森林對于生態(tài)系統(tǒng)的可持續(xù)發(fā)展起著關(guān)鍵作用,而森林火災(zāi)的發(fā)生嚴(yán)重威脅著生態(tài)系統(tǒng)發(fā)展。林火發(fā)生初期,由于樹木的遮擋,火焰很難被發(fā)現(xiàn),但煙霧卻易被監(jiān)控視頻采集。相對傳統(tǒng)的傳感器技術(shù),基于計算機視覺的森林火災(zāi)檢測技術(shù)具有監(jiān)控范圍廣、實時性強等優(yōu)勢,能夠在森林火災(zāi)發(fā)生初期及時進行預(yù)警,極大地減小了火災(zāi)造成的危害。為此,本文針對基于視頻分析的林火煙霧檢測方法進行研究意義重大。根據(jù)森林火災(zāi)煙霧視頻的特點,為了準(zhǔn)確、快速地識別林火煙霧圖像,本文對煙霧視頻中運動目標(biāo)檢測、煙霧圖像特征提取以及基于支持向量機分類器的設(shè)計等相關(guān)問題進行深入研究,提出基于視頻分析的林火煙霧檢測方法。煙霧視頻的運動目標(biāo)檢測對林火煙霧的識別至關(guān)重要,它是后續(xù)對煙霧靜態(tài)、動態(tài)特征提取以及煙霧位置標(biāo)定的基礎(chǔ)。在對運動目標(biāo)檢測的幾種常用方法中,Vi Be算法具有占用內(nèi)存少,計算復(fù)雜度低的特點,但其存在對光照變化適應(yīng)性差和對噪聲敏感的不足,本文利用SILTP算子的光照不變性,對Vi Be算法進行改進,實驗結(jié)果表明改進算法對光照變化和噪聲具有較強的魯棒性。進而采用Freeman鏈碼提取運動目標(biāo)圖像邊緣,并通過外接矩形框獲取運動目標(biāo)圖像。同時... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

ViBe分類圖

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-8-N（一般選取20）個像素值，存放在對應(yīng)背景模型的N個樣本中。定義M0(x)為單幀背景模型，見公式(2-3)所示。00(){(|())}GMxvyyNx(2-3)圖2-2像素v(x)的八鄰域Fig.2-2TheEight-neighborhoodofpixelv(x)最后，對背景模型進行更新。ViBe算法采用保守更新方式。分為三部分：無記憶更新，擴大更新窗口和鄰域隨機更新。1)無記憶更新：更新方式需滿足背景樣本的生存時間單調(diào)遞減，且對之前的樣本像素不會隨意替掉。時間t和t+dt之間，每個背景樣本存在的概率是N1N，其概率函數(shù)見公式(2-4)。()=N-ln()dtN-1tPt,t+dte(2-4)式中可知，背景樣本生存時間是呈單調(diào)遞減的，且樣本概率密度與時間t無關(guān)，過去對未來無影響，即無記憶更新。2)擴大更新窗口：由于視頻具有連續(xù)性和周期性的特點，若對每幀進行背景更新，造成不必要的計算。ViBe算法通過對背景樣本生命周期進行設(shè)定，從而減少重復(fù)計算。定義時間采樣參數(shù)φ，根據(jù)不同的視頻動態(tài)取值。3)鄰域隨機更新：根據(jù)ViBe的保守更新方式的不足，且具有在時間和空間上的分布一致性，對某個像素背景模型進行更新時，會對其鄰域內(nèi)隨機進行選擇一個像素進行更新，對消除“鬼影”有一定作用。ViBe算法的優(yōu)點是對硬件的要求較低，涉及計算量小，不需要參數(shù)構(gòu)建模型，且它的背景更新策略具有一定抗噪性和抑制“鬼影”的效果。

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-9-2.3SILTP算法局部二值化[37]是一種特征描述因子，廣泛應(yīng)用計算機視覺領(lǐng)域。本小節(jié)闡述經(jīng)典局部二值化與局部三值模式，以及其在圖像檢測存在不足，最后介紹尺度不變?nèi)的Ｊ剑M行完善，解決這些不足。2.3.1局部二值模式局部二值模式（LocalBinaryPatterns，LBP）由T.Ojala于1996年首次被提出，具有對圖像局部紋理特征進行描述的特征。LBP算法實現(xiàn)簡單，計算量低等特點，廣泛應(yīng)用于特征提取的人臉識別鄰域。LBP算法通過圖像中心像素值，對其鄰域像素值采用二值化的操作，得到圖像紋理，如公式(2-5)所示。10()2piP,RiciLBPsggg(2-5)式中，P為中心像素值的相鄰像素點個數(shù)，R為該區(qū)域的半徑，gc為中心像素值，gi表為gc的相鄰像素值。通過對s(x)匹配2i的權(quán)重，s(x)的計算見公式(2-6)。0,0()1,0xsxx＜≥(2-6)如圖2-3所示是中心像素值對領(lǐng)域的編碼過程，其LBP值為1×2+1×16+1×32+1×128=178。圖2-3LBP算法計算過程Fig.2-3TheProcessofLBPAlgorithmLBP算法具有旋轉(zhuǎn)不變性和灰度單調(diào)變化不變性等特點，對圖像灰度變換具有一定魯棒性，然而它的編碼方式不能實現(xiàn)中心像素與相鄰像素之間的微小特征關(guān)系，且對噪聲較敏感。

【參考文獻】：
期刊論文
[1]自適應(yīng)混合高斯建模的高效運動目標(biāo)檢測[J]. 劉偉,郝曉麗,呂進來.  中國圖象圖形學(xué)報. 2020(01)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的早期火災(zāi)圖像識別軟件[J]. 蘇祺,何昌原,張永平.  消防科學(xué)與技術(shù). 2019(12)
[3]改進的幀間差分運動目標(biāo)檢測算法研究[J]. 陳媛,蔡曉燕.  現(xiàn)代計算機. 2019(33)
[4]基于自適應(yīng)的ViBe運動目標(biāo)檢測方法[J]. 郭迎春,楊飛飛,師碩.  控制工程. 2019(09)
[5]基于局部極值共生模式和能量分析的煙霧檢測[J]. 袁梅,全太鋒,黃洋.  電訊技術(shù). 2019(08)
[6]多特征分析的室內(nèi)外視頻煙霧檢測[J]. 周忠.  電子設(shè)計工程. 2019(15)
[7]視頻圖像動目標(biāo)檢測的雙三幀差分算法[J]. 王志國,王永明,聶晶,彭世蕤,仇永斌.  電子測量技術(shù). 2019(02)
[8]森林資源保護策略研究[J]. 夏春.  綠色科技. 2018(21)
[9]基于多特征融合的早期野火煙霧檢測[J]. 張斌,魏維,何冰倩.  成都信息工程大學(xué)學(xué)報. 2018(04)
[10]一種改進光流法的運動目標(biāo)檢測及跟蹤算法[J]. 李成美,白宏陽,郭宏偉,梁華駒.  儀器儀表學(xué)報. 2018(05)



本文編號：3522227