對火焰的基本特征進(jìn)行分析,從中選擇出幾種比較有代表性的火焰特征作為判據(jù)來識別和提取火場圖像中的火焰區(qū)域�；诨馂�(zāi)火焰的亮度特征利用區(qū)域生長法分割出疑似火焰區(qū)域;根據(jù)RGB和HIS顏色模型的對應(yīng)關(guān)系,通過分離火焰像素的R、G、B分量,驗證了火焰的色彩分布規(guī)律;利用圓形度判據(jù)排除規(guī)則光源的干擾。 

【文章來源】：消防科學(xué)與技術(shù). 2020,39(02)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

圖像灰度化

(3）分割結(jié)果。本研究分別利用Otsu法、迭代法以及區(qū)域生長法分割灰度化后的火場圖像，將得到的圖像進(jìn)行中值濾波去除孤立像素點，并去除部分面積較小的干擾目標(biāo)，最終得到的處理結(jié)果如圖2所示。對比圖2中不同算法的分割效果，Otsu法與迭代法分割后的圖像中仍包含大面積的背景區(qū)域，而區(qū)域生長法則可以較好地將背景與目標(biāo)分離開�？梢姡瑓^(qū)域生長法的分割效果要遠(yuǎn)遠(yuǎn)優(yōu)于閾值分割法。因此，筆者選用區(qū)域生長法分割圖像中的疑似火焰區(qū)域。

在對可疑區(qū)域進(jìn)行火焰識別之前，需要將疑似火焰區(qū)域的二值圖像映射到原圖中，如圖3所示。攝像機(jī)采集到的圖像為RGB圖像,將大約50 000個火焰像素點顯示在RGB三維空間中，如圖4(a）所示。由于三維空間不便于觀察和分析，所以將其投影到R-G平面以及G-B平面，如圖4(b）、圖4(c）所示。圖中每個點的顏色與其對應(yīng)的火焰像素點顏色一致，可以看出，呈紅黃色調(diào)的火焰像素在RGB三維空間中的分布大致符合R≥G,G>B的關(guān)系。并且，火焰像素點R分量值的大小基本與研究資料所描述的相一致。

【參考文獻(xiàn)】：
期刊論文
[1]一種基于閃爍特征的火焰識別方法[J]. 車曉波,李小偉,劉建翔,趙志鵬.  消防科學(xué)與技術(shù). 2013(06)
[2]基于灰度熵多閾值分割和SVM的火焰圖像狀態(tài)識別[J]. 吳一全,宋昱,周懷春.  中國電機(jī)工程學(xué)報. 2013(20)
[3]基于圖像特征的火災(zāi)火焰識別方法[J]. 王媛彬,馬憲民.  消防科學(xué)與技術(shù). 2012(02)
[4]面向紅外視頻圖像的火焰識別[J]. 汪錦,于偉華,韓韜.  上海交通大學(xué)學(xué)報. 2008(12)
[5]淺談圖像型早期火災(zāi)監(jiān)測與數(shù)控固定消防水炮撲救技術(shù)[J]. 孫宇,王健,于洋,袁宏永,蘇國鋒.  消防科學(xué)與技術(shù). 2003(03)



本文編號：3320637