本發(fā)明屬于火災(zāi)監(jiān)控，更具體地說，是涉及一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法與系統(tǒng)。

背景技術(shù)：

1、火災(zāi)監(jiān)控是災(zāi)害防控的重要組成部分，對于保護人類生命財產(chǎn)安全具有重要意義?，F(xiàn)有的火災(zāi)監(jiān)控系統(tǒng)通常采用地面觀測站或人工巡邏的方式，這種方式存在著一些明顯的缺點。首先，監(jiān)測范圍有限，只能對特定區(qū)域進行監(jiān)控，無法實現(xiàn)大范圍火災(zāi)的監(jiān)測。其次，實時性不足，通常需要人工參與，無法實現(xiàn)自動化的火災(zāi)預(yù)警。最后，成本高昂，需要大量的人力和物力資源來進行火災(zāi)監(jiān)控和預(yù)警。

2、此外，現(xiàn)有的基于衛(wèi)星圖像的火災(zāi)監(jiān)控方法也存在著一些問題。雖然衛(wèi)星圖像可以提供大范圍的火災(zāi)監(jiān)測，但由于分辨率和數(shù)據(jù)處理能力的限制，難以準(zhǔn)確識別和定位火災(zāi)。同時，由于云層和氣溶膠的影響，基于衛(wèi)星圖像的火災(zāi)監(jiān)控方法也存在著一定的局限性。

技術(shù)實現(xiàn)思路

1、為解決上述問題，本發(fā)明的目的在于提供一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法與系統(tǒng)。

2、為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

3、一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法，包括以下步驟：

4、步驟1：采集不同火災(zāi)狀況下目標(biāo)區(qū)域的衛(wèi)星圖像；

5、步驟2：對所述衛(wèi)星圖像進行顯著性增強得到顯著性增強后的衛(wèi)星圖像；

6、步驟3：對顯著性增強后的衛(wèi)星圖像進行分割得到分割后的衛(wèi)星圖像；

7、步驟4：計算分割后衛(wèi)星圖像的像素特征；

8、步驟5：根據(jù)目標(biāo)區(qū)域的火災(zāi)狀況對不同的像素特征設(shè)置相應(yīng)的標(biāo)簽，并將像素特征作為樣本輸入到神經(jīng)網(wǎng)絡(luò)中進行訓(xùn)練得到大數(shù)據(jù)火災(zāi)監(jiān)控模型；

9、步驟6：使用所述大數(shù)據(jù)火災(zāi)監(jiān)控模型完成對待監(jiān)控區(qū)域的火災(zāi)監(jiān)控。

10、優(yōu)選的，所述步驟2：對所述衛(wèi)星圖像進行顯著性增強得到顯著性增強后的衛(wèi)星圖像，包括：

11、步驟2.1：對所述衛(wèi)星圖像進行灰度化處理得到灰度圖像；

12、步驟2.2：基于模糊理論構(gòu)建不同像素點的模糊增強函數(shù)；

13、步驟2.3：根據(jù)不同像素點的模糊增強函數(shù)構(gòu)建顯著性增強模型；

14、步驟2.4：依據(jù)所述顯著性增強模型對所述灰度圖像進行處理得到顯著性增強后的衛(wèi)星圖像。

15、優(yōu)選的，所述步驟2.2：基于模糊理論構(gòu)建不同像素點的模糊增強函數(shù)，包括：

16、采用公式：

17、

18、構(gòu)建模糊增強函數(shù)；其中，μdark表示第一模糊增強函數(shù)，μbirg表示第二模糊增強函數(shù)，μgray表示第三模糊增強函數(shù)，xij表示在(i,j)位置處的灰度值。

19、優(yōu)選的，所述步驟2.3：根據(jù)不同像素點的模糊增強函數(shù)構(gòu)建顯著性增強模型，包括：

20、對不同的模糊增強函數(shù)進行加權(quán)平均得到顯著性增強模型；其中，所述顯著性增強模型為：

21、

22、其中，xi′j表示當(dāng)輸入像素為xij時，進行顯著性增強后的像素值，νd表示第一權(quán)值，νb表示第二權(quán)值，νg表示第三權(quán)值。

23、優(yōu)選的，所述步驟3：對顯著性增強后的衛(wèi)星圖像進行分割得到分割后的衛(wèi)星圖像，包括：

24、步驟3.1：使用大津算法求解顯著性增強后衛(wèi)星圖像的初始分割閾值；

25、步驟3.2：使用所述初始分割閾值對所述顯著性增強后的衛(wèi)星圖像進行預(yù)分割得到預(yù)分割后的衛(wèi)星圖像；

26、步驟3.3：以預(yù)分割后衛(wèi)星圖像上每個像素點為中心構(gòu)建鄰域窗口；

27、步驟3.4：計算鄰域窗口內(nèi)像素點的均值；

28、步驟3.5：根據(jù)像素點的均值計算相應(yīng)像素點的縮小比例；

29、步驟3.6：根據(jù)相應(yīng)像素點的縮小比例求解鄰域窗口的像素點二分閾值；

30、步驟3.7：使用所述像素點二分閾值對相應(yīng)的鄰域窗口進行分割，并滑動所述鄰域窗口，直到遍歷完整個圖像得到分割后的衛(wèi)星圖像。

31、優(yōu)選的，在所述步驟3.4中，鄰域窗口內(nèi)像素點的均值計算公式為：

32、

33、其中，μ(x0,y0)表示鄰域窗口內(nèi)像素點的均值，n表示鄰域窗口的大小，f(x0,y0)表示像素點在(x0,y0)處的像素值。

34、優(yōu)選的，所述步驟3.5：根據(jù)像素點的均值計算相應(yīng)像素點的縮小比例，包括：

35、采用公式：

36、

37、計算相應(yīng)像素點的縮小比例；其中，t0表示初始分割閾值。

38、優(yōu)選的，在步驟3.6中，鄰域窗口的像素點二分閾值計算公式為：

39、q(x0,y0)＝t0·p(x0,y0)

