一種基于多特征融合的紅外森林火災(zāi)判定方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于紅外圖像識(shí)別領(lǐng)域，具體是指一種采用多特征融合紅外圖像進(jìn)行火焰 檢測(cè)識(shí)別的森林火災(zāi)判定方法。
【背景技術(shù)】
[0002] 森林火災(zāi)是一種突發(fā)性強(qiáng)、破壞性大、救助困難的自然災(zāi)害。從1950年至1987年 的38年間，全國(guó)年均發(fā)生森林火災(zāi)15838次，火災(zāi)發(fā)生率為13. 9次/10萬(wàn)公頃，年均受害 森林面積約為94萬(wàn)公頃，森林火災(zāi)受害率平均為8. 5%，是世界同期平均水平的8倍，全國(guó) 森林火災(zāi)年均傷亡800人。有關(guān)專家測(cè)算，這一時(shí)期全國(guó)共燒毀木材9. 55億立方米。按每 米價(jià)值150元計(jì)算，全國(guó)直接經(jīng)濟(jì)損失達(dá)高達(dá)1433億元，占全國(guó)各類火災(zāi)總損失的56. 5%。 如何做好森林防火工作，即有效預(yù)防和撲救森林火災(zāi)，確保人民生命財(cái)產(chǎn)安全還是一個(gè)大 難題，現(xiàn)在只能做到早發(fā)現(xiàn)早撲救，盡量將森林火災(zāi)造成的損失降到最小。然而森林火災(zāi)形 勢(shì)十分嚴(yán)峻，過(guò)去近百年的時(shí)間里，全球氣溫上升了 0. 5到0. 8°C，尤其是在最近的50年里 上升幅度較大。專家預(yù)測(cè)未來(lái)10到15年，平均氣溫上升的幅度將會(huì)更大。隨著林區(qū)氣溫 升高、林區(qū)可燃物增加、火源管理困難等情況，使得森林火災(zāi)的危險(xiǎn)性進(jìn)一步增加。
[0003] 面對(duì)如此嚴(yán)峻的森林防火現(xiàn)狀，要求人們運(yùn)用更多的先進(jìn)技術(shù)和管理方法，采取 最有力的措施，盡可能對(duì)森林大火的發(fā)生和蔓延進(jìn)行最大限度的控制。常見(jiàn)的可見(jiàn)光檢測(cè) 火災(zāi)方法容易受到惡劣天氣和強(qiáng)光的影響，夜間也不能準(zhǔn)確的檢測(cè)火災(zāi)，使得森林防火效 率大大降低。最近幾年，基于紅外熱成像的森林防火技術(shù)開(kāi)始進(jìn)入人們的視野。這種方法 能避免夜間能見(jiàn)度低、環(huán)境惡劣等影響，在森林防火鄰域有著很好的應(yīng)用前景。
[0004]目前大多數(shù)紅外圖像火災(zāi)識(shí)別方法是針對(duì)室內(nèi)火災(zāi)的，少數(shù)紅外火災(zāi)識(shí)別應(yīng)用于 檢測(cè)林火，其中現(xiàn)有的紅外熱成像防火方法是將紅外圖像轉(zhuǎn)為偽彩色進(jìn)行溫度的檢測(cè)，當(dāng) 達(dá)到某個(gè)溫度閾值時(shí)判斷為火災(zāi)，然而這就會(huì)受到森林環(huán)境中有諸多干擾因素如太陽(yáng)光和 電線塔等高溫物體的影響，使正確識(shí)別率大大降低，不能有效進(jìn)行森林防火。而且單純的圖 像閾值分割對(duì)火災(zāi)難以準(zhǔn)確的識(shí)別，無(wú)法在森林火災(zāi)發(fā)生的早期快速、準(zhǔn)確、安全的檢測(cè)火 災(zāi)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服上述問(wèn)題，提供一種基于多特征融合的紅外森林火災(zāi)判定 方法，能夠在森林火災(zāi)發(fā)生的早期快速、準(zhǔn)確、安全的檢測(cè)火災(zāi)，大大提高了森林防火的判 斷精度，提高了工作效率。
[0006] 本發(fā)明的目的通過(guò)下述技術(shù)方案實(shí)現(xiàn)：
[0007] -種基于多特征融合的紅外森林火災(zāi)判定方法，包括以下步驟：
[0008]A、紅外圖像序列輸入；
[0009] B、二值化處理；
[0010] C、形態(tài)學(xué)處理；
[0011] D、火焰特征提取；
[0012] E、火焰特征SVM分類判別；
[0013]F、利用貝葉斯分類器進(jìn)行分類決策；
[0014]G、通過(guò)步驟F的數(shù)據(jù)判定是否有火災(zāi)發(fā)生。
[0015] 步驟B中二值化處理采用Otsu算法來(lái)進(jìn)行二值化圖像分割；其中Otsu閾值分割 計(jì)算公式★·
[0016]
[0017] 式中P為最佳閾值，ηΗ為整個(gè)圖像的平均灰度值，PJk)為灰度值從0至k的像素 j. 概率累加和，，Pi是灰度值為i的像素概率。 i=0
[0018] 步驟C中形態(tài)學(xué)處理采用的公式為：
[0019]
[0020] 其中f是閾值化后的圖像，b為腐蝕以及膨脹用的結(jié)構(gòu)元；通過(guò)步驟C的形態(tài)學(xué)處 理將步驟B中的熱源干擾形成的斑點(diǎn)狀弱小噪聲進(jìn)一步減少。
