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...     

数字式图像火焰检测系统

图像型火焰检测技术是基于火焰电视、综合多媒体计算机和数字图像处理技术发展起来的一项新兴技术,它继承了火焰电视直观形象的优点,又充分发挥计算机强大的处理计算能力,使火焰检测功能得到了质的提高.本文首先简单介绍了各类传统火焰检测器的工作原理、性能比较、火焰检测器选型原则,以及在实际应用中存在的问题,重点介绍了数字式图像火焰检测系统的基本构成、工作原理和燃烧器火焰熄火、着火判据的分析.全炉膛火焰图像的数据分析方法也作了介绍.     

基于视频图像的火焰多特征检测

根据火灾发生时火焰的颜色、面积变化和火焰的纹理特征,提出一种基于视频图像的火焰多特征检测方法.着重介绍了对采集到的视频图像中的火焰进行颜色、面积变化的分析,并通过BP神经网络进行火焰纹理相似性的识别,以便得到更准确的火焰识别效果.     

多形态火焰高度的小区间光强分布检测

火焰高度是易燃化学品常规检测参数,其定量检测方法多采用人工比对或基于机器视觉的图像检测。前者受主观影响、危险性高,后者系统复杂、难以适应广谱多形态火焰,因此,提出了一种广谱火焰高度检测方法。该方法采用光热双传感器阵列配合梳状遮光装置划分火焰高度,消除相邻传感器非水平方向入射光线的干扰,并通过小区间光强分布计算进一步提高检测准确性。试验结果表明,该方法可实现广谱多形态火焰高度的准确、非接触、低成本检测,易于工程化实现。     

数字式图像型火焰检测系统

图像型火焰检测技术是基于火焰电视、综合多媒体计算机和数字图像处理技术发展起来的一项新兴技术,它继承了火焰电视直观形象的优点,又充分发挥计算机强大的处理计算能力,使火焰检测功能得到了质的提高。本文首先简单介绍了各类传统火焰检测器的工作原理、性能比较、火焰检测器选型原则,以及在实际应用中存在的问题,重点介绍了数字式图像火焰检测系统的基本构成、工作原理和燃烧器火焰熄火、着火判据的分析。全炉膛火焰图像的数据分析方法也作了介绍。     

结合Faster R-CNN的多类型火焰检测

目的 火焰检测可有效防止火灾的发生。针对目前火焰检测方法,传统图像处理技术的抗干扰能力差、泛化性不强,检测效果对数据波动比较敏感;机器学习方法需要根据不同的场景设定并提取合适火焰的特征,过程比较繁琐。为此提出一种基于Faster R-CNN的多类型火焰检测方法,避免复杂的人工特征提取工作,在面对复杂背景、光照强度变化和形态多样的火焰图像时依然保证较好的检测精度。方法 基于深度学习的思想,利用卷积神经网络自动学习获取图像特征。首先,利用自建数据集构建视觉任务。根据火焰的尖角特性、直观形态和烟雾量等,将火焰类数据划分为单尖角火焰、多尖角火焰和无规则火焰3类。此外,通过深度网络特征可视化实验发现,人造光源与火焰在轮廓上具有一定的相似性,为此建立了人造光源圆形和方形两个数据集作为干扰项来保证检测模型的稳定性;然后,细化训练参数并调整预训练的卷积神经网络结构,改动分类层以满足特定视觉任务。将经过深度卷积神经网络中卷积层和池化层抽象得到的图像特征送入区域生成网络进行回归计算,利用迁移学习的策略得到每一类目标物体相应的探测器;最后,得到与视觉任务相关的目标检测模型,保存权重和偏置参数。并联各类目标物体的子探测器作为整体探测器使用,检测时输出各类探测器的分数,得分最高的视为正确检测项。结果 首先,利用训练好的各探测器与相应测试集样本进行测试,然后,再利用各类目标物的测试集来测试其他类探测器的检测效果,以此证明各探测器之间的互异性。实验结果表明,各类探测器都具有较高的专一性,大大降低了误判的可能性,对于形变剧烈和复杂背景的火焰图像也具有良好的检测准确率。训练得到的检测模型在应对小目标、多目标、形态多样、复杂背景和光照变化等检测难度较大的情况时,均能获得很好的效果,测试集结果表明各类探测器的平均准确率提高了3.03% 8.78%不等。结论 本文提出的火焰检测方法,通过挖掘火焰的直观形态特征,细分火焰类别,再利用深度卷积神经网络代替手动特征设置和提取过程,结合自建数据集和根据视觉任务修改的网络模型训练得到了检测效果良好的多类型火焰检测模型。利用深度学习的思想,避免了繁琐的人工特征提取工作,在得到较好的检测效果的同时,也保证了模型具有较强的抗干扰能力。本文为解决火焰检测问题提供了更加泛化和简洁的解决思路。     

