發(fā)布時間：2022-02-16 08:53

　　火災(zāi)作為電力生產(chǎn)中常見的災(zāi)害之一,嚴(yán)重危及設(shè)備與人身安全,影響電網(wǎng)穩(wěn)定運行,迅速發(fā)現(xiàn)火災(zāi)并及時作出反應(yīng)是火災(zāi)防治課題的研究目的。傳統(tǒng)的感應(yīng)火災(zāi)探測器從溫度、空氣顆粒含量、聲光等角度對火焰及煙塵進行感知,這種探測方式易受其他環(huán)境因素干擾,會因為吸煙等問題引起誤報。面對此類問題,本文以圖像處理為基礎(chǔ),通過優(yōu)化算法設(shè)計了一種快速火災(zāi)檢測方法。本文主要研究一種基于主機的火災(zāi)圖像檢測系統(tǒng)。其在非接觸條件下,通過攝像頭將變電站現(xiàn)場視頻圖像采集到監(jiān)控系統(tǒng),并基于openCV開發(fā)火焰檢測程序算法,選用特征提取對火焰進行識別定位。動態(tài)檢測在圖像處理中應(yīng)用廣泛,火焰識別是動態(tài)檢測中的一個特殊應(yīng)用。本文以監(jiān)控應(yīng)用系統(tǒng)設(shè)計為基礎(chǔ),詳細(xì)介紹了火焰的識別測量算法。首先對彩色圖像進行灰度化。然后利用canny邊緣檢測器提取火焰邊緣,邊緣提取過程中,第一,通過高斯濾波器對圖像進行噪聲過濾;第二,圖像中的火焰部分可以通過Canny算子在灰度值上得以增強;第三,火焰利用非極大值抑制法可以更加準(zhǔn)確地提煉出一個完整的輪廓;第四,基于這個完整的輪廓,我們可以利用閾值上下限法優(yōu)中選優(yōu),待火焰形狀特征顯現(xiàn)后,遍歷圖像獲取火焰的基本... 

【文章來源】：吉林大學(xué)吉林省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

灰度化后的火焰圖像

圖 2-2 階躍和脈沖邊緣看作是灰度連續(xù)的像素點陣列，邊緣就是在進行第一次里可以看到灰度梯度在這一區(qū)域有一個明顯的上升或者橫軸方向， 是縱軸方向，設(shè)綜合梯度為 Gy= f yG（x,y）x,y）| = G， 對 應(yīng) 此 刻 的 最 大 有 效 值 ， 它2x+ G2y (。但是在此次火焰檢測課題中，我們不關(guān)心梯度值GyGx)將邊緣部分與其余背景徹底區(qū)分開來，再將這些點收集起的預(yù)處理算法中，對邊緣圖像的制作流程需要通過以下

= 3時火焰灰度圖像圖 2-3 不同 時的邊緣圖像取還是要根據(jù)具體情況進行大量反復(fù)試驗優(yōu)中選優(yōu)。平面圖像的高斯濾波可以分解為兩個一維函數(shù)。將圖像的各個像素數(shù)進行卷積計算，其結(jié)果再與另一組一維高斯函數(shù)再進行一次卷積圖像二維濾波。我們可以看出，二維高斯濾波器的量綱實則是一維采用高斯濾波器對圖像進行降噪，實驗結(jié)果如圖 2-4 所示：

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)雜背景下基于深度卷積神經(jīng)網(wǎng)絡(luò)的森林火災(zāi)識別[J]. 傅天駒,鄭嫦娥,田野,丘啟敏,林斯俊.  計算機與現(xiàn)代化. 2016(03)
[2]火災(zāi)視頻探測中火焰識別算法研究[J]. 楊晨,趙惠平.  船海工程. 2013(04)
[3]基于灰度差分統(tǒng)計的火焰圖像紋理特征提取[J]. 劉輝,張云生,張印輝,何自芬.  控制工程. 2013(02)
[4]具有高區(qū)分度的視頻火焰檢測方法[J]. 謝迪,童若鋒,唐敏,馮陽.  浙江大學(xué)學(xué)報(工學(xué)版). 2012(04)
[5]融合色彩和輪廓特征的火焰檢測[J]. 嚴(yán)云洋,唐巖巖,郭志波,高尚兵.  微電子學(xué)與計算機. 2011(10)
[6]早期火災(zāi)火焰尖角計算算法的研究[J]. 顧俊俊,趙敏,吳毅杰.  青島大學(xué)學(xué)報(工程技術(shù)版). 2010(01)
[7]基于對稱變換的瞳孔定位方法[J]. 張勇忠,劉富,孫令明,唐超.  吉林大學(xué)學(xué)報(信息科學(xué)版). 2009(03)
[8]基于灰度共生矩陣的火焰圖像紋理特征分析[J]. 徐小軍,邵英,郭尚芬.  計算技術(shù)與自動化. 2007(04)
[9]大空間圖像型火災(zāi)探測算法的研究[J]. 吳愛國,李明,陳瑩.  計算機測量與控制. 2006(07)
[10]基于新的膚色模型的人臉檢測方法[J]. 黨治,馮曉毅.  計算機應(yīng)用. 2006(03)

博士論文
[1]圖像識別算法在細(xì)胞篩查及火災(zāi)探測中的研究[D]. 趙萌.天津大學(xué) 2016
[2]基于高斯尺度空間火災(zāi)圖像局部特征提取與主動式識別方法研究[D]. 袁偉.中國科學(xué)技術(shù)大學(xué) 2014
[3]基于多特征的火焰圖像探測研究及實現(xiàn)[D]. 榮建忠.中國科學(xué)技術(shù)大學(xué) 2012
[4]基于視頻圖像的高大空間建筑火災(zāi)探測研究[D]. 侯杰.清華大學(xué) 2010

碩士論文
[1]基于視頻內(nèi)容分析的火災(zāi)煙霧檢測算法研究與實現(xiàn)[D]. 孫健.北京交通大學(xué) 2017
[2]基于視頻圖像特征提取的煙霧檢測算法研究[D]. 文澤波.中國科學(xué)技術(shù)大學(xué) 2016
[3]基于深度學(xué)習(xí)的林火圖像識別算法及實現(xiàn)[D]. 傅天駒.北京林業(yè)大學(xué) 2016
[4]基于多特征的視頻火焰檢測[D]. 張霞.上海師范大學(xué) 2016
[5]基于圖像的火焰檢測技術(shù)分析[D]. 李哲.華北電力大學(xué) 2015
[6]卷積神經(jīng)網(wǎng)絡(luò)在圖像識別上的應(yīng)用的研究[D]. 許可.浙江大學(xué) 2012



本文編號：3627687