn)森林火情早期預(yù)警。
為實(shí)現(xiàn)這樣的目的，本發(fā)明技術(shù)方案的基本思想是煙霧的運(yùn)動(dòng)特征和煙霧引起的高頻信息損失特征具有互補(bǔ)性，即運(yùn)動(dòng)平緩區(qū)域會導(dǎo)致邊緣和細(xì)節(jié)的模糊，甚至消失；運(yùn)動(dòng)劇烈區(qū)域，邊緣和細(xì)節(jié)的模糊貢獻(xiàn)較小，同時(shí)考慮到煙霧的顏色特征、相對低頻運(yùn)動(dòng)特征以及煙霧經(jīng)常出現(xiàn)在某一固定區(qū)域的空間特征，利用小波分析和多特征融合算法檢測出煙霧像素；監(jiān)控場景中的地平線位置信息恰恰在相當(dāng)大的程度上反映了空間距離信息，利用圖像中地平線位置信息以及小波分析和多特征融合算法檢測結(jié)果實(shí)現(xiàn)空間精度補(bǔ)償下煙霧區(qū)域提?。蛔詈髽?biāo)識出煙霧源位置和煙霧區(qū)域，進(jìn)行自動(dòng)預(yù)警。
在本發(fā)明中，采用可見光波段的彩色CCD攝像機(jī)獲取監(jiān)測場景圖像，其中，攝像機(jī)安裝在觀察塔頂?shù)脑婆_上，間隔一定時(shí)間步進(jìn)轉(zhuǎn)動(dòng)一定角度，在每個(gè)時(shí)間間隔內(nèi)，攝像機(jī)是靜止的。
本發(fā)明中基于彩色CCD圖像分析的森林火情煙霧檢測方法包括如下步驟 第一步，由彩色CCD攝像機(jī)攝取監(jiān)測場景的圖像信息。
第二步，在每個(gè)時(shí)間間隔內(nèi)由前若干幀圖像，找出地平線的位置。
所述地平線位置的確定方法為 1.將圖像分為若干段等寬度的列帶； 2.在每個(gè)列帶內(nèi)求取前若干幀圖像平均灰度作為背景圖像，對背景圖像提取水平邊緣信息； 3.在提取到的每個(gè)邊緣點(diǎn)上，設(shè)定此列帶內(nèi)的地平線為經(jīng)過該邊緣點(diǎn)的水平線段，求取使天空圖像和地面圖像類內(nèi)距離最小值對應(yīng)的水平線段位置； 4.獲得所有列帶圖像的地平線線段，這些地平線線段的聯(lián)合即為整個(gè)圖像地平線。
第三步，利用小波分析和多特征融合算法對圖像進(jìn)行分析。
所述小波分析和多特征融合算法具體步驟如下 1.對每幀圖像進(jìn)行一次小波分析，其過程為采用Mallat算法得到每個(gè)像素的垂直高頻分量值，根據(jù)此分量與原圖像素對應(yīng)亮度之比值描述圖像中的高頻信息，以此信息變化來找出圖像中高頻分量減小的區(qū)域像素，得到煙霧高頻信息損失特征分析結(jié)果； 2.分析序列圖像多幀間差異，提取煙霧的相對低頻運(yùn)動(dòng)特征，得到隔多幀差運(yùn)動(dòng)檢測結(jié)果； 3.分析序列連續(xù)幀間差異，提取煙霧的相對低頻運(yùn)動(dòng)特征，得到煙霧運(yùn)動(dòng)特征累積因子； 4.在L*a*b*顏色空間中，用像素點(diǎn)顏色向量模值描述煙霧的顏色特征，得到煙霧顏色特征累積因子； 5.采取加權(quán)和比例融合算法將煙霧高頻信息損失特征與相對低頻運(yùn)動(dòng)特征、顏色特征進(jìn)行融合； 6.結(jié)合煙霧經(jīng)常出現(xiàn)在某一固定區(qū)域的空間特征，對上述融合結(jié)果作時(shí)間軸上的累積。
第四步，根據(jù)地平線位置信息對小波分析和多特征融合算法累積結(jié)果進(jìn)行空間精度信息補(bǔ)償下的煙霧區(qū)域提取，并采用閾值法減小云運(yùn)動(dòng)影響。
所述的空間精度信息補(bǔ)償先對小波分析和多特征融合算法累積結(jié)果進(jìn)行二值化操作，之后在二值圖像上作連通域?yàn)V波，提取煙霧區(qū)域，并在此基礎(chǔ)上采用閾值法減小云運(yùn)動(dòng)影響。
