基于YCbCr颜色空间的火焰图像分割方法

视频火焰检测对消防安全具有重要的实际意义.火焰颜色信息在视频火灾检测中起着举足轻重的作用,众多学者提出了基于不同颜色空间的多种火焰颜色检测算法.针对目前视频火焰颜色检测算法检测率低、误检率高、适应性差等不足,提出基于颜色空间的火焰图像分割方法.通过研究火焰图像在颜色空间上的分布情况,分析火焰像素对应的Y,Cb和Cr分量...     

YCbCr颜色模式下基于L-M算法优化的火焰识别方法

传统火灾探测技术存在许多缺陷.提出了一种基于图像的火焰识别方法.首先将图像由RGB模式转换为YCbCr模式,以Cb,Cr为轴建立坐标系并绘出火焰样本的Cb,Cr值.用一个椭圆将绘出的坐标点包括起来,并创建椭圆方程和二维正态分布函数,使正态分布函数在椭圆外部的值为零,并用L-M算法对正态分布函数中的参数进行优化.对火焰的识别转换为判断正态分布函数在像素对应的Cb,Cr处的值是否大于零.该方法具有很好的实时性和识别效果.     

基于HSI颜色空间统计直方图的图像检索

给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法,主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理．包括：图像的滤波、目标图像的定位等;然后采取了相应的图像颜色空间和识别算法,包括：图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明,该算法可行,并取得了较好的效果。     

基于HSI颜色空间统计直方图的图像检索

给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法,主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理,包括:图像的滤波、目标图像的定位等;然后采取了相应的图像颜色空间和识别算法,包括:图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明,该算法可行,并取得了较好的效果。     

一种PSO改进的颜色注意目标识别算法

颜色注意的目标识别算法有效提高了目标识别性能,但参数设置正确与否对识别性能有重要的影响,如何有效设计并搜索参数空间确定合适的参数成为该算法有待解决的问题.本研究设计关于颜色注意识别算法参数空间的粒子个体结构,以识别率为适应度衡量指标,应用PSO算法自动搜索参数空间.实验结果表明:应用PSO算法可以得到比原颜色注意识别算法更优的参数,有效地提高了目标识别率.本研究对仿生优化算法在目标识别中的应用有参考作用.     

新型飞蛾火焰优化算法的研究

飞蛾火焰优化算法（Moth-Flame Optimization，MFO）是一种自然激励且易于实现的全局优化算法，在许多实际优化任务中表现出良好的性能。然而，MFO算法存在早熟收敛和容易陷入局部最优解的问题，针对这些不足，提出了一种Kent混沌动态惯性权值的改善飞蛾火焰优化算法（Ameliorative MFO，AMFO）。在AMFO算法中，引入Kent混沌映射搜索策略帮助当前最优解跳出局部最优；采用基于适应度值和迭代次数的动态惯性权值策略来平衡算法的开发和探索能力，以进一步提升MFO算法性能。在8个经典benchmark函数上验证AMFO算法的搜索精度和性能，并将其结果与标准飞蛾火焰优化算法、粒子群算法和差分进化算法进行比较，仿真结果表明AMFO算法具有较好的搜索性能。     

基于神经网络的视频图像火焰检测方法

针对依靠人工经验提取火焰特征的传统视频火灾识别方法,误报率高、鲁棒性差的特点,文章提出基于多特征融合的神经网络视频火焰检测方法.首先,通过分析火焰区域与视频全区域的YCbCr的均值之间的关系,得到颜色特征约束条件.然后利用帧间差分法获得火焰面积变化约束条件.最后,再结合火焰圆形度及形状相似度两个特征,并运用Tensor...     

混沌粒子群优化算法在柴油排产中的应用

针对柴油生产过程中的加氢精制与调合优化问题,建立加工和库存成本优化模型,采用改进粒子群算法进行计算。通过对某炼油厂一个月的柴油生产数据进行测试,结果表明该算法有较好的应用效果,对柴油排产有一定的指导作用。     

RGB空间平均颜色矢量法在颜色识别中的研究

目前基于颜色的检索方法很多。引入平均颜色矢量,用平均颜色矢量方法对彩色图像中多个单种颜色目标进行识别。通过计算和分析图像像素与各类训练区的Euclidean距离及各颜色分量平均值和标准差,判断目标颜色相似性,结合Canny算子进行边缘检测,分割图像中的目标。该方法能对RGB值较为明显或颜色分布丰富且部分背景与目标颜色相近的图像进行精确的颜色识别,在番茄色选仿真实验中取得了令人满意的效果。     

混沌粒子群优化算法研究

利用混沌运动的遍历性、随机性和规律性等特点,提出一种求解优化问题的混沌粒子群优化(CPSO)算法.该算法的基本思想是采用混沌初始化进行改善个体质量和利用混沌扰动避免搜索过程陷入局部极值.典型复杂函数优化仿真结果表明该方法是一种较简单有效的算法.     

