本文選題：火災(zāi)檢測(cè) + 模糊增強(qiáng)　； 參考：《西安科技大學(xué)》2015年博士論文

【摘要】：火災(zāi)是礦井重大災(zāi)害之一,嚴(yán)重威脅著人類(lèi)健康、自然環(huán)境和煤礦的安全生產(chǎn)。隨著科技進(jìn)步,火災(zāi)自動(dòng)檢測(cè)技術(shù)逐漸成為監(jiān)測(cè)和火災(zāi)預(yù)警的重要手段�；谝曨l圖像的火災(zāi)檢測(cè)技術(shù)具有探測(cè)范圍廣、響應(yīng)時(shí)間短、成本低、不受環(huán)境影響等優(yōu)勢(shì),結(jié)合計(jì)算機(jī)智能技術(shù)可以提供更直觀、更豐富的信息,對(duì)煤礦的安全生產(chǎn)具有重要意義。針對(duì)煤礦火災(zāi)檢測(cè)過(guò)程中的圖像預(yù)處理、特征提取、圖像識(shí)別三個(gè)環(huán)節(jié),本文主要完成了以下研究工作:針對(duì)煤礦井下照度低、光照不均勻的特點(diǎn),在分析和比較傳統(tǒng)圖像增強(qiáng)處理算法的基礎(chǔ)上,提出了基于模糊邏輯的圖像增強(qiáng)預(yù)處理方法。該方法定義了新的模糊隸屬度函數(shù),通過(guò)快速最大類(lèi)間方差法搜索閾值,實(shí)現(xiàn)了模糊增強(qiáng)閾值的自適應(yīng)選取,減小了圖像低灰度區(qū)域的像素信息損失,提高了運(yùn)算速度。針對(duì)圖像噪聲大、對(duì)比度低的特點(diǎn),提出了基于二維模糊劃分最大熵的圖像分割方法,采用模糊隸屬度函數(shù)對(duì)目標(biāo)與背景進(jìn)行精細(xì)劃分,既利用了圖像的灰度信息以及空間鄰域信息,而且兼顧了圖像自身的模糊性,克服了傳統(tǒng)的分割算法需要根據(jù)經(jīng)驗(yàn)確定閾值的不足;提出采用粒子群優(yōu)化算法對(duì)模糊熵函數(shù)進(jìn)行優(yōu)化,克服了運(yùn)算速度慢的缺點(diǎn),滿足實(shí)時(shí)性需求。根據(jù)火災(zāi)發(fā)生早期的火焰圖像特性,研究了火災(zāi)火焰的特征提取技術(shù),結(jié)合火災(zāi)火焰的動(dòng)靜態(tài)特征、紋理特征、頻閃特征,在圖像分割的基礎(chǔ)上分別對(duì)疑似區(qū)域及像素進(jìn)行計(jì)算,以反映其面積蔓延、形體變化、邊緣變化及閃爍特性,實(shí)現(xiàn)了火災(zāi)圖像特征參數(shù)的提取;針對(duì)火災(zāi)圖像的多特征選擇問(wèn)題,基于多特征融合的火災(zāi)圖像特征選擇技術(shù),實(shí)現(xiàn)了初始特征集中特征冗余信息的去除,確定了火災(zāi)圖像的分類(lèi)特征參數(shù),并將其作為火災(zāi)火焰和干擾源的識(shí)別依據(jù)。根據(jù)圖像處理算法提取的早期火災(zāi)火焰的圖像特征,構(gòu)建了多特征融合的圖像型火災(zāi)火焰檢測(cè)模型�；谌斯ど窠�(jīng)網(wǎng)絡(luò)適合處理不完善和模糊信息的特點(diǎn)以及最小二乘支持向量機(jī)具有的小樣本、非線性、訓(xùn)練效率高及高維模式優(yōu)勢(shì)分別進(jìn)行火災(zāi)火焰圖像識(shí)別,達(dá)到各個(gè)判據(jù)優(yōu)勢(shì)互補(bǔ)的目的,從而克服了傳統(tǒng)的使用單一特征作為判據(jù)易引起誤報(bào)的局限性,其中對(duì)最小二乘支持向量機(jī)的超參數(shù)選取在快速留一法的基礎(chǔ)上,提出了采用共軛梯度法進(jìn)行超參數(shù)優(yōu)化,構(gòu)建了FR-LSSVM模型。最后分別采用BP神經(jīng)網(wǎng)絡(luò)、最小二乘法支持向量機(jī)、FR-LSSVM和標(biāo)準(zhǔn)支持向量機(jī)進(jìn)行分類(lèi)實(shí)驗(yàn),結(jié)果表明FR-LSSVM較其它算法有更好的穩(wěn)定性、更快的運(yùn)算速度和更高的識(shí)別率�；谔崛〉臒熿F圖像特征實(shí)現(xiàn)了實(shí)時(shí)煙霧檢測(cè)。首先基于混合高斯分布對(duì)煙霧圖像序列進(jìn)行運(yùn)動(dòng)區(qū)域檢測(cè),提取出運(yùn)動(dòng)像素。根據(jù)煙霧擴(kuò)散的動(dòng)態(tài)特性結(jié)合煙霧疑似區(qū)域的面積增大與否將非煙霧目標(biāo)進(jìn)行濾除�；谒崛〉膭�(dòng)態(tài)特征、紋理特征利用支持向量機(jī)作為分類(lèi)器通過(guò)多參數(shù)融合對(duì)煙霧圖像和非煙霧圖像進(jìn)行識(shí)別分類(lèi)。
[Abstract]:Fire is one of the major disasters in mine, which seriously threatens human health, natural environment and safe production of coal mine. With the progress of science and technology, fire automatic detection technology has gradually become an important means of monitoring and fire warning. The fire detection technology based on video image has a wide range of detection, short response time, low cost, unaffected by the environment and so on. Advantages, combined with computer intelligence technology can provide more intuitive, more abundant information, it is of great significance for the safety of coal mine production. In the process of coal mine fire detection, image preprocessing, feature extraction, image recognition three links, this paper mainly completed the following research work: low illumination in coal mine and uneven illumination On the basis of analyzing and comparing the traditional image enhancement processing algorithm, the image enhancement preprocessing method based on fuzzy logic is proposed. This method defines a new fuzzy membership function, searches the threshold by fast maximum inter class variance method, realizes the adaptive