【摘要】：戶外火情監(jiān)測是涉及人民生命和財(cái)產(chǎn)安全的重要問題,由于傳統(tǒng)的火情預(yù)警方法存在不適用于戶外場景的弊端,廣大研究學(xué)者利用計(jì)算機(jī)視覺和數(shù)字圖像處理技術(shù)將視頻監(jiān)測應(yīng)用于戶外火情預(yù)警中。與傳統(tǒng)的傳感器火災(zāi)探測技術(shù)相比,視頻煙霧探測可以實(shí)時監(jiān)測現(xiàn)場是否有煙霧產(chǎn)生并快速做出決策,能夠在第一時間為火災(zāi)救援引導(dǎo)方向,具有響應(yīng)時間短、靈敏度高、覆蓋面積廣等優(yōu)點(diǎn)�；谀壳按嬖诘囊曨l圖像煙霧火情預(yù)警方法,結(jié)合視頻圖像處理技術(shù),提出三個創(chuàng)新點(diǎn)實(shí)現(xiàn)智能化的火情預(yù)警,內(nèi)容歸納如下:1.煙霧圖像清晰化的火源撲滅和人員救助技術(shù)�；馂�(zāi)時會產(chǎn)生大量的煙霧,煙霧中夾雜著的微小顆粒會使大氣產(chǎn)生散射作用,影響攝像頭采集到的圖像的質(zhì)量。為了實(shí)現(xiàn)有效且快速的去煙霧方法,對現(xiàn)場采集到的圖像進(jìn)行去煙霧處理,針對光照強(qiáng)度大的圖像采用基于Retinex圖像增強(qiáng)理論的算法,光照強(qiáng)度小的圖像采用暗通道先驗(yàn)算法。通過構(gòu)建火災(zāi)場景的自適應(yīng)去煙霧處理系統(tǒng),救援人員可根據(jù)清晰的圖像,判斷火災(zāi)現(xiàn)場具體狀況,制定更有效、有針對性的救援策略,及時救助被困人員,最大程度減少損失。2.基于目標(biāo)上下文的煙霧火情預(yù)警技術(shù)。針對產(chǎn)生煙霧時無法判斷是否由火情引起的問題,利用上下文目標(biāo)檢測模型可以有效地獲取煙霧場景上下文信息。首先根據(jù)煙霧場景是否會導(dǎo)致火情將煙霧場景分為兩類,建立上下文的目標(biāo)檢測模型,然后利用該模型對煙霧圖像進(jìn)行檢測,實(shí)驗(yàn)結(jié)果表明使用該方法提高了火情預(yù)警的準(zhǔn)確率,在非火情情形下不會對煙霧場景產(chǎn)生誤報(bào)。3.面向圖像語義描述的煙霧火情預(yù)警技術(shù)。本技術(shù)提出了一種結(jié)合語義描述方法的火情預(yù)警模型,在監(jiān)測現(xiàn)場是否產(chǎn)生煙霧的同時,能夠智能地協(xié)助監(jiān)測人員判斷煙霧周圍一定范圍內(nèi)的環(huán)境是否會引發(fā)火情,同時生成基本語義,方便視頻圖像的讀取與調(diào)用。通過實(shí)驗(yàn)與基于視頻圖像煙霧檢測的方法比較差異,結(jié)果表明該方法增加了系統(tǒng)的場景適應(yīng)性和系統(tǒng)預(yù)警的可靠性。
【圖文】：

大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文 第三章 一種基于 Retinex 的火情煙霧圖像去霧的場景中像素的均值 以下步驟：until > if < and = 對 M 再一次進(jìn)行聚類聚類類別數(shù) 和協(xié)同矩陣 公式(3.10)更新 結(jié)果如圖 3.2 所示，設(shè) 為 5，其中圖(a)為原始圖像，圖(d)為聚類圖像，同一區(qū)素都是按照順序排列的，從中可以看出，，同一區(qū)域中的像素點(diǎn)煙霧的相似度較似度越強(qiáng)，越有利于避免不同景深的場景之間的相互影響。

C=5 C=80圖 3.4 不同高斯環(huán)繞尺度 C 取值的高斯模型由圖 3.4 可以看出，高斯環(huán)繞尺度 C 越小，高斯模型的半徑越小。一般情況下，模板半越小，像素點(diǎn)受到周圍像素的影響越大，越有利于處理圖像，其處理后圖像的細(xì)節(jié)越好，是同時會使得圖像顏色的保真度越差；反之亦然。為了使圖像的細(xì)節(jié)和色彩逼真度之間取得良好的平衡，高斯環(huán)繞尺度的選擇顯得尤為重。對于煙霧圖像，主要有效信息集中在圖像的高頻部分，而霧都集中在低頻部分。當(dāng)圖像不存在煙霧或煙霧幾乎可以忽略的情況下， 設(shè)置為 0；隨著煙霧的厚度增加， 設(shè)置值變，以此得到去除低頻圖像部分、增強(qiáng)圖像細(xì)節(jié)的效果；當(dāng)煙霧濃度達(dá)到一定程度，已經(jīng)無獲得有效信息時， 設(shè)置值應(yīng)當(dāng)足夠大到突出高頻部分。根據(jù) 3.1 節(jié)中基于 K-means 算法的像聚類方法得到的圖像景深值，由于景深值的大小是煙霧厚度的體現(xiàn)，本節(jié)可以根據(jù)景深對 實(shí)現(xiàn)自適應(yīng)設(shè)置。本章使用線性插值法對高斯空間 進(jìn)行計(jì)算，計(jì)算公式如下：
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：D631.6;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮桂蓮;;曲率驅(qū)動擴(kuò)散圖像邊緣形態(tài)復(fù)合濾波方法仿真[J];計(jì)算機(jī)仿真;2019年09期

