基于改进的SUSAN算法的火焰图像边缘检测研究

火焰图像边缘检测是火焰图像检测系统研究的基础。将SUSAN算法引入到火焰边缘检测之中,并针对SUSAN算法中人为设定阈值在一些特殊场合下无法有效提取图像边缘的问题和运算量过大不适用于实时场景的缺点,通过引入目标区域判别和自适应阈值选取,提出一种改进SUSAN算法,解决上述两个缺陷并对该算法进行仿真。实验结果表明,该算法可以有效地提高火焰检测的准确率,排除干扰源,并具有良好的自适应性。     

一个基于视频图像检测火灾的算法

针对传统火灾检测技术在面对大空间结构建筑及复杂环境中的不足,提出一种基于视频图像检测早期火灾的算法。该算法首先对视频图像进行阈值分割,然后根据火焰的颜色特征获取其中的疑似火焰区域。在此基础上计算疑似火焰区域的圆形度,并将圆形度与其整体特性相结合进行火灾的早期探测和预报。     

面积约束下的最优阈值法分割LED像素点阵

针对基于CCD相机采集方式的亮度校正方法需要从采集图像中分割出每颗LED像素的亮度信息的问题,提出面积约束下的最优阈值分割法。在最优阈值分割法的基础上,根据先验信息引入面积约束条件,对阈值的取值范围进行约束。与传统的最优阈值法相比可以避免分割后LED像素区域连接的情况。面积约束下的最优阈值分割法生成采集图像的灰度直方图,利用最优阈值算法结合面积约束生成最优阈值,最后通过图像的阈值分割法将采集图像分割。实验表明,该方法可以比较好地分割出采集图像中的LED像素,并可避免当LED像素点分布密集时应用最优阈值法分割LED像素造成的区域连接问题。     

融合色彩和轮廓特征的火焰检测

基于图像的火焰检测能适应大空间和恶劣环境火灾预防应用的需要,首先分析了火焰图像的色彩及轮廓信息等重要特征,然后提出了基于连通区域面积阈值化的单像素宽度目标轮廓特征的抽取方法,再应用所建立的火焰检测色彩模型,融合火焰色彩和边缘轮廓动态变化等特性,实现了在视频序列图像中火焰的自动检测.实验结果显示,该方法能实时检测火焰,误判率低.     

稀疏角度CT图像重建的Huber-TV正则化方法

对于稀疏角度下的投影数据，计算机断层扫描重建图像容易出现分辨率低、伪影较多的问题，难以满足工业及医学诊断要求。文中从迭代重建的角度出发，提出一个结合全变分（TV）和Huber函数（Huber-TV）的CT重建方法。该方法利用Huber函数替代传统全变分模型中的L1范数，在合理控制函数阈值的条件下，充分利用Huber函数的线性部分对大于阈值的梯度图像进行较轻的惩罚，以保持图像边缘连续性；再结合二次项对小于阈值的梯度图像进行较大的惩罚，以抑制图像中不连续梯度跳跃。新模型目标函数的光滑性可以使得梯度下降法快速收敛到最优值，避开传统全变分模型中的次梯度计算，从而降低计算复杂度并加快迭代速度。实验结果表明，在稀疏角度重建条件下，与传统TV模型相比，Huber-TV模型的均方根误差降低19%，信噪比提升22.33 dB，说明所提方法高效可行。     

基于小波变换的火焰图像检测

从火焰图像中提取燃烧信息进行燃烧诊断与控制,是目前锅炉燃烧检测领域中的一个新方向,也正成为火焰检测技术发展的主流.本文提出了利用小波变换对火焰图像进行边缘检测从而提取火焰燃烧的特征量,以实现对炉膛火焰有火、无火的判断的方法.实验证明该方法比传统的数学算子法更加高效,而且对于锅炉的安全和经济运行都非常有益.     

ARM与DSP双核炉膛火焰图像CCD监测系统

简要论述了彩色CCD图像检测火焰温度场的原理和实现方法,针对火电厂现有锅炉火焰监视、温度场测量和燃烧诊断系统中存在的问题,提出了一种以ARM和DSP双核体系结构的嵌入式图像火焰监测系统的设计方案,设计了ARM和DSP系统单元间的硬件方案和软件设计.该系统具有性能高、功耗和成本低、稳定性和实时性好等优点.     

一种新的含噪遥感图像Otsu分割算法研究

Otsu（最大类间方差）是经典的非参数、无监督、自动获取最佳阈值的最优图像分割方法。但是,在用于含噪图像的分割时,Otsu方法并不能取得理想的分割效果。针对这一问题,本文在Otsu分割方法的基础上,给出了一种新的含噪遥感图像分割算法。该算法首先用小波包对含噪图像进行全局阈值的去噪处理,然后利用局部加权回归对图像像素逐一估计去噪,得到去噪后的图像,之后采用Otsu方法对估计图像分割。仿真实验表明：该算法不仅计算量小,具有良好的抗噪能力,而且获得了较好的分割效果。     

图像处理技术在火焰目标提取中的应用

在火灾识别系统中,为了精确地提取火焰目标,本文提出了一种综合有效的算法,该算法采用二维最大熵自动阈值法对火灾图像进行了分割处理,随后采用区域生长法,检测出火灾图像中的可疑区域,并以区域生长后的目标区域为模板,采用Otsu阈值选取法对当前图像进行精确分割,提取准确的火焰目标。实验证明该算法能够有效地提取出连续图像序列中的火焰目标图像。     