所述采用閾值法減小云運(yùn)動(dòng)影響的過程為設(shè)定一閾值系數(shù)，高于地平線一定高度的區(qū)域可認(rèn)為是云的主要活動(dòng)區(qū)，煙霧幾乎很少出現(xiàn)，剔除云運(yùn)動(dòng)干擾。
本發(fā)明的一個(gè)優(yōu)選實(shí)施方法為 所述的二值化操作是根據(jù)圖像中像素與地平線距離，設(shè)置不同的閾值，對小波分析和多特征融合算法檢測結(jié)果進(jìn)行二值化操作。
本發(fā)明的另一個(gè)優(yōu)選實(shí)施方法為 所述的連通域?yàn)V波是根據(jù)圖像中區(qū)域與地平線距離，設(shè)置不同的濾波閾值，對二值化后的圖像作四連通域?yàn)V波。
第五步，輸出煙霧信息，其中包括標(biāo)識煙霧區(qū)域以及確定圖像中煙霧源的位置，并將此時(shí)的煙霧信息及圖像發(fā)送到控制中心，由工作人員進(jìn)行確認(rèn)。根據(jù)煙霧流向上運(yùn)動(dòng)的特性，我們判定煙霧源的位置為煙霧區(qū)域的豎直方向最低點(diǎn)。
本發(fā)明的有益效果是 1.采用小波分析和多特征融合算法對圖像進(jìn)行煙霧檢測，綜合了煙霧的高頻信息損失特征、運(yùn)動(dòng)特征、顏色特征以及空間特征，有效地提高了圖像檢測煙霧的可靠性。
2.利用圖像中的地平線位置信息對累積結(jié)果進(jìn)行空間精度信息的補(bǔ)償，提高了對遠(yuǎn)處煙霧源的檢測率，同時(shí)避免了由近處干擾引起的誤檢現(xiàn)象，使煙霧檢測的漏檢率和誤檢率顯著地降低，可滿足實(shí)際森林場景煙霧檢測的要求。
下面結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)一步說明。



圖1是本發(fā)明的基于彩色CCD圖像分析的森林火情煙霧檢測方法工作流程圖。
圖2是小波分析和多特征融合算法流程圖。

具體實(shí)施例方式 以下結(jié)合實(shí)施例對本發(fā)明方法作進(jìn)一步具體的描述。
利用通用微型計(jì)算機(jī)，如Intel奔騰四系列微機(jī)，外加圖像采集卡，如?？低旸S-4000HC，彩色CCD攝像機(jī)可采用MINTRONMTV-53K系列攝像機(jī)。在Visual C++6.0和DirectX 8SDK編程環(huán)境中開發(fā)森林火情圖像檢測小系統(tǒng)，程序運(yùn)行平臺為IntelP43.0G CPU+768M DDR 400內(nèi)存。
如圖1所示的本發(fā)明森林火情煙霧檢測方法的工作流程圖，各部分具體實(shí)施細(xì)節(jié)如下 1、彩色CCD攝像機(jī)攝取監(jiān)測場景的圖像信息。
利用彩色CCD攝像機(jī)獲取監(jiān)測場景的圖像信息，通過圖像采集卡，通用微型計(jì)算機(jī)讀取數(shù)字圖像，圖像格式為RGB24格式。
2、確定地平線位置。
在每個(gè)時(shí)間間隔tcon內(nèi)，找出監(jiān)測場景圖像中地平線的位置Line(picture)。建議時(shí)間間隔tcon和每次步進(jìn)角度Ω取值滿足tcon×2π/Ω∈{8，15}，單位為分鐘，時(shí)間間隔tcon可取值為1.5分鐘。
將圖像分為m段等寬度的列帶，列帶數(shù)量m的選擇由監(jiān)控場景的實(shí)際地形決定；若場景較為平坦則m可取較小值，若場景中地平線變化幅度較大，則m相應(yīng)取較大值。m取值范圍為1≤m≤20，m值滿足使各列帶等寬。在每個(gè)列帶內(nèi)進(jìn)行下面步驟的處理 求取平均亮度背景圖像F(i，j)， 其中，i，j像素圖像坐標(biāo)；f圖像幀數(shù)；l(i，j，f)圖像亮度值；M常數(shù)，其值取決于采集到的各幀圖像位置配準(zhǔn)性，建議M的取值范圍是3≤M≤10； 并對平均灰度背景圖像F(i，j)用Sobel算子提取水平邊緣信息； sobel算子為 在提取到的每個(gè)邊緣點(diǎn)pixel上，設(shè)定此列帶內(nèi)的地平線為經(jīng)過該邊緣點(diǎn)的水平線段，求取準(zhǔn)則函數(shù)G(pixel)最大值對應(yīng)的水平線段。