selection of the fuzzy enhancement threshold, and reduces the image of the low gray area of the image. In view of the large image noise and low contrast, the image segmentation method based on the maximum entropy of two-dimensional fuzzy division is proposed. The fuzzy membership function is used to divide the target and the background fine, and the image's gray information and the spatial neighborhood information are used, and the image itself is taken into account. Fuzziness, overcome the traditional segmentation algorithm need to determine the deficiency of the threshold according to experience; propose a particle swarm optimization algorithm to optimize the fuzzy entropy function, overcome the shortcomings of the slow operation speed, meet the real-time demand. According to the flame image characteristics of the early fire occurrence, the feature extraction technology of fire flame is studied, combined with fire. The dynamic and static characteristics, texture features and stroboscopic features of the disaster flame are calculated on the basis of the image segmentation, to reflect the area spread, the shape change, the edge change and the flicker, and the extraction of the feature parameters of the fire image, and the multi feature fusion based on multi feature fusion for the multi feature selection problem of the fire image. The fire image feature selection technique has realized the removal of the feature redundancy information of the initial feature concentration, determined the classification characteristic parameters of the fire image, and used it as the identification basis of the fire flame and the interference source. According to the image features of the early fire flame extracted by the image processing algorithm, the image fire fire with multi feature fusion was constructed. The flame detection model, based on the characteristics of artificial neural network, which is suitable for processing imperfect and fuzzy information, and small sample, nonlinear, high training efficiency and high dimensional pattern advantage of least squares support vector machine (LS SVM) to recognize the fire flame image respectively, to achieve the purpose of each criterion superiority and complement each other, thus overcoming the traditional use of a single special special. On the basis of the fast remaining one method, the super parameter optimization of the least squares support vector machine is proposed by the conjugate gradient method, and the FR-LSSVM model is constructed. Finally, the BP neural network, the least second multiplication support vector machine, the FR-LSSVM and the standard support vector are used respectively. The experimental results show that FR-LSSVM has better stability, faster operation speed and higher recognition rate than other algorithms. Based on the extracted smoke image features, real-time smoke detection is realized. Firstly, based on mixed Gauss distribution, the motion region of smoke image sequence is detected and moving pixels are extracted. The smoke diffusion is based on smoke diffusion. Based on the dynamic feature extracted, the texture features use the support vector machine as the classifier to classify the smoke image and the non smog image by multi parameter fusion.
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.41;TD75