基于图像多特征模糊融合的火灾检测

针对单一信息火灾检测方法精度低、鲁棒性差的问题，提出一种模糊融合图像多特征信息的火灾检测方法。以圆形度、轮廓粗糙度和火焰面积增长率等火焰图像特征值为模糊输入量，构建多信息模糊融合系统，降低误判率，提高火灾检测的鲁棒性。通过合理设计输入量的模糊化等级，使得模糊推理规则仅18条，减小算法计算量，提高火灾检测的实时性。室内环境下的火灾检测实验结果验证了该方法的有效性。     

烧结断面火焰图像多核Boosting显著性检测

烧结断面火焰图像受烟尘与光晕干扰,图像中火焰边缘与料层区域出现模糊退化现象.为解决传统基于二维图像特征的显著性检测方法难以有效地获取断面火焰图像实际显著区域的问题,提出基于边界连通性与多核Boosting的显著性检测方法.首先在图像颜色空间转换过程中采用色彩去相关原理,利用边界连通性与暗通道先验获取初始显著性图,提高初始显著性模型的检测水平;然后根据断面火焰图像超像素区域自身信息、区域方差和区域对比度构建区域描述符,在4个尺度上描述超像素分割区域,并使用基于支持向量回归的多核Boosting算法生成辅助显著性图;最后将初始显著性图与辅助显著性图进行加权融合,得到最终显著性图.以P-R曲线、F-measure、平均绝对误差和单幅图像的运行时间为评价指标,采用包含人工标注的600幅烧结断面火焰图像将所提方法与其他5种现有方法进行对比,并对所提方法各阶段进行分析.实验结果表明,所提方法优于其他5种方法,各阶段检测性能逐步增强,为提高断面火焰图像有效信息的提取精度奠定了基础.     

嵌入式系统和红外图像的火焰检测算法

火焰的检测与识别是对火灾预防与控制的重要因素,目前已设计出一种嵌入式的图像采集系统,对嵌入式系统的概念进行了分析,分别探讨了火焰目标的提取、火焰特征的识别、火焰动态特征的识别以及火焰检测算法的设计,通过嵌入式系统以及红外图像的综合技术的实验分析,体现出该技术进行火焰检测算法的优势.     

基于图像处理的炉膛火焰温度场测定

应用数字图像处理技术进行炉膛火焰检测是火检技术的发展趋势。文中介绍了数字式图像火焰检测系统的基本构成、工作原理和燃烧器火焰熄火、着火的判据。重点介绍了通过比色法测温原理重建炉内火焰温度场分布,并对已有的方法进行了优化。此方法不仅具有普通双色法标定简单的特点,而且因为不同波长的辐射图像是在同一幅彩色图像上得到的,省去了同时获取同一燃烧对象在不同波长下的辐射图像的困难,因而十分便于应用。采用图像中红色分量或者绿色分量就可以计算火焰图像中任一点的温度,从而构建图像二维温度场分布。程序运算结果表明,该方法能够快速测定温度场分布,并且误差较小。     

基于GPU和粒子系统的三维火焰模拟

基于粒子系统的火焰模拟是可视化仿真中的一个重要环节。目前,一些火焰模拟方法中的不足之处在于粒子计算时间长、渲染效果不真实等。基于粒子系统提出了一种三维火焰模拟算法,并利用GPU加以实现。其基本思想是运用物理动力学原理分析现实生活中的火焰运动,构建出火焰粒子系统模型并实现火焰的三维效果。实验表明,用该方法模拟火焰效果比较真实、速度快,在PC上可以得到令人满意的效果。     

烧结断面火焰图像退化模型及断面图像复原

目的 图像复原是基于物理模型提高退化图像质量的一种客观方法,复原图像无失真且细节丰富。烧结机尾断面火焰图像可以反映料层的烧结状态,对烧结矿质量的检测起到至关重要的作用。由于烧结机尾环境恶劣,存在大量的烟气、粉尘以及亮度不均等干扰因素,导致相机采集到的烧结断面火焰图像存在退化现象。为消除这些影响,本文建立了烧结断面火焰图像退化模型,提出了有效的烧结断面火焰图像复原算法。方法 基于大气散射模型,采用一级多散射方法对烟尘多次散射过程进行简化,建立烧结断面火焰图像退化模型,依据Retinex理论,将场景成像分解为环境光照射分量与反射率的乘积,明确复原图像所求参数。1）求取原始图像亮度,利用Retinex理论分解原始图像,使用双边滤波来调整亮度图像,采用Sigmoid函数对反射图像进行增强,得到亮度平衡后新的烧结断面火焰图像;2）利用暗通道原理估计环境光值,结合引导滤波细化图像透射率分布;3）采用容差机制改进火焰区域的透射率,得到复原图像。结果 使用本文方法对单幅图像进行复原并与其他4种方法进行主客观评价,结果表明本文得到的复原图像亮度均衡,火焰区域细节清晰并且与烧结料层区别明显,在保持较高图像对比度的同时,图像信息熵和峰值信噪比分别为17.532 bit与22.127 dB,相比其他算法明显提高。结论 本文研究了烧结断面火焰图像的退化模型,提出有效的复原算法,实现了Retinex理论与暗通道原理的有机结合,复原图像质量较高,为烧结火焰特征准确提取打下基础。     

