為解決礦井下傳統(tǒng)火災識別方法準確率較低的問題,提出一種基于改進果蠅優(yōu)化算法(FOA)-支持向量機(SVM)的火災圖像識別算法。利用YCrCb顏色空間對捕獲的圖像進行分割,根據(jù)早期的火災圖像特征從圖像序列中提取多個火災特征值。用基于分群體融合的改進FOA算法搜索SVM最優(yōu)核參數(shù)和懲罰因子,將提取的火災圖像特征值作為SVM的輸入對樣本數(shù)據(jù)進行分類。實驗結(jié)果表明,采用該方法對礦井火災進行識別時準確率達97.2%,其分類效果顯著優(yōu)于FOA方法、粒子群優(yōu)化算法等。

【文章頁數(shù)】：8 頁

【文章目錄】：
0 概述
1 火焰圖像分析與處理
    1.1 疑似火焰區(qū)域提取
    1.2 圖像特征
        1.2.1 面積變化
        1.2.2 圓形度
        1.2.3 紋理特征
            1) 能量
            2) 熵
            3) 反差
2 SVM及其參數(shù)優(yōu)化
3 基于FOA的SVM參數(shù)優(yōu)化方法
4 改進的FOA算法
5 實驗結(jié)果與分析
    5.1 IMFOA算法性能測試
    5.2 礦井火焰識別實驗
6 結(jié)束語



本文編號：3862949