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王芳;淺談全社會(huì)共同遏制群死群傷火災(zāi)爆炸事故[J];消防科學(xué)與技術(shù);2001年05期

2 暢河;讓熒屏帶來(lái)更多的歡樂(lè)──談電視機(jī)火災(zāi)特點(diǎn)及預(yù)防[J];安徽消防;2002年01期

3 龐建軍;冷庫(kù)的火災(zāi)危險(xiǎn)性與安全管理[J];安全;2002年02期

4 范曉瓏;化工企業(yè)檢修存在的火災(zāi)危險(xiǎn)性及對(duì)策[J];勞動(dòng)保護(hù);2002年04期

5 翁興德,李鋒華;倉(cāng)庫(kù)火災(zāi)的特點(diǎn)及預(yù)防措施[J];商品儲(chǔ)運(yùn)與養(yǎng)護(hù);2002年02期

6 董炳生;火災(zāi)隱患的幾個(gè)特征[J];浙江消防;2002年05期

7 邵學(xué)民;一起火災(zāi)爆炸事故帶來(lái)的啟示[J];消防月刊;2003年01期

8 本刊編輯部;;2005年國(guó)外10大火災(zāi)[J];水上消防;2006年01期

9 欒興華;吳彬;;噴涂車(chē)間火災(zāi)爆炸事故分析[J];現(xiàn)代職業(yè)安全;2011年12期

10 曉訥;防火防爆專(zhuān)業(yè)委員會(huì)研究分析重大火災(zāi)爆炸事故[J];勞動(dòng)保護(hù);1987年10期

相關(guān)會(huì)議論文 前10條

1 王炳強(qiáng);王媛原;;論化工企業(yè)的火災(zāi)危險(xiǎn)性及預(yù)防措施[A];第十屆中國(guó)科協(xié)年會(huì)論文集（一）[C];2008年

2 蘇向明;;首都地區(qū)火災(zāi)形勢(shì)及相關(guān)對(duì)策[A];中國(guó)消防協(xié)會(huì)年會(huì)面向新世紀(jì)消防學(xué)術(shù)研討會(huì)論文集[C];1999年

3 汪麗莉;謝建兵;周家銘;;危險(xiǎn)化學(xué)品火災(zāi)爆炸事故鑒定及實(shí)驗(yàn)室建設(shè)的初步研究[A];中國(guó)職業(yè)安全健康協(xié)會(huì)2007年學(xué)術(shù)年會(huì)論文集[C];2007年

4 徐建平;肖虎;鄒寶生;;采油廠集輸站原油儲(chǔ)罐火災(zāi)防控[A];2012中國(guó)消防協(xié)會(huì)科學(xué)技術(shù)年會(huì)論文集（上）[C];2012年

5 肖麗娜;涂志明;陳志斌;;化工企業(yè)丙酮埋地儲(chǔ)罐火災(zāi)爆炸事故安全性評(píng)價(jià)[A];2013中國(guó)消防協(xié)會(huì)科學(xué)技術(shù)年會(huì)論文集[C];2013年

6 鄧銀才;;燃?xì)饣馂?zāi)爆炸事故調(diào)查方法分析[A];2002年湖北省火災(zāi)事故調(diào)查學(xué)術(shù)研討會(huì)論文集[C];2002年

7 喻梅;;燃?xì)饣馂?zāi)爆炸事故原因的分析調(diào)查[A];2004年湖北省消防學(xué)術(shù)論文競(jìng)賽論文集[C];2004年

8 喻梅;;燃?xì)饣馂?zāi)爆炸事故原因的分析調(diào)查[A];湖北省消防總隊(duì)、消防協(xié)會(huì)火災(zāi)原因調(diào)查研討及論文交流會(huì)論文集[C];2008年