改进AFSA算法优化TWSVM的火焰识别方法

为了快速有效地识别火灾火焰图像,提出了一种基于改进人工鱼群算法(IAFSA)的孪生支持向量机(TWSVM)的火焰识别方法.该方法根据RGB-YCbCr混合颜色空间模型中火焰像素的分布特点对火焰图像进行分割,并在此基础上提取火焰图像的相关特征;采用人工鱼群算法(AFSA)搜索TWSVM最优惩罚参数与核参数,并在AFSA算...     

自然燃烧火焰的快速仿真

从自然燃烧的火焰的现象出发,采用面向对象的方法,提出了一种基于粒子系统的自然燃烧的火焰的快速数值模拟算法.首先,讨论了形成火焰燃烧的动态场景图像的基本原理,给出了火焰图像与背景图融合的算法,并建立了用于火焰仿真的两种火焰颜色模型.然后,建立了用于火焰仿真的火焰粒子、火苗与火焰系统的面向对象模型,给出了各对象的燃烧行为的快速模拟方法.接着,对实现动感火焰的方法进行了讨论,指出了算法.最后给出了通过该文算法进行模拟实验的效果图.该算法准确度较高,速度快,效果较好.     

混合型粒子群优化算法研究

为了改进粒子群算法的性能,提出了融合其他算法优点的混合型粒子群算法。对三种主流的混合粒子群优化算法(基因粒子群、免疫粒子群、混沌粒子群)分别从混合目的、混合方式、实现步骤、算法优化性能等多个方面进行了研究,给出了这三种混合粒子群算法的优缺点及适用范围。     

基于混合粒子滤波的运动火焰跟踪算法

提出一种基于混合粒子滤波的运动火焰跟踪算法。针对通用粒子滤波算法计算量大的问题,提出了混合粒子滤波,将Mean Shift算法嵌入到粒子滤波中,并用自适应运动模型和目标模型自动更新的策略改善算法性能。基于混合粒子滤波提出了火焰识别和火焰跟踪相结合的运动火焰自动跟踪算法,先火焰识别,再火焰跟踪,且跟踪时,如果估计目标与模型的相似度小于阈值则切换到火焰识别阶段。识别与跟踪的相互切换保证了跟踪结果的正确性。实验结果表明混合粒子滤波具有很好的跟踪效果,与粒子滤波和Mean Shift算法相比,提高了跟踪精度;基于混合粒子滤波的火焰跟踪算法能够跟踪复杂环境下的运动火焰,提供火焰的精确位置。     

基于CIELab颜色空间和颜色分布信息熵的图像检索

针对基于颜色空间信息熵的图像检索,提出了一种新的改进方案,使对颜色特征的提取建立在CIELab颜色空间的基础之上。利用CIELab的均匀颜色空间特性,来完成对颜色空间的分割,使之更符合人眼的色彩感觉特性,得到符合人眼色彩感觉的颜色空间信息熵。在图像相似性度量方面,提出了加权颜色统计函数的比较方法。经实验表明,该算法能够获得比较满意的效果。     

基于PSO的BP网络在苹果颜色分级中的应用

为了克服苹果颜色分级中存在的误差大、准确率低等缺点,利用粒子群优化BP神经网络算法,实现苹果颜色的实时分级.该算法可优化BP神经网络的权值和阈值,提取苹果颜色特征作为BP神经网络的输入,将训练优化后的B P神经网络做为分级器,对苹果按照颜色进行分级.实验结果表明,该方法分级正确率不低于96%,对一个苹果的检测时间在0.1ms～0.2ms之间,满足实时性要求.     

基于均匀空间的颜色分级方法

自动视觉检测是机器视觉的一个重要研究领域，而颜色分级是自动视觉检测中的一个典型问题，在陶瓷、木材等行业应用广泛。为了实现快速自动分级，根据人类视觉特性，提出了一种基于均匀颜色空间的表面颜色分级方法。该方法首先将数据从RGB颜色空间转换到CIE 1976 L^ a^ 均匀颜色空间；然后在CIE 1976 L^ a^ 空间用RWM(radius weighted mean)方法提取主导颜色(dominant colors，DC)，再以此作为颜色特征，提出了一种新的颜色距离度量——映射色差，并分析了它与平均色差的关系；最后以映射色差为距离度量，采用最小距离分类器来进行颜色分级。实验结果说明该方法是有效的。     

如何选择——颜色传感器

本文介绍了目前推出的颜色传感器的类型和每种颜色传感器的适用场合,提出了选择合适的颜色传感器应考虑的问题。