森林是人類寶貴的自然資源,而森林火災(zāi)突發(fā)性強(qiáng)、蔓延速度快、撲救困難,其對(duì)森林以及森林周邊的危害最大。因此林火監(jiān)測(cè)工作至關(guān)重要,基于視頻圖像的森林火災(zāi)監(jiān)測(cè)技術(shù)近年來(lái)得到較快發(fā)展并被廣泛運(yùn)用�；鹧媸巧只馂�(zāi)的主要視覺(jué)特征,因此本文從細(xì)粒度角度出發(fā),以提高火焰像素檢測(cè)精度為目標(biāo),研究包含枯草、光照等復(fù)雜環(huán)境下森林火災(zāi)視頻圖片的火焰區(qū)域檢測(cè)新方法,可通過(guò)檢測(cè)的火焰區(qū)域判斷火災(zāi),并為預(yù)測(cè)火災(zāi)發(fā)展態(tài)勢(shì)與蔓延趨勢(shì)提供更精確的火焰區(qū)域,從而為火災(zāi)撲救提供有力的技術(shù)支撐�；鹧骖伾ǔ＜性诩t黃之間,且有著閃爍特性,因而目前提取火焰區(qū)域方法大多基于火焰的顏色特征和運(yùn)動(dòng)特征。但在野外山林環(huán)境下常有大風(fēng),某些符合火焰顏色模型的非火焰對(duì)象因風(fēng)吹動(dòng)會(huì)被誤判為火焰;并且無(wú)風(fēng)時(shí)燃燒較穩(wěn)定的火焰像素閃爍不明顯,因此視頻圖片中某一區(qū)域在短時(shí)間內(nèi)持續(xù)為火焰時(shí),運(yùn)動(dòng)目標(biāo)檢測(cè)方法易出現(xiàn)漏檢,這種漏檢現(xiàn)象常發(fā)生在火焰區(qū)域內(nèi)部,尤其是近白色焰心表現(xiàn)較明顯。因此本文研究基于火焰顏色特征與紋理特征的火焰區(qū)域檢測(cè)方法,本文主要研究?jī)?nèi)容如下:首先提取疑似火焰區(qū)域。在強(qiáng)烈陽(yáng)光背景下劇烈燃燒的火焰在結(jié)構(gòu)上表現(xiàn)出由內(nèi)向外的白-黃-紅的環(huán)形顏色變... 

【文章來(lái)源】：南京林業(yè)大學(xué)江蘇省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

常用林火監(jiān)測(cè)方法

火焰區(qū)域。再將去除大部分背景的疑似火焰區(qū)域圖片切割成一定大小的圖像小塊。進(jìn)而利用非下采樣小波變換與灰度共生矩陣方法對(duì)每一圖像塊提取紋理特征，采用基于AdaBoost-SVM算法的林火火焰識(shí)別模型將圖像塊類為火焰小塊和非火焰小塊，保留火焰小塊即得到初步火焰區(qū)域。最后對(duì)初步火焰區(qū)域進(jìn)行優(yōu)化得到最終的火焰區(qū)域。該方法有以下四個(gè)特點(diǎn)：特點(diǎn)一，目前基于火焰視頻圖像的林火監(jiān)控方法是基于火焰圖像的粗粒度檢測(cè)方法[21]，其監(jiān)控報(bào)警流程依次分為采集圖像、提取火焰區(qū)域、提取火焰圖像的特征以及火焰識(shí)別報(bào)警四個(gè)步驟，如圖1-3所示。步驟3是將提取出火焰區(qū)域的火焰圖片作為提取火焰特征的對(duì)象，但實(shí)際上該火焰圖片中包含大量非火焰對(duì)象，因而提取出的火焰特征并不十分精確。步驟4是將提取的整幅圖片的特征向量輸入到分類器中，識(shí)別出火焰圖片即發(fā)現(xiàn)火情并報(bào)警。由于在火焰圖像識(shí)別中，精確提取火焰特征值是保證火焰識(shí)別正確率的前提，因此該方法通常并不能很好地區(qū)分火焰圖片與非火焰圖片。圖1-3常用林火監(jiān)控報(bào)警流程Fig.1-3Commonlyusedprocessofmonitoringandalarmingforestfire本文提出的森林火災(zāi)火焰區(qū)域檢測(cè)方法是像素級(jí)的細(xì)粒度檢測(cè)方法。該方法能較好地