[0021 ] 步驟D中的火焰特征包括：紅外火焰高度特性、紅外火焰梯度特性、紅外火焰移動(dòng) 特性以及火焰頻譜特性。
[0022] 所述紅外火焰高度特性首先通過(guò)對(duì)火焰的動(dòng)態(tài)分析，并對(duì)一定幀數(shù)進(jìn)行統(tǒng)計(jì)分 析，得到火焰高度動(dòng)態(tài)特征序列H= h1+1，. . .，h1+nJ，其中的η為采集的長(zhǎng)度，h為第i 幀的高度；其次，由于火焰的跳動(dòng)頻率在2~8Hz之間，根據(jù)香農(nóng)的采樣定理，則需要的采 集頻率應(yīng)大于16Hz，以保證統(tǒng)計(jì)上的穩(wěn)定特征，將采集的靜態(tài)特征加入序列，同時(shí)采用長(zhǎng)度 為32的序列進(jìn)行分析，并對(duì)加入靜態(tài)特征量的序列進(jìn)行更新，將新的靜態(tài)特征量加入序列 的尾部，并將序列的頭部刪除；最后，對(duì)獲取的最終火焰高度動(dòng)態(tài)特征序列進(jìn)行Fourier變 換，設(shè)獲得的Fourier系數(shù)集合為F，則集合內(nèi)第k個(gè)元素fk可以描述為：
[0023]
，
[0024] 其中，j2= -1，通過(guò)對(duì)Fourier系數(shù)F進(jìn)行分析，可以對(duì)干擾進(jìn)行區(qū)分；
[0025] 由于火焰包含了比較豐富的頻率，因此反應(yīng)在頻率譜上則具有比較大的能量，將 譜能量P(F)作為紅外森林火焰的判據(jù)，其計(jì)算公式如下：
[0026]
[0027] 其中八是fk的復(fù)共輒。
[0028] 所述紅外火焰梯度特性的計(jì)算過(guò)程如下：
[0029]首先對(duì)分割出的疑似紅外森林火災(zāi)高危點(diǎn)和火災(zāi)火焰區(qū)域中心在X向，y向和 ±45°四個(gè)方向上逐像素點(diǎn)做差值運(yùn)算，來(lái)近似四個(gè)方向的梯度；接著通過(guò)公式= Qw-Qi得到梯度特性并作為紅外森林火焰判據(jù)，其中Qi為采集的當(dāng)前幀的梯度值的單鏈 表。
[0030] 所述紅外火焰移動(dòng)特性用火焰的質(zhì)心來(lái)表示，該質(zhì)心由矩計(jì)算求得；對(duì)于二值化 后的紅外可疑火災(zāi)區(qū)域圖像，它的pq矩為：
[0031] Μμ=ΣΣ f(i,j)iPjq,
[0032] 其可疑區(qū)域質(zhì)心表達(dá)式為：
[0033] (X, y)=(M10!MW),
[0034]其中f(i,j)為二值化的紅外可疑區(qū)域像素值，i，j為圖像坐標(biāo)點(diǎn)，p和q的取值 為正整數(shù)。
[0035] 所述火焰頻譜特性是根據(jù)火焰輪廓的無(wú)規(guī)律性以及不規(guī)則的特性，提取出可疑的 紅外火焰區(qū)域的輪廓，先利用Canny邊界提取的方法對(duì)可疑區(qū)域的邊界進(jìn)行提?。蝗缓?，以 邊緣區(qū)域的中心點(diǎn)為原點(diǎn)，以水平方向從右邊逆時(shí)針把疑似火災(zāi)區(qū)域分為64等份；計(jì)算原 點(diǎn)到邊界輪廓的每條等分的線段的距離可得到關(guān)于角度Θ的離散函數(shù)：
[0036] X [1] = f (? Θ ),
[0037] 其中沒(méi)x[l]為第1個(gè)線段的距離，1 = 0,1，2, · · ·，64,f(iθ)為第i個(gè)等 分線段的長(zhǎng)度值；
[0038] 因?yàn)榛鹧孑喞灰?guī)則以及隨機(jī)變換，與其他一般的物體輪廓差別很大，所以上述 輪廓函數(shù)在進(jìn)行小波變換到頻域后又將分解為高頻信號(hào)和低頻信號(hào)；低頻信號(hào)包含輪廓本 身大致的信息，而高頻信號(hào)則包含了輪廓細(xì)節(jié)上的信息，紅外火焰輪廓的高頻信息與其他 一般的物體有比較大的區(qū)別，所以為了確定曲線的高頻內(nèi)容，我們用x[l]進(jìn)行一維的小波 變換，小波基函數(shù)為：
[0039]
[0040]其中Φ⑴為小波母函數(shù)，a為伸縮因子，τ為平移因子，Ut)是依賴參數(shù)a,τ的小波基函數(shù)，一維離散小波變換函數(shù)為：
[0041]
[0042]其中j為伸縮因子，代表頻域信息，k為平移因子，代表空間位置，
I^k[l]的復(fù)共輒；
[0043] 計(jì)算出頻域小波信號(hào)W[j，k]后，設(shè)定一個(gè)閾值jT，當(dāng)j>夂時(shí)的信號(hào)值為高頻信息 wH[j，k]，當(dāng)j〈jT的信號(hào)值為低頻信息w Jj，k]，高頻帶的紅外小波火焰信號(hào)的變化比一般 的物體的小波信號(hào)有很大的差異，所以高波段的能量與低波段的能量比可以作為一個(gè)判別 火焰的特征：
[0044]
[0045] 步驟E中火焰特征SVM分類判別是將步驟D中的各個(gè)火焰特征輸入SVM分類器中，