基于图像的火焰稳定性判别方法研究

针对锅炉燃烧监控系统所采集的火焰动态图像,提出了一种基于在线模糊聚类算法的炉内火焰燃烧诊断方法。该方法分析了火焰图像的特点,提取了判别火焰稳定性的特征量,以提取的特征量作为在线模糊聚类算法的输入参数,分析燃烧图像的隶属度,给出判别标准对燃烧稳定性进行综合评估。将在线算法与离线算法进行比较,实验结果表明,在线算法比离线算法的准确率提高了5.3%,验证了算法的有效性。该方法对实现燃烧状态自动监测,保障锅炉安全运行具有重要意义。     

基于稀疏去噪的DTCWT火焰图像融合检测

燃煤火焰图像黑把子区域的边缘模糊或不完整,无法直接使用Canny检测算子准确检测出边缘信息。针对该问题,提出基于稀疏去噪的双树复小波变换(DTCWT)火焰图像融合检测方法。利用稀疏去噪对2幅单帧火焰图像进行DTCWT融合,采用Canny检测算子检测边缘。实验结果表明,该方法能够得到噪声较低的图像和比较完整的黑把子边缘信息。     

基于中值滤波和小波变换的火电厂炉膛火焰图像去噪方法

针对煤电厂炉膛火焰图像含有脉冲噪声和高斯噪声混合含噪图像的特点,提出了中值滤波和小波变换相结合的火焰图像去噪方法。首先采用自适应权重中值滤波方法对火焰图像去噪,然后再对去噪后的图像进行小波分解,分解后对不同子带采用不同的滤波方法进行有效滤波。实验结果表明,该方法不仅能够有效地滤除图像噪声,提高火焰图像的质量,而且在边缘保持能力上比传统的去噪方法要好。     

基于多尺度颜色小波纹理特征的火焰图像分割

火焰图像分割质量对基于数字成像的燃烧监测十分重要。受炉膛背景及燃烧工况的影响,难以同时满足火焰图像分割速度和准确度（即火焰图像分割结果与真实火焰接近程度）的需求。提出一种基于多尺度颜色特征和小波纹理特征（MCWT）的无监督火焰图像分割方法,用于提高火焰图像分割的质量和速度。结合火焰图像颜色特征及小波纹理特征构建特征矩阵,对特征矩阵进行压缩并初步检测压缩尺度火焰区域。根据压缩尺度火焰边缘确定原始尺度火焰边缘区域并构建火焰边缘区域特征矩阵,进一步分割得到准确火焰图像分割结果。采用该方法对某工业煤燃烧实验炉内不同燃烧工况下的火焰图像进行分割,并与传统分割方法对比。实验结果表明与其他传统分割方法相比,提出方法能够更准确且快速地实现不同燃烧工况下火焰图像的分割,并且其对于含有高斯噪声和椒盐噪声的火焰图像都具有更好的分割效果。     

发光火焰图象处理系统及其在火焰温度监测中的应用

本文以数字图象处理技术为手段,研究燃烧检测中的重要课题,即通过对发光火焰图象的综合处理、分析和计算以获取火焰的温度分布信息,从而达到总体上了解火焰,整体监测火焰的目的。     

基于差分链码曲率的转炉火焰边界弯曲度计算

转炉火焰图像边缘弯曲程度能表征炉内铁水碳含量的多少,准确计算曲线弯曲度,对火焰图像判断转炉吹炼终点有重要的意义。提出一种基于差分链码曲率的边界弯曲度计算方法,定义了基于差分链码的火焰边界曲率计算公式;为了保证曲率公式的有效性,对火焰原始图像作分割、标记、二值化、形态学边界提取等预处理;利用多边形近似方法重建了火焰边界的二值图像,有效克服了边界小尺度拐角对曲率公式的影响。实验结果表明,该方法与边界圆形度及火焰骨架曲率计算的方法相比,所提取出的特征值能明显区分吹炼的不同阶段,且计算速度快,具有较高的实用价值。     

视频火灾检测的设计与实现

在分析火灾图像特性的基础上,运用数字图像处理技术和模式识别技术,提出了火灾识别的思想.给出了图像处理和识别的算法,该算法采用二维最大熵自动阈值法对火灾图像进行分割处理,分割后再提取可疑区域;对可疑区域的火焰进行识别,给出火焰存在的可能性;根据火灾火焰蔓延时的面积、相似度的变化来识别、判断火灾的发生.实验证明,与传统的检测方法相比,大大地提高火灾预报的准确率.