G(pixel)定義為 其參數(shù)λ1s(λ1g)，λ2s(λ2g)，λ3s(λ3g)分別為天空(地面)圖像對應(yīng)的紅，綠，藍(lán)通道的方差值。
設(shè)所獲圖像的紅、綠、藍(lán)(RGB)各通道相互獨(dú)立，則地平線分開的天空圖像和地面圖像的像素值統(tǒng)計(jì)協(xié)方差陣為對角陣 為天空圖像協(xié)方差陣； 為地面圖像協(xié)方差陣； G(pixel)取最大值時(shí)，天空圖像和地面圖像的類內(nèi)距離最小，因此，G(pixel)取最大值時(shí)對應(yīng)的水平線段就是此列帶圖像的地平線。
求出所有圖像列帶的地平線線段，則整個(gè)圖像地平線即為這些地平線段的聯(lián)合。
3、小波分析和多特征融合算法對圖像分析 1).對當(dāng)前幀即第f幀做圖像小波分析 首先計(jì)算第f幀像素(i，j)的垂直高頻分量值DfLH(i，j，f)
其中，DfLH(i，j，f)采用Mallat算法得到第f幀像素(i，j)的垂直高頻分量值；

取整運(yùn)算符。由于一次小波分析后，垂直高頻分量圖像寬和高均為原始圖像的一半，公式(3)為將DfLH(i，j，f)恢復(fù)到原始圖像大小。
其次計(jì)算垂直高頻分量與原圖像素對應(yīng)亮度之比值WfLH(i，j，f) WfLH(i，j，f)＝DfLH(i，j，f)/l(i，j，f) (4) 其中，l(i，j，f)第f幀圖像像素(i，j)亮度值。需將WfLH(i，j，f)歸一到
內(nèi)，以描述圖像中的高頻信息。
然后，將每一幀圖像WfLH(i，j，f)與背景圖像WBLH(i，j，f)比較，找出圖像中代表細(xì)節(jié)和邊緣信息的高頻分量減小的區(qū)域像素 可取第一幀為背景圖像， 對任意像素點(diǎn)(i，j)，
最后，為濾除一些噪聲點(diǎn)的污染，對背景剪除結(jié)果WfLH′(i，j)進(jìn)行3×3的平滑濾波得到If′(i，j，f)，即第f幀像素(i，j)煙霧高頻信息損失特征分析結(jié)果。
2).對當(dāng)前幀即第f幀做隔多幀差運(yùn)動(dòng)檢測 I(i，j，f)＝|l(i，j，f)-l(i，j，f-N)| (6) 其中，I(i，j，f)第f幀圖像像素(i，j)隔多幀差運(yùn)動(dòng)檢測結(jié)果；N隔多幀差運(yùn)算中的間隔幀數(shù)，其選擇和處理器的速度和內(nèi)存有關(guān)。N越大，所需內(nèi)存越大，檢測緩慢運(yùn)動(dòng)(如距離遠(yuǎn)的煙霧運(yùn)動(dòng))的精度越高。N可取[6，30]中的任意整數(shù)。
3).當(dāng)前幀運(yùn)動(dòng)特征累積因子計(jì)算 首先計(jì)算第f幀鄰幀差檢測結(jié)果Iq(i，j，f) Iq(i，j，f)＝|l(i，j，f)-l(i，j，f-1)|+|l(i，j，f-(N-1))-l(i，j，f-N)| (7) 然后，對Iq(i，j，f)做一定膨脹操作，得到鄰幀差檢測出的運(yùn)動(dòng)區(qū)域，則
其中，K1(i，j，f)第f幀圖像像素(i，j)運(yùn)動(dòng)特征累積因子。
4).當(dāng)前幀顏色特征累積因子計(jì)算 煙霧的顏色具有一定的特征，即煙霧基本上不是彩色的；濃的煙霧完全是灰色的，薄的煙霧由于透射作用，會帶上一些背景的顏色，但其顏色與主要噪聲源樹枝的顏色還是有差異。
