新型火焰顏色空間——IFCS
發(fā)布時間:2021-02-27 15:52
針對火焰識別顏色空間模型FCS帶來的錯判率高問題,基于混沌理論和k-medoids的粒子群算法,提出了一種改進(jìn)的火焰識別顏色空間——IFCS。利用IFCS顏色空間進(jìn)行火焰識別,可以在保證計算的簡單快捷的同時,相對FCS更加突出火焰/非火焰像素顏色屬性差異特性。采用混沌序列初始化粒子、自適應(yīng)調(diào)整慣性權(quán)重、動態(tài)非線性調(diào)整學(xué)習(xí)因子、混沌搜索跳出局部最優(yōu)等方法,得到了IFCS火焰識別顏色空間;進(jìn)一步,在IFCS火焰顏色空間中通過經(jīng)典Otsu閾值方法得到二值圖像,建立了基于IFCS和Otsu的火焰識別算法——IOFR算法。實驗結(jié)果表明:IOFR算法有效降低了當(dāng)前基于FCS顏色空間火焰識別算法的火焰錯判率。
【文章來源】:計算機(jī)工程與應(yīng)用. 2019,55(05)北大核心
【文章頁數(shù)】:9 頁
【部分圖文】:
提取特征樣本數(shù)據(jù)的特征圖像
cations計算機(jī)工程與應(yīng)用和式(21)。該轉(zhuǎn)換矩陣用于將RGB顏色空間的圖片轉(zhuǎn)換到相應(yīng)顏色空間,U1對應(yīng)FCS顏色空間,U2對應(yīng)IFCS顏色空間。在使用U進(jìn)行轉(zhuǎn)換前,對圖片進(jìn)行伽馬變換增強(qiáng)火焰的亮度,提高對比度。轉(zhuǎn)換完成后,使用Otsu方法對圖片進(jìn)行二值化處理,從而得到火焰檢測圖片。U1=è÷÷1.00253.14232.2875-0.3310-1.06340.0735-2.3627-0.4439-0.8705(20)U2=è÷÷4.24063.25364.9924-1.5538-0.89753.8410-1.3263-4.5380-3.6301(21)從圖14中可以看出本文算法能夠很好地區(qū)分火焰和非火焰像素,但是本文算法還存在一些缺點,如圖中第5行,當(dāng)火焰顏色和非火焰顏色相似時不能很好地區(qū)分出火焰部分,會將相似的非火焰部分誤判為火焰。表2給出了本文算法和對比算法的定量對比結(jié)果,包括各個圖片的火焰檢測的準(zhǔn)確率DA,正判率TP和錯判率FP。結(jié)果表明,本文算法的火焰識別正判率和準(zhǔn)確率略高于對比算法,但在第6行本文算法的火焰識別正判率略低于對比算法,而其準(zhǔn)確率要高于對比算法。表3給出了本文算法和對比算法對所有圖片進(jìn)行火焰識別的平均結(jié)果,可以看出本文算法在準(zhǔn)確率DA,正判率TP方面比對比算法高。6結(jié)束語針對FCS顏色空間模型,本文提出了一種基于混沌理論和k-medoids聚類的粒子群算法改進(jìn)的火焰識別顏色空間模型IFCS,進(jìn)而建立了IOFR火焰識別算法,該算法降低了火焰識別的錯判率,提高了火焰識別的正確率。但是該算法還存在一些不足,當(dāng)火焰顏色和非火焰顏色相近時,會將非火焰像素誤判為火焰像素。未來可以考慮多種火焰的特征,從而提高火焰檢測的準(zhǔn)確率。參考文獻(xiàn):[1]ChenTH,WuPH,ChiouYC.Anearlyfire-detection
【參考文獻(xiàn)】:
期刊論文
[1]基于CAS理論的改進(jìn)PSO算法[J]. 劉舉勝,何建佳,李鵬飛. 計算機(jī)工程與應(yīng)用. 2017(05)
[2]基于自適應(yīng)混沌變異粒子群優(yōu)化算法的旋轉(zhuǎn)彈丸氣動參數(shù)辨識[J]. 管軍,周家勝,易文俊,劉世平,常思江,史繼剛. 兵工學(xué)報. 2017(01)
[3]一種混沌螢火蟲算法的WSN節(jié)點分布優(yōu)化研究[J]. 董曉丹,丁力. 電光與控制. 2017(03)
[4]基于演化搜索信息的量子行為粒子群優(yōu)化算法[J]. 趙吉,程成. 計算機(jī)工程與應(yīng)用. 2017(09)
[5]基于分組混沌PSO算法的模糊神經(jīng)網(wǎng)絡(luò)建模研究[J]. 張楠,南敬昌,高明明. 計算機(jī)工程與應(yīng)用. 2017(09)
[6]融合多特征的視頻火焰檢測[J]. 嚴(yán)云洋,杜靜,高尚兵,周靜波,劉以安. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2015(03)
