發(fā)布時間：2024-07-04 20:30

　　森林火災(zāi)煙霧濃度升高時,所對應(yīng)的圖像模糊程度升高,總有界變分會逐漸下降,基于變分的特征性質(zhì),可以將邊界之間的差異有效表征出來。由此,提出一種基于總有界變分的森林火災(zāi)煙霧圖像檢測方法。以分塊平穩(wěn)分析的思想對目標函數(shù)求極值,得到總有界值,通過兩次比較總有界變分值從分塊結(jié)果圖中提取疑似煙霧分塊,利用特征數(shù)據(jù)的融合聚類處理獲得最終的疑似煙霧區(qū)域。為了得到更好的煙霧檢測效果,對疑似煙霧特征區(qū)域進行運動特性分析,融合判定煙霧區(qū)域,給出火災(zāi)報警。算法屏蔽了對煙霧靜態(tài)特征的復(fù)雜計算,在對疑似煙霧特性進行分析時,只需關(guān)注其運動特征便可以準確進行煙霧檢測輸出,避免了繁瑣計算帶來的誤差,對比驗證效果顯示,算法結(jié)果輸出高效穩(wěn)定。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1煙霧濃度、圖像模糊程度和總有界之間的關(guān)系

通過式(4)、(5)作為圖像模糊程度對比和圖像煙霧評價方法,通過標準測試圖像序列進行驗證,比較原始清晰圖像、模糊圖像的TBV值,驗證了方法的有效性。煙霧濃度、圖像模糊程度和總有界之間的關(guān)系如圖1所示。圖中虛線所示為總有界變差值隨著煙霧濃度增加的變化趨勢,實線所示為模糊程度隨著煙霧....

圖2煙霧區(qū)域提取算法流程

基于視頻煙霧探測中疑似煙霧區(qū)域的提取是重要的一步。疑似煙霧區(qū)域提取的完整程度將會影響到煙霧的特征提取,比如煙霧區(qū)域的面積、周長和煙霧的擴散特性等,從而導(dǎo)致整體煙霧探測會有一定的影響[13]。對于疑似煙霧區(qū)域的提取方法有基于顏色檢測、基于能量分析以及基于運動目標檢測,但是這些方法都....

圖3火災(zāi)煙霧圖像分塊

首先,圖像分塊。把背景圖像幀展開分割,并分割為16×16個獨立較小的圖像,如圖3所示。利用總有界變分方法計算各小圖像的TBV值。目的是把一副大尺寸的圖像分次求TBV值,以便提取特征數(shù)據(jù)[14]。其次,特征數(shù)據(jù)提取。對各小圖像的TBV值求均方差,由式(6)求解。

圖4煙霧圖像分塊初始劃分示意圖

當σ2<ΤBVˉ/Ν時,說明圖像無煙霧或者煙霧整體分布,排除火災(zāi)煙霧。當均方差大于σ2≥ΤBVˉ/Ν時,并依據(jù)TBV值對分塊后的每個獨立的小圖像進行初始劃分。為不失一般性,選擇所有小圖像的初始劃分平均值ΤBVˉ作為基準,對每個小圖像的初始劃分TB....

本文編號：4000488