將所獲圖像像素顏色轉(zhuǎn)換到L*a*b*顏色空間中，不考慮亮度影響，令D(i，j，f)表示第f幀中像素點(diǎn)(i，j)在a-b空間中顏色向量模值，即顏色距離。
其中，a(i，j，f)第f幀圖像像素(i，j)在L*a*b*顏色空間中的a*分量值；b(i，j，f)第f幀圖像像素(i，j)在L*a*b*顏色空間中的b*分量值；函數(shù)K2(i，j，f)＝g1(D(i，j，f))特征為分段非增函數(shù)，定義為，
其中A增益系數(shù)，A∈[1，2]；T1濃煙與薄煙之間顏色距離臨界值；T2為薄煙與樹之間顏色距離臨界值，0≤T1＜T2。
5).將煙霧高頻信息損失特征與相對低頻運(yùn)動(dòng)特征、顏色特征進(jìn)行融合 對當(dāng)前幀即第f幀做加權(quán)融合 Ifusion(i，j，f)＝α×I(i，j，f)+(1-α)×If′(i，j，f) (11) 其中，Ifusion(i，j，f)加權(quán)融合后第f幀圖像像素(i，j)亮度值；α權(quán)重因子0≤α≤1，可取Maxf′If′(i，j，f)的最大值；MaxfI(i，j，f)的最大值。
然后，將Ifusion(i，j，f)與相對低頻運(yùn)動(dòng)特征、顏色特征進(jìn)行比例融合 IF(i，j，f)＝K1(i，j，f)K2(i，j，f)Ifusion(i，j，f)(12) 其中，IF(i，j，f)第f幀圖像像素(i，j)特征融合結(jié)果。
6).對上述融合結(jié)果IF(i，j，f)作時(shí)間軸上的累積 Ic(i，j，f)＝(1-ρ)Ic(i，j，f-Δf)+ρIF(i，j，f) (13) 其中，Ic(i，j，f)第f幀圖像像素(i，j)時(shí)間軸累積結(jié)果；ρ時(shí)間累積作用因子，0＜ρ＜1；Δf幀處理間隔，可取Δf＝8。
圖2給出了該融合算法的具體實(shí)施流程。
在煙霧源為中近距離(小于2千米)，在有風(fēng)和無風(fēng)，有其它運(yùn)動(dòng)物體干擾和不同時(shí)間段的森林火情檢測場景中，對基于小波分析和多特征融合的煙霧檢測方法(記為方法1)與現(xiàn)有的亮度變化檢測及直方圖判斷方法(記為方法2)的檢測結(jié)果作對照。表1為參數(shù)設(shè)置，表2為對中近距離煙霧源視頻檢測結(jié)果評價(jià)。
表1參數(shù)設(shè)置 表2中近距離煙霧源視頻檢測結(jié)果評價(jià) 4、空間精度信息補(bǔ)償下的去干擾煙霧區(qū)域提取 根據(jù)地平線位置信息和檢測累積結(jié)果進(jìn)行空間精度信息補(bǔ)償下的去干擾煙霧區(qū)域提取。
所述空間精度信息補(bǔ)償?shù)牡谝粌?yōu)選實(shí)施形式特征為 令Tc為對累積結(jié)果進(jìn)行二值化操作的預(yù)定閾值，h為某列帶內(nèi)地平線圖像高度。
像素pi的高度為hp，則此列帶內(nèi)像素pi二值化閾值T(pi)為 T(pi)＝ψ1(|hp-h|)(14) 其中，ψ1(|hp-h|)為增函數(shù)，即離地平線越遠(yuǎn)，二值化時(shí)取的閾值越大?？扇?
所述空間精度信息補(bǔ)償?shù)牡诙?yōu)選實(shí)施形式特征為 對二值化后的圖像作四連通域?yàn)V波，并進(jìn)行區(qū)域標(biāo)記，其中區(qū)域?yàn)V波的區(qū)域像素?cái)?shù)量閾值預(yù)定為Numc。
設(shè)某區(qū)域豎直方向最低像素qi的高度為hq，像素qi所在列帶的地平線圖像高度為h，則此區(qū)域的像素?cái)?shù)量閾值Num(qi) Num(qi)＝ψ2(|hq-h|) (16) 其中，ψ2(|hq-h|)為增函數(shù)，即離地平線越遠(yuǎn)，區(qū)域?yàn)V波時(shí)取的閾值越大?？扇?
