【摘要】：森林火災(zāi)的預(yù)防是保護森林資源,提高森林覆蓋率,改善人類生活環(huán)境質(zhì)量的重要措施之一。隨著計算機技術(shù)的發(fā)展,利用紅外成像技術(shù)對森林火災(zāi)進行監(jiān)控,能夠彌補可見光夜間監(jiān)控的弊端,能夠穿透云霧和障礙物的遮擋,實現(xiàn)全天時、遠距離檢測、大面積覆蓋、初期明火點識別以及火災(zāi)隱患(異常高溫區(qū))識別和實時性等森林防火領(lǐng)域內(nèi)的難題,是適合我國國情、能夠有效預(yù)防森林火災(zāi)發(fā)生的重要手段之一。紅外圖像處理是紅外成像森林防火的重要部分,需要用到遠距離弱小火源目標(biāo)的檢測和近距離有形狀火源目標(biāo)的識別兩個關(guān)鍵技術(shù)。圍繞兩個關(guān)鍵技術(shù)進行了深入的分析和研究,取得了以下成果:1.圖像降噪,針對紅外圖像存在目標(biāo)不明、對比度不高的特點,紅外圖像預(yù)處理時易發(fā)生圖像模糊和邊緣信息丟失的問題,對紅外林區(qū)圖像提出了使用基于簡化的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型進行降噪處理的方法。通過改進神經(jīng)元連接強度的取值方法,使其與鄰域內(nèi)像素的灰度值相關(guān),利于噪聲消除;簡化了閾值的衰減指數(shù)的計算方法,使其依賴于閾值幅度,并能自動獲取閾值幅度的最佳值。2.圖像分割,對經(jīng)過預(yù)處理的紅外圖像繼續(xù)使用簡化脈沖耦合神經(jīng)網(wǎng)絡(luò)對目標(biāo)進行分割,利用鄰域內(nèi)點火狀態(tài)圖,通過迭代運算,不斷修正閾值直到是分割前后圖像的交叉熵最小時的灰度值作為閾值,對圖像進行分割。通過實驗數(shù)據(jù)能夠看出,采用脈沖耦合神經(jīng)網(wǎng)絡(luò)分割圖像在森林防火方面具有一定的優(yōu)勢,分割效果良好,有利于圖像的識別。3.對林區(qū)弱小火源目標(biāo)構(gòu)建序列模型。針對弱小目標(biāo)距離遠,無明顯形狀特征,圖像對比度和信噪比低的特點采用單幀和序列相結(jié)合的方式,實現(xiàn)對小目標(biāo)的檢測。對于背景較簡單的圖像采用全局閾值的方式進行檢測,當(dāng)圖像背景復(fù)雜時利用自適應(yīng)結(jié)構(gòu)元素通過灰度形態(tài)學(xué)上的頂帽變換進行背景抑制;在此基礎(chǔ)上結(jié)合目標(biāo)運動的相關(guān)性,通過管道進行濾波實現(xiàn)弱小火源目標(biāo)的序列檢測。4.對近距離有形狀火源目標(biāo)的分割后,提取目標(biāo)的特征向量,通過計算特征間的互信息,消除特征冗余,將選出的目標(biāo)的特征向量送入由BP神經(jīng)網(wǎng)絡(luò)搭建的智能識別器進行識別分類。用20%的樣本數(shù)據(jù)進行識別器訓(xùn)練,再對余下的80%數(shù)據(jù)進行識別測試,輸出分類結(jié)果。本文針對紅外成像森林防火開展了研究,實現(xiàn)了對遠距離弱小火源目標(biāo)檢測和近距離有形狀目標(biāo)識別,通過仿真實驗數(shù)據(jù)表明了有效性,具有一定的理論意義和應(yīng)用價值,可將紅外成像圖像處理技術(shù)應(yīng)用于森林防火。
【圖文】：

圖 3-2 簡化 PCNN 濾波流程圖Fig. 3-2 Simplified PCNN filter flow chart PCNN 模型處理紅外圖像降噪應(yīng)用中，從公式(3-13)中直接將圖像的像素灰度值傳遞給輸需要確定；在公式(3-14)中需要確定的是連像ijklW 取[0.5 1 0.5;1 0 1;0.5 1 0.5]或[0.1 0.5 0.115)中必須首先給出神經(jīng)元之間的連接強度 數(shù)變化和神經(jīng)元的震蕩頻率，需要在公式(3-值是提高 PCNN 網(wǎng)絡(luò)性能的重點。的確定數(shù) 代表周邊神經(jīng)元對與本神經(jīng)元的連接強

圖 3-3 不同EV 值得到的 SNR 曲線圖Fig. 3-3 Different worthy of the SNR curve數(shù)據(jù)分析始圖像加入方差為 0.01 的高斯噪聲和噪聲密度為 0.1 的椒聲圖像(圖 3-4b、g，圖 3-5b、g)。 PCNN 模型進行初始化，，連接權(quán)值矩陣取值如下：0.5 1 0.51 0 10.5 1 0.5 0.1 0.5 0.10.5 0 0.50.1 0.5 0.1ijklW ( )/ 2ij kk I I
【學(xué)位授予單位】：河南科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：S762;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 萬麗麗;王敏;;基于鄰域信息TDLMS濾波器的紅外小目標(biāo)檢測[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2015年S1期

2 劉蕩;王岳環(huán);白昆;;基于最小截平方背景估計紅外小目標(biāo)檢測方法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2015年S1期

3 司馬端;龍云利;安瑋;王普;;基于顯著性與幀間差分的紅外弱小目標(biāo)檢測[J];航天電子對抗;2015年04期

4 劉剛;徐興元;吳催生;周珩;;基于小波高頻距離像的紅外小目標(biāo)檢測[J];計算機測量與控制;2015年04期

5 白冰;李曉娟;翟慧寧;;森林防火視頻監(jiān)控系統(tǒng)的應(yīng)用技術(shù)探究[J];山東林業(yè)科技;2015年02期

6 曹晉;張莉;李凡長;;一種基于支持向量數(shù)據(jù)描述的特征選擇算法[J];智能系統(tǒng)學(xué)報;2015年02期

7 趙亞琴;;基于模糊神經(jīng)網(wǎng)絡(luò)的火災(zāi)識別算法[J];計算機仿真;2015年02期

8 丁云;張國華;張生偉;;天空背景下紅外弱小目標(biāo)檢測算法研究[J];現(xiàn)代電子技術(shù);2015年02期

9 馮衛(wèi)兵;胡俊梅;曹根牛;;基于改進的簡化脈沖耦合神經(jīng)網(wǎng)絡(luò)的煤礦井下圖像去噪方法[J];工礦自動化;2014年05期

10 于強;黃樹彩;趙煒;黃孝文;;紅外弱小目標(biāo)檢測方法綜述[J];飛航導(dǎo)彈;2014年04期

相關(guān)碩士學(xué)位論文 前3條

1 賈艷成;基于紅外圖像的森林火災(zāi)識別技術(shù)研究[D];電子科技大學(xué);2015年

2 段建輝;復(fù)雜背景下特定紅外目標(biāo)檢測算法研究[D];河南科技大學(xué);2012年

3 冷春艷;基于紅外圖像處理的森林火災(zāi)識別關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2012年

本文編號：2675700