[7]基于模糊聚類的圖像型火災(zāi)檢測[J]. 梁俊山,王慧琴,胡燕,鄒婷,吳萌. 計算機(jī)工程. 2012(04)
[8]基于改進(jìn)FCM聚類算法的火災(zāi)圖像分割[J]. 方維,王慧琴,楊娜娟,厲謹(jǐn). 計算機(jī)仿真. 2011(04)
本文編號:3054455
【文章來源】:計算機(jī)工程與應(yīng)用. 2019,55(05)北大核心
【文章頁數(shù)】:9 頁
【部分圖文】:
提取特征樣本數(shù)據(jù)的特征圖像
cations計算機(jī)工程與應(yīng)用和式(21)。該轉(zhuǎn)換矩陣用于將RGB顏色空間的圖片轉(zhuǎn)換到相應(yīng)顏色空間,U1對應(yīng)FCS顏色空間,U2對應(yīng)IFCS顏色空間。在使用U進(jìn)行轉(zhuǎn)換前,對圖片進(jìn)行伽馬變換增強(qiáng)火焰的亮度,提高對比度。轉(zhuǎn)換完成后,使用Otsu方法對圖片進(jìn)行二值化處理,從而得到火焰檢測圖片。U1=è÷÷1.00253.14232.2875-0.3310-1.06340.0735-2.3627-0.4439-0.8705(20)U2=è÷÷4.24063.25364.9924-1.5538-0.89753.8410-1.3263-4.5380-3.6301(21)從圖14中可以看出本文算法能夠很好地區(qū)分火焰和非火焰像素,但是本文算法還存在一些缺點,如圖中第5行,當(dāng)火焰顏色和非火焰顏色相似時不能很好地區(qū)分出火焰部分,會將相似的非火焰部分誤判為火焰。表2給出了本文算法和對比算法的定量對比結(jié)果,包括各個圖片的火焰檢測的準(zhǔn)確率DA,正判率TP和錯判率FP。結(jié)果表明,本文算法的火焰識別正判率和準(zhǔn)確率略高于對比算法,但在第6行本文算法的火焰識別正判率略低于對比算法,而其準(zhǔn)確率要高于對比算法。表3給出了本文算法和對比算法對所有圖片進(jìn)行火焰識別的平均結(jié)果,可以看出本文算法在準(zhǔn)確率DA,正判率TP方面比對比算法高。6結(jié)束語針對FCS顏色空間模型,本文提出了一種基于混沌理論和k-medoids聚類的粒子群算法改進(jìn)的火焰識別顏色空間模型IFCS,進(jìn)而建立了IOFR火焰識別算法,該算法降低了火焰識別的錯判率,提高了火焰識別的正確率。但是該算法還存在一些不足,當(dāng)火焰顏色和非火焰顏色相近時,會將非火焰像素誤判為火焰像素。未來可以考慮多種火焰的特征,從而提高火焰檢測的準(zhǔn)確率。參考文獻(xiàn):[1]ChenTH,WuPH,ChiouYC.Anearlyfire-detection
【參考文獻(xiàn)】:
期刊論文
[1]基于CAS理論的改進(jìn)PSO算法[J]. 劉舉勝,何建佳,李鵬飛. 計算機(jī)工程與應(yīng)用. 2017(05)
[2]基于自適應(yīng)混沌變異粒子群優(yōu)化算法的旋轉(zhuǎn)彈丸氣動參數(shù)辨識[J]. 管軍,周家勝,易文俊,劉世平,常思江,史繼剛. 兵工學(xué)報. 2017(01)
[3]一種混沌螢火蟲算法的WSN節(jié)點分布優(yōu)化研究[J]. 董曉丹,丁力. 電光與控制. 2017(03)
[4]基于演化搜索信息的量子行為粒子群優(yōu)化算法[J]. 趙吉,程成. 計算機(jī)工程與應(yīng)用. 2017(09)
[5]基于分組混沌PSO算法的模糊神經(jīng)網(wǎng)絡(luò)建模研究[J]. 張楠,南敬昌,高明明. 計算機(jī)工程與應(yīng)用. 2017(09)
[6]融合多特征的視頻火焰檢測[J]. 嚴(yán)云洋,杜靜,高尚兵,周靜波,劉以安. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2015(03)
[7]基于模糊聚類的圖像型火災(zāi)檢測[J]. 梁俊山,王慧琴,胡燕,鄒婷,吳萌. 計算機(jī)工程. 2012(04)
[8]基于改進(jìn)FCM聚類算法的火災(zāi)圖像分割[J]. 方維,王慧琴,楊娜娟,厲謹(jǐn). 計算機(jī)仿真. 2011(04)
本文編號:3054455
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3054455.html
最近更新
教材專著