基于改进布谷鸟搜索算法的图像分割

针对布谷鸟搜索算法在应用其进行图像分割时计算量大、易陷入局部极小值解、收敛速度慢的问题。文中采用一种基于改进布谷鸟搜索算法的多阈值图像分割算法。该算法以Ostu算法设计自适应度函数,将布谷鸟搜索算法和K均值算法融合,增加种群的多样性,且能自适应地确定阈值个数及其范围,并找到待分割图像的最优阈值。实验结果表明,与K均值算法和布谷鸟搜索算法相比,该算法找到的阈值质量更佳,图像分割结果更好。     

基于视频图像的火焰识别算法

相对传统的火焰识别方法,为提高火焰识别精度,提出了一种基于红外热像仪和彩色摄像机的火焰识别算法。对采集得到的红外图像进行温度阂值分割,得到高温疑似火焰区域,通过三维重建技术匹配彩色摄像机中对应的高温疑似火焰区域,对其RGB空间模型进行色彩分析,排除干扰得到疑似火焰区域。在此基础上分析疑似火焰区域的区域增长特性及闪动特性,提取疑似火焰区域的面积及其轮廓,对其轮廓进行离散余弦变换,计算前后两帧图像轮廓的变化,从而进一步确定真实火灾火焰的发生,及时报警,减少误判率和危害性。实验证明了该算法的准确性和有效性。     

锅炉火焰动态跟踪识别算法的研究

采用动态跟踪火焰焰芯算法和改进的一维灰度直方图算法用于燃烧控制，很好地解决了实时监测锅炉火焰的燃烧状态和品质问题，1000幅典型图像的仿真结果，同目测判别结果比较，此方法识别率优于99.8％。     

基于区域生长法和BP神经网络的红外图像识别

针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法。利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点。     

基于参数优化支持向量机的火焰图像识别

图像型火灾探测的主要问题是关于火焰和干扰物的识别。通过提取火灾图像特征,利用支持向量机来进行识别。为提高火灾准确预报率,用参数优化后的支持向量机来预报。提出一种混沌粒子群算法对支持向量机进行参数优化。实验表明,改进的粒子群算法比传统方法的火灾准确预报率有大幅提高,可以进一步降低火灾探测系统的误报。     

基于最优阈值的叶类中药边缘检测算法研究

提出了一种利用最优阈值分割和形态学处理相结合的边缘检测方法,首先通过Otsu最优阈值算法分割数字图像,然后利用形态学腐蚀运算腐蚀图像,最后利用分割后图像与腐蚀过的图像的相减获得边缘.该方法实现了对叶类中药显微图像效果更优的边缘检测,同时对比了传统边缘检测算法对叶类中药显微图像的图像边缘检测效果,为下一步的叶类中药显微图像的分割与自动识别奠定基础.     

萤火虫群优化算法多阈值的脑CT图像分割

在基于多阈值的脑,CT图像分割算法中,最佳阈值选取是脑CT图像中的关键,针对传统多阈值法的阈值选择难题为了提高脑。CT图像的分割准确率,提出一种萤火虫群算法优化多阈值的脑CT图像分割方法首先建立了基于多阈值法的脑图像分割数学模型,然后通过萤火虫群算法数学模型进行求解,搜索到脑CT图像分割的最佳阈值,CT最后采用最佳阈值完成脑CT图像的分割。仿真结果表明,萤火虫群算法提高了脑CT图像的精度,获得了更加理想的脑CT图像结果。     

基于遗传算法的干涉图像的最佳熵研究

将遗传算法用于计算云纹干涉图像的二值化阈值，提出基于改进遗传算法的图像分割方法，采用Otsu公式，找出分割图像最优阈值。通过算法实现表明，利用遗传算法所得到的最佳阈值进行二值化处理，效果非常好。     

基于高斯混合及相对熵测度的图像分割

针对图像分割问题,结合高斯混合模型与信息论中的相对熵测度概念,提出一种新的图像阈值化方法。在提出方法中把图像阈值化问题看成是两个概率向量之间的匹配问题,因此首先用高斯混合模型去拟合图像直方图的灰度级分布,然后用相对熵测度去度量拟合分布与图像原灰度级分布之间的差异,并把该度量作为图像阈值化的准则函数。在对图像实施分割时,通过在图像灰度级范围中求取所定义的准则函数的最小值获得最佳阈值。在NDT、SAR及红外图像上的分割实验中用提出方法与传统及最新的图像阈值化方法进行比较,结果表明提出方法获得的结果要优于相比较方法获得的分割结果,因此提出方法是一种有效的图像分割方法。     

飞行器尾焰红外图像定位方法研究

针对红外图像测量中,飞行器尾焰受飞行轨迹及气流影响,形态变化复杂,常规目标定位方法难以实现的问题。本文按照目标测量中图像判读的具体要求,依据尾焰形成的原理,采用重心法和Hough变换技术准确检测尾焰的中轴线和前端的半圆。提出了一种基于Hough变换的飞行器尾焰跟踪方法,克服了尾焰形态变化和镜头衍射对目标图像跟踪的影响,实现了尾焰前端的稳定跟踪和精确定位。实验结果表明:该方法跟踪稳定,定位精度高,适用于各种情况下的尾焰定位,且算法简单,执行效率高。