在本發(fā)明中，我們聯(lián)合使用了這兩種空間精度補(bǔ)償方法。在進(jìn)行空間精度補(bǔ)償下的二值化操作和區(qū)域?yàn)V波處理后，檢測區(qū)域就被提取出來，之后進(jìn)行云運(yùn)動(dòng)影響處理。
云運(yùn)動(dòng)影響處理方法 設(shè)定一閾值系數(shù)η，在地平線上方一定高度ηH(H是地平線上方的總高度)認(rèn)為是云的主要活動(dòng)區(qū)，煙霧幾乎很少出現(xiàn)的區(qū)域，對此區(qū)域內(nèi)的檢測結(jié)果認(rèn)為是非煙霧干擾。其中，0≤η＜1，本發(fā)明取η＝0.25。
分別對較遠(yuǎn)距離(大于2千米)煙霧源和各種距離(包括中近距離和較遠(yuǎn)距離)煙霧源，在有風(fēng)和無風(fēng)，有其它運(yùn)動(dòng)物體干擾和不同時(shí)間段的森林火情檢測場景中，對小波分析和多特征融合煙霧檢測方法進(jìn)行空間精度補(bǔ)償(用A表示)和現(xiàn)有的亮度變化檢測及直方圖判斷方法未進(jìn)行空間精度補(bǔ)償(用B表示)的煙霧區(qū)域提取結(jié)果作對照。
表3為參數(shù)設(shè)置，表4為對較遠(yuǎn)距離煙霧源視頻的檢測結(jié)果評價(jià)，表5為對各種距離煙霧源視頻的檢測結(jié)果評價(jià)?？臻g精度補(bǔ)償使檢測算法能夠自適應(yīng)距離不同的檢測對象，大大提高了煙霧檢測方法的檢測率同時(shí)仍然保持較小的虛警率，且實(shí)時(shí)性較好。
表3參數(shù)設(shè)置
表4對較遠(yuǎn)距離煙霧源視頻的檢測結(jié)果評價(jià) 表5對各種距離煙霧源視頻的檢測結(jié)果評價(jià) 5、標(biāo)識煙霧區(qū)域及煙霧源位置并將煙霧信息及圖像發(fā)送到控制中心 輸出煙霧信息，其中包括標(biāo)識煙霧區(qū)域以及確定圖像中煙霧源的位置，并將此時(shí)的煙霧信息及圖像發(fā)送到控制中心，由工作人員進(jìn)行確認(rèn)。根據(jù)煙霧流向上運(yùn)動(dòng)的特性，我們判定煙霧源的位置為煙霧區(qū)域的豎直方向最低點(diǎn)。
權(quán)利要求
1、基于彩色CCD圖像分析的森林火情煙霧檢測方法，其特征在于包括以下步驟
(a)由彩色CCD攝像機(jī)攝取監(jiān)測場景的圖像信息；
(b)在每個(gè)時(shí)間間隔內(nèi)由前若干幀圖像，找出地平線的位置；
(c)利用小波分析和多特征融合算法對圖像進(jìn)行分析；
(d)根據(jù)地平線位置信息對小波分析和多特征融合算法累積結(jié)果進(jìn)行空間精度信息補(bǔ)償下的煙霧區(qū)域提取，并采用閾值法減小云運(yùn)動(dòng)影響；
(e)輸出煙霧信息，其中包括標(biāo)識煙霧區(qū)域以及確定圖像中煙霧源的位置，并將此時(shí)的煙霧信息及圖像發(fā)送到控制中心，由工作人員進(jìn)行確認(rèn)；判定煙霧源的位置為煙霧區(qū)域的豎直方向最低點(diǎn)。
2、根據(jù)權(quán)利要求1的基于彩色CCD圖像分析的森林火情煙霧檢測方法，其特征在于所述地平線位置的確定方法包括下述步驟
(a)將圖像分為若干段等寬度的列帶；
(b)在每個(gè)列帶內(nèi)求取前若干幀圖像平均灰度作為背景圖像，對背景圖像提取水平邊緣信息；
(c)在提取到的每個(gè)邊緣點(diǎn)上，設(shè)定此列帶內(nèi)的地平線為經(jīng)過該邊緣點(diǎn)的水平線段，求取使天空圖像和地面圖像類內(nèi)距離最小值對應(yīng)的水平線段位置；