2 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

3 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開發(fā);2013年12期

4 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術(shù);2003年08期

5 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

6 宋建中;;噴霧圖像的自動分析[J];光學(xué)機(jī)械;1988年04期

7 高華;;關(guān)于古建筑圖像中破損點(diǎn)優(yōu)化提取仿真[J];計(jì)算機(jī)仿真;2017年11期

8 劉娟娟;劉斌;;低照度非線性光學(xué)圖像邊緣自適應(yīng)增強(qiáng)裝置設(shè)計(jì)[J];激光雜志;2017年03期

9 許志強(qiáng);張婷;;數(shù)字式多媒體場景圖像準(zhǔn)確分類方法仿真[J];計(jì)算機(jī)仿真;2019年07期

10 張琳梅;;基于圖像邊緣增強(qiáng)的改進(jìn)方法[J];信息系統(tǒng)工程;2016年03期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強(qiáng)方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

6 孫增國;師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽科學(xué)學(xué)術(shù)年會論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

相關(guān)重要報(bào)紙文章 前7條

1 侯杰;國產(chǎn)芯片進(jìn)軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報(bào);2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報(bào);2003年

4 ;體驗(yàn)決定一切[N];中國計(jì)算機(jī)報(bào);2003年

5 Wang JS;摳圖又有新招[N];電腦報(bào);2002年

6 徐和德;從實(shí)戰(zhàn)出發(fā)選擇合適鏡頭[N];中國攝影報(bào);2019年

7 ;令挑剔的人也刮目相看[N];中國電子報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 唐國良;視頻監(jiān)控圖像局部特征描述和相機(jī)接力研究[D];西安電子科技大學(xué);2019年

2 孫景峰;基于圖像特征的示波屏識別關(guān)鍵技術(shù)研究及應(yīng)用[D];西北工業(yè)大學(xué);2018年

3 歐巧鳳;二維凝膠電泳圖像中一致蛋白質(zhì)斑點(diǎn)集檢測技術(shù)研究[D];西北工業(yè)大學(xué);2018年

4 吳迪;光學(xué)遙感圖像典型目標(biāo)檢測方法研究[D];哈爾濱工業(yè)大學(xué);2019年

5 王瑤;復(fù)雜天氣下的道路識別方法研究[D];哈爾濱工業(yè)大學(xué);2019年

6 宋偉先;基于深度學(xué)習(xí)的豬只目標(biāo)檢測及狀態(tài)分析[D];東北農(nóng)業(yè)大學(xué);2019年

7 張玲;圖像光照恢復(fù)與分解技術(shù)研究[D];武漢大學(xué);2017年

8 蔡博侖;圖像去霧與增強(qiáng)算法的研究[D];華南理工大學(xué);2019年

9 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學(xué);2016年

10 李永軍;圖像與視頻低復(fù)雜度壓縮算法研究[D];西安電子科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 賈玲慧;基于邊緣保持濾波器和顯著性的多模態(tài)醫(yī)學(xué)圖像融合方法研究[D];重慶郵電大學(xué);2019年

2 康健;單幅霧天圖像去霧方法研究[D];重慶郵電大學(xué);2019年

3 曾笑云;灰度不均勻圖像的快速分割方法研究[D];湘潭大學(xué);2019年

4 吳鳴;基于卷積神經(jīng)網(wǎng)絡(luò)和圖像顯著性的鐵譜磨粒分析[D];南京航空航天大學(xué);2019年

5 汪杰;基于CT圖像的種豬優(yōu)選方法研究與實(shí)現(xiàn)[D];安徽工業(yè)大學(xué);2019年

6 趙婷;基于結(jié)構(gòu)特征增強(qiáng)的圖像顯著性檢測方法研究[D];哈爾濱工業(yè)大學(xué);2019年

7 牛皓偉;基于航拍圖像的交通工程施工現(xiàn)場安全監(jiān)督方法研究[D];哈爾濱工業(yè)大學(xué);2019年

8 曹齊;殘損紡織物圖像的修復(fù)算法研究與三維重建[D];西安工程大學(xué);2019年

9 鐘曉妮;基于圖像特征的快速匹配算法研究[D];西安工程大學(xué);2019年

10 吳帥;《點(diǎn)石齋畫報(bào)》的圖像生產(chǎn)及其技術(shù)[D];中國美術(shù)學(xué)院;2019年

本文編號：2587834