5提取出視頻中某幀圖片的火焰區(qū)域，因此能通過(guò)檢測(cè)的火焰區(qū)域判斷是否發(fā)生火災(zāi)達(dá)到林火監(jiān)控的目的，也就是說(shuō)本文方法實(shí)現(xiàn)林火監(jiān)控報(bào)警的流程如圖1-4所示。而且本文方法能為預(yù)測(cè)火災(zāi)發(fā)展態(tài)勢(shì)與蔓延趨勢(shì)提供更精確的火焰像素區(qū)域。當(dāng)今林火監(jiān)控技術(shù)既要發(fā)現(xiàn)火情及時(shí)報(bào)警，又要通過(guò)獲得的各類森林火災(zāi)信息來(lái)進(jìn)一步分析火災(zāi)程度、發(fā)展態(tài)勢(shì)與蔓延趨勢(shì)等，本文方法符合這一潮流。圖1-4本文林火監(jiān)控報(bào)警流程Fig.1-4Processofmonitoringandalarmingforestfireinthispaper特點(diǎn)二，本文將去除大部分背景的疑似火焰區(qū)域圖片切割成一定大小的圖像塊，再利用非下采樣小波變換與灰度共生矩陣方法對(duì)每一圖像小塊提取紋理特征，得到的是穩(wěn)定且不易受環(huán)境干擾的局部紋理特征，而大多學(xué)者研究的是整幅圖片基于灰度共生矩陣等的全局紋理特征提齲特點(diǎn)三，分類算法的種類很多，主要有支持向量機(jī)（SupportVectorMachine，簡(jiǎn)稱SVM）、BP(backpropagation)神經(jīng)網(wǎng)絡(luò)、貝葉斯、決策樹(shù)等。在火焰識(shí)別領(lǐng)域，張霞[22]、丘企敏[23]等分別使用了SVM、BP神經(jīng)網(wǎng)絡(luò)。集成學(xué)習(xí)�？色@得比單一分類器更加出色的泛化性能，例如利用AdaBoost算法對(duì)多個(gè)分類器進(jìn)行集成，重點(diǎn)關(guān)注錯(cuò)誤分類樣本，分類器的泛化能力與準(zhǔn)確率有所提升。因此本文將AdaBoost算法和具有較好分類性能的SVM分類器相結(jié)合，利用AdaBoost-SVM算法用于森林火災(zāi)火焰的分類識(shí)別。特點(diǎn)四，在強(qiáng)烈陽(yáng)光背景下劇烈燃燒的火焰顏色與通常情形時(shí)不同，火焰不僅集中在紅黃之間，而且由于火焰各區(qū)域存在溫度差，火焰在結(jié)構(gòu)上表現(xiàn)出由內(nèi)向外的白-黃-紅的環(huán)形顏色變化。因此實(shí)際的火焰中心區(qū)域，即焰心顏色接近白色，與選取的一般顏色模型有明顯區(qū)別，導(dǎo)致火焰區(qū)域分割不完整。本文建立適合強(qiáng)烈陽(yáng)光背景的火焰顏色模型，并提出對(duì)于?