9 王艷華;佟淑嬌;陳寶智;;液化石油氣罐區(qū)火災(zāi)爆炸事故后果分析[A];中國(guó)職業(yè)安全健康協(xié)會(huì)首屆年會(huì)暨職業(yè)安全健康論壇論文集[C];2004年

10 蔡濤;劉培林;霍有利;許曉麗;王媛;;海洋平臺(tái)火災(zāi)爆炸危險(xiǎn)源識(shí)別與評(píng)價(jià)的研究[A];第十三屆中國(guó)科協(xié)年會(huì)第13分會(huì)場(chǎng)-海洋工程裝備發(fā)展論壇論文集[C];2011年

相關(guān)重要報(bào)紙文章 前10條

1 特約記者 陳天斌 通訊員 周昕;去年全市火災(zāi)形勢(shì)總體平穩(wěn)[N];泰州日?qǐng)?bào);2008年

2 陳天斌 周昕;泰州：全年火災(zāi)629起 火災(zāi)形勢(shì)基本穩(wěn)定[N];江蘇經(jīng)濟(jì)報(bào);2008年

3 中國(guó)石油河北銷(xiāo)售公司 白勇恩　金龍;成品油庫(kù)火災(zāi)成因、特點(diǎn)及預(yù)防[N];中國(guó)企業(yè)報(bào);2012年

4 黃興祥 陳天斌;泰州市上半年火災(zāi)形勢(shì)平穩(wěn) 群眾消防安全意識(shí)仍需加強(qiáng)[N];江蘇經(jīng)濟(jì)報(bào);2007年

5 陳曰峰 張永明;生活中的消防誤區(qū)[N];吉林日?qǐng)?bào);2004年

6 陳泰國(guó);夏季火災(zāi)防控成效明顯[N];常州日?qǐng)?bào);2006年

7 本報(bào)特約記者 騰華;面對(duì)火災(zāi)，我們應(yīng)學(xué)會(huì)什么[N];湖北日?qǐng)?bào);2000年

8 肖言;全力撲殺火災(zāi)隱患[N];蘇州日?qǐng)?bào);2006年

9 黃懷;確保群眾平安過(guò)節(jié)[N];廈門(mén)日?qǐng)?bào);2008年

10 本報(bào)記者 張廣泉;“上榜”火災(zāi)的區(qū)域特征[N];中國(guó)安全生產(chǎn)報(bào);2006年

相關(guān)博士學(xué)位論文 前2條

1 王媛彬;基于圖像特征的煤礦火災(zāi)檢測(cè)與識(shí)別研究[D];西安科技大學(xué);2015年

2 陸松;中國(guó)群死群傷火災(zāi)時(shí)空分布規(guī)律及影響因素研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張江濤;基于FDS的辦公大樓火災(zāi)數(shù)值模擬研究[D];河北工程大學(xué);2015年

2 劉歡;LPG罐區(qū)火災(zāi)溫度場(chǎng)數(shù)值模擬及防火間距研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2016年

3 張耀偉;中庭建筑火災(zāi)的FLUENT模擬及安全疏散研究[D];華南理工大學(xué);2016年

4 朱安駒;基于社會(huì)力模型下地鐵站火災(zāi)疏散研究[D];西安建筑科技大學(xué);2016年

5 李苗;石化企業(yè)火災(zāi)危險(xiǎn)性分析方法的研究[D];天津大學(xué);2007年

6 李慧;工業(yè)罐區(qū)池火災(zāi)災(zāi)害過(guò)程的數(shù)值模擬研究[D];南京工業(yè)大學(xué);2005年

7 蔡麗輝;池火災(zāi)沸溢早期特性數(shù)值模擬研究[D];南京工業(yè)大學(xué);2006年

8 生迎夏;液化石油氣混空氣工程安全技術(shù)研究與應(yīng)用[D];南京工業(yè)大學(xué);2003年

9 李夢(mèng)娜;加油站儲(chǔ)油罐池火災(zāi)傷害結(jié)果分析與模擬[D];天津理工大學(xué);2015年

10 李小偉;道化學(xué)火災(zāi)、爆炸指數(shù)評(píng)價(jià)法在�；髽I(yè)安全評(píng)價(jià)中的應(yīng)用研究[D];天津理工大學(xué);2008年

，

本文編號(hào)：1947658