(d)獲得所有列帶圖像的地平線線段，這些地平線線段的聯(lián)合即為整個(gè)圖像地平線。
3、根據(jù)權(quán)利要求1的基于彩色CCD圖像分析的森林火情煙霧檢測方法，其特征在于所述小波分析和多特征融合算法包括下述步驟
(a)對每幀圖像進(jìn)行一次小波分析，其過程為采用Mallat算法得到每個(gè)像素的垂直高頻分量值，根據(jù)此分量與原圖像素對應(yīng)亮度之比值描述圖像中的高頻信息，以此信息變化來找出圖像中高頻分量減小的區(qū)域像素，得到煙霧高頻信息損失特征分析結(jié)果；
(b)分析序列圖像多幀間差異，提取煙霧的相對低頻運(yùn)動(dòng)特征，得到隔多幀差運(yùn)動(dòng)檢測結(jié)果；
(c)分析序列連續(xù)幀間差異，提取煙霧的相對低頻運(yùn)動(dòng)特征，得到煙霧運(yùn)動(dòng)特征累積因子；
(d)在L*a*b*顏色空間中，用像素點(diǎn)顏色向量模值描述煙霧的顏色特征，得到煙霧顏色特征累積因子；
(e)采取加權(quán)和比例融合算法將煙霧高頻信息損失特征與相對低頻運(yùn)動(dòng)特征、顏色特征進(jìn)行融合；
(f)對上述融合結(jié)果作時(shí)間軸上的累積。
4、根據(jù)權(quán)利要求1的基于彩色CCD圖像分析的森林火情煙霧檢測方法，其特征在于
所述的空間精度信息補(bǔ)償先對小波分析和多特征融合算法累積結(jié)果進(jìn)行二值化操作，之后在二值圖像上作連通域?yàn)V波，提取煙霧區(qū)域，并在此基礎(chǔ)上采用閾值法減小云運(yùn)動(dòng)的影響。
5、根據(jù)權(quán)利要求1的基于彩色CCD圖像分析的森林火情煙霧檢測方法，其特征在于
所述采用閾值法減小云運(yùn)動(dòng)影響的過程為設(shè)定一閾值系數(shù)，高于地平線一定高度的區(qū)域認(rèn)為是云的主要活動(dòng)區(qū)，剔除云運(yùn)動(dòng)干擾。
6、根據(jù)權(quán)利要求1的基于彩色CCD圖像分析的森林火情煙霧檢測方法，其特征在于
所述的二值化操作是根據(jù)圖像中像素與地平線距離，設(shè)置不同的閾值，對小波分析和多特征融合算法檢測結(jié)果進(jìn)行二值化操作。
7、根據(jù)權(quán)利要求1的基于彩色CCD圖像分析的森林火情煙霧檢測方法，其特征在于
所述的連通域?yàn)V波是根據(jù)圖像中區(qū)域與地平線距離，設(shè)置不同的濾波閾值，對二值化后的圖像作四連通域?yàn)V波。
全文摘要
本發(fā)明公開了一種基于彩色CCD圖像分析的森林火情煙霧檢測方法，根據(jù)獲取的圖像的前若干幀找出圖像中的地平線位置來反映圖像中的空間精度信息，基于Mallat方法分析高頻信息損失特征，采取融合算法將高頻信息損失特征與煙霧相對低頻運(yùn)動(dòng)特征、顏色特征進(jìn)行融合，并在時(shí)間軸上進(jìn)行累積。根據(jù)地平線的位置信息和累積結(jié)果進(jìn)行空間精度補(bǔ)償下的煙霧區(qū)域提取，標(biāo)識出煙霧源位置和煙霧區(qū)域。本發(fā)明方法可提高煙霧圖像檢測的可靠性，降低煙霧檢測的漏檢率和誤檢率，對實(shí)現(xiàn)森林火情自動(dòng)檢測具有重要意義和實(shí)用價(jià)值。
文檔編號G06T7/00GK101059435SQ20071001787
公開日2007年10月24日 申請日期2007年5月17日 優(yōu)先權(quán)日2007年5月17日
發(fā)明者潘泉, 楊猛, 趙春暉, 張紹武 申請人:西北工業(yè)大學(xué)