【參考文獻(xiàn)】：
期刊論文
[1]基于Gabor和灰度共生矩陣混合特征葉片泵裝配質(zhì)量檢測(cè)[J]. 劉康,陳小林,劉巖俊,梁浩.  液晶與顯示. 2018(11)
[2]基于灰度共生矩陣的遙感圖像分類研究[J]. 廖敏,陳國(guó)鄭.  科學(xué)技術(shù)創(chuàng)新. 2018(28)
[3]與視頻背景顏色相似的紋理缺乏前景目標(biāo)檢測(cè)方法[J]. 趙亞琴,蔣林權(quán),陳越,孫一超.  計(jì)算機(jī)應(yīng)用與軟件. 2018(08)
[4]基于計(jì)算機(jī)視覺(jué)的森林火災(zāi)識(shí)別算法設(shè)計(jì)[J]. 劉凱,魏艷秀,許京港,趙永政,蔡志勇.  森林工程. 2018(04)
[5]Face recognition system based on CNN and LBP features for classifier optimization and fusion[J]. Wu Yulin,Jiang Mingyan.  The Journal of China Universities of Posts and Telecommunications. 2018(01)
[6]林火監(jiān)測(cè)技術(shù)分析與綜合應(yīng)用[J]. 伍小潔,陳利明,張潔,燕正亮.  衛(wèi)星應(yīng)用. 2017(05)
[7]多特征融合的火焰檢測(cè)算法[J]. 吳茜茵,嚴(yán)云洋,杜靜,高尚兵,劉以安.  智能系統(tǒng)學(xué)報(bào). 2015(02)
[8]基于多傳感器融合的林火監(jiān)測(cè)[J]. 丘啟敏,鄭嫦娥,田野,劉晉浩,傅天駒.  安全與環(huán)境學(xué)報(bào). 2015(01)
[9]淺析森林火災(zāi)的控制[J]. 趙鐵成.  林業(yè)科技情報(bào). 2013(02)
[10]國(guó)外森林火災(zāi)應(yīng)急管理系統(tǒng)研究與借鑒[J]. 田曉瑞,舒立福.  中國(guó)應(yīng)急管理. 2012(11)

博士論文
[1]基于集成學(xué)習(xí)的高分遙感圖像玉米區(qū)高精度提取算法研究[D]. 李大威.中北大學(xué) 2017
[2]基于多特征的火焰圖像探測(cè)研究及實(shí)現(xiàn)[D]. 榮建忠.中國(guó)科學(xué)技術(shù)大學(xué) 2012
[3]基于視頻圖像的林火煙霧識(shí)別方法的研究[D]. 黃儒樂(lè).北京林業(yè)大學(xué) 2012
[4]基于支持向量機(jī)（SVM）的高光譜影像智能化分析關(guān)鍵問(wèn)題研究[D]. 沈照慶.武漢大學(xué) 2010
[5]基于支持向量機(jī)的目標(biāo)跟蹤技術(shù)研究[D]. 宋華軍.中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所） 2006

碩士論文
[1]基于視頻圖像的森林火災(zāi)自動(dòng)監(jiān)測(cè)識(shí)別技術(shù)研究[D]. 詹琪.電子科技大學(xué) 2017
[2]火焰圖像快速檢測(cè)方法研究及應(yīng)用[D]. 戴靜.西南科技大學(xué) 2017
[3]森林火災(zāi)煙霧圖像識(shí)別算法研究[D]. 蘭久強(qiáng).福建師范大學(xué) 2017
[4]基于嵌入式Linux的森林火災(zāi)監(jiān)控軟件設(shè)計(jì)[D]. 路盼.長(zhǎng)安大學(xué) 2016
[5]基于多特征的視頻火焰檢測(cè)[D]. 張霞.上海師范大學(xué) 2016
[6]基于圖像特征的森林煙霧和火焰檢測(cè)算法研究[D]. 王全.太原理工大學(xué) 2015
[7]基于多特征融合的森林火災(zāi)火焰視頻識(shí)別研究[D]. 徐銘銘.南京林業(yè)大學(xué) 2015
[8]基于AdaBoost的分類器學(xué)習(xí)算法比較研究[D]. 盧婷.華東理工大學(xué) 2014
[9]火災(zāi)探測(cè)中混合智能算法的應(yīng)用研究[D]. 王泉.重慶理工大學(xué) 2013
[10]森林火災(zāi)視頻識(shí)別技術(shù)研究[D]. 咸慧.長(zhǎng)春理工大學(xué) 2013



本文編號(hào)：3093477