40、其中，q(x0,y0)表示鄰域窗口的像素點二分閾值。

41、本發(fā)明還提供了一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控系統(tǒng)，包括：

42、衛(wèi)星圖像采集模塊，用于采集不同火災(zāi)狀況下目標(biāo)區(qū)域的衛(wèi)星圖像；

43、顯著性增強模塊，用于對所述衛(wèi)星圖像進行顯著性增強得到顯著性增強后的衛(wèi)星圖像；

44、分割模塊，用于對顯著性增強后的衛(wèi)星圖像進行分割得到分割后的衛(wèi)星圖像；

45、像素特征計算模塊，用于計算分割后衛(wèi)星圖像的像素特征；

46、訓(xùn)練模塊，用于根據(jù)目標(biāo)區(qū)域的火災(zāi)狀況對不同的像素特征設(shè)置相應(yīng)的標(biāo)簽，并將像素特征作為樣本輸入到神經(jīng)網(wǎng)絡(luò)中進行訓(xùn)練得到大數(shù)據(jù)火災(zāi)監(jiān)控模型；

47、火災(zāi)監(jiān)控模塊，用于使用所述大數(shù)據(jù)火災(zāi)監(jiān)控模型完成對待監(jiān)控區(qū)域的火災(zāi)監(jiān)控。

48、本發(fā)明還提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法中的步驟。

49、本發(fā)明提供的一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法的有益效果在于：與現(xiàn)有技術(shù)相比，本發(fā)明通過對衛(wèi)星圖像進行顯著性增強和分割，并結(jié)合像素特征的計算和神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，可以實現(xiàn)對火災(zāi)區(qū)域的精準(zhǔn)識別和監(jiān)控，減少了誤報和漏報的可能性。

技術(shù)特征：

1.一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法，其特征在于，包括以下步驟：

2.如權(quán)利要求1所述的一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法，其特征在于，所述步驟2：對所述衛(wèi)星圖像進行顯著性增強得到顯著性增強后的衛(wèi)星圖像，包括：

3.如權(quán)利要求2所述的一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法，其特征在于，所述步驟2.2：基于模糊理論構(gòu)建不同像素點的模糊增強函數(shù)，包括：

4.如權(quán)利要求3所述的一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法，其特征在于，所述步驟2.3：根據(jù)不同像素點的模糊增強函數(shù)構(gòu)建顯著性增強模型，包括：

5.如權(quán)利要求4所述的一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法，其特征在于，所述步驟3：對顯著性增強后的衛(wèi)星圖像進行分割得到分割后的衛(wèi)星圖像，包括：

6.如權(quán)利要求5所述的一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法，其特征在于，在所述步驟3.4中，鄰域窗口內(nèi)像素點的均值計算公式為：

7.如權(quán)利要求6所述的一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法，其特征在于，所述步驟3.5：根據(jù)像素點的均值計算相應(yīng)像素點的縮小比例，包括：

8.如權(quán)利要求7所述的一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法，其特征在于，在步驟3.6中，鄰域窗口的像素點二分閾值計算公式為：

9.一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控系統(tǒng)，其特征在于，包括：

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-8中任一項所述的一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法中的步驟。

技術(shù)總結(jié)
本發(fā)明提供了一種基于衛(wèi)星圖像的大數(shù)據(jù)火災(zāi)監(jiān)控方法與系統(tǒng)，其中該方法，包括：對衛(wèi)星圖像進行顯著性增強得到顯著性增強后的衛(wèi)星圖像；對顯著性增強后的衛(wèi)星圖像進行分割得到分割后的衛(wèi)星圖像；計算分割后衛(wèi)星圖像的像素特征；根據(jù)目標(biāo)區(qū)域的火災(zāi)狀況對不同的像素特征設(shè)置相應(yīng)的標(biāo)簽，并將像素特征作為樣本輸入到神經(jīng)網(wǎng)絡(luò)中進行訓(xùn)練得到大數(shù)據(jù)火災(zāi)監(jiān)控模型；使用大數(shù)據(jù)火災(zāi)監(jiān)控模型完成對待監(jiān)控區(qū)域的火災(zāi)監(jiān)控。本發(fā)明通過對衛(wèi)星圖像進行顯著性增強和分割，并結(jié)合像素特征的計算和神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，可以實現(xiàn)對火災(zāi)區(qū)域的精準(zhǔn)識別和監(jiān)控，減少了誤報和漏報的可能性。

技術(shù)研發(fā)人員：侯培賢,李建峰
受保護的技術(shù)使用者：侯培賢
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10