基于小波分析理论的火灾图像边缘检测

基于提升算法的小波是一种时域变换方法,它继承了传统小波的多分辨率特性,具有算法简单、运算速度快、占用存储空间小的特点[1]。文章针对火灾图像实时性强的特点,提出了基于提升小波变换的火灾图像边缘提取的方法,详细说明了提升算法的原理及实现步骤,并通过实验证明基于提升小波变换的火灾图像边缘提取的方法准确性高、实时性强。     

野外早期火灾图像识别方法研究

根据野外环境下早期火灾火焰的辐射特性和形状变化特性,阐述了对红外图像进行图像获取和预处理、特征提取以及火灾判别的过程.重点研究了火焰识别的判据,提出了五种判据作为火灾图像识别的依据.为了提高图像处理的效率,采用了先对图像进行区域分割,然后去掉背景信息而只对各可疑区域做进一步处理的方法,提高了系统的实时性.与其它的火焰识别算法相比,该算法在野外这种复杂的实际环境中,识别的准确性高,抗干扰能力强,能够在一定程度上识别出车灯、路灯等疑似干扰,因此具有广泛的应用前景.     

小波提升变换边缘检测算法的DSP实现

提出了基于小波提升变换的改进图像边缘检测算法的DSP实现过程。本算法对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取;基于高速DSP的实现克服了传统小波变换存在的问题,很好地满足了实时性要求。实验结果表明,该方法具有运算速度快、能有效地抑制噪声、边缘检测精度高等特点,是一种有效的图像边缘检测实现方式。     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化;首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别;通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5％以上,为火灾图像识别提供了一种新思路.     

基于神经网络的火灾图像特征融合算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,着重分析了室内火灾图像与常见干扰光源图像的特点,提出用火焰区域面积变化、质心位置、尖角数、圆形度等信息作为火灾判据,并用模糊神经网络对以上特征参数进行数据融合,作出火灾判断。实验结果表明,基于模糊神经网络的信息融合算法能够有效识别出火灾火焰,提高了识别的准确率。     

野外早期火灾图像识别方法研究

根据野外环境下早期火灾火焰的辐射特性和形状变化特性,阐述了对红外图像进行图像获取和预处理、特征提取以及火灾判别的过程。重点研究了火焰识别的判据,提出了五种判据作为火灾图像识别的依据。为了提高图像处理的效率,采用了先对图像进行区域分割,然后去掉背景信息而只对各可疑区域做进一步处理的方法,提高了系统的实时性。与其它的火焰识别算法相比,该算法在野外这种复杂的实际环境中,识别的准确性高,抗干扰能力强,能够在一定程度上识别出车灯、路灯等疑似干扰,因此具有广泛的应用前景。     

基于粗糙集的火灾图像特征选择与识别

针对图像型火灾探测方法检测准确度和实时性间的矛盾,提出了基于粗糙集的火灾图像特征选择和识别算法。首先通过对火焰图像特征的深入研究发现,在燃烧能量的驱动下火焰的上边缘极不规则,出现明显的震动现象,而下边缘却恰恰相反; 基于此特点,可利用上下边缘抖动投影个数比作为火焰区别于边缘形状较规则的干扰。然后,选择火焰的6个显著特征构造训练样本,在火灾分类能力不受影响的前提下,使用实验所得的特征量归类表对训练样本进行属性约简,并将约简后的信息系统属性训练支持向量机模型,实现火灾探测。最后与传统支持向量机火灾探测算法做了比较。实验结果表明:将粗糙集作为支持向量机分类器的前置系统,把粗糙集理论的属性约简引入到支持向量机中,可以大大消除样本集冗余属性,降低了火灾图像特征空间的维数,减少了分类器训练和检测数据,在保证识别精度的同时,提高了算法的速度和泛化能力。     

一种基于红外图像识别的自动消防监控系统

在火灾燃烧时火焰的红外图像序列往往具有如下可识别特征：相邻图像边缘不稳定、图像序列具有一定的相似性等。因此图像识别的方法是大空间火灾自动报警的一种可行的解决方案。本文不仅提供了一个基于序列图像的火焰快速识别算法，也实际构成了一种具有该方法的多通道实时自动消防监控系统样机。     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

焦块图像边缘检测方法的研究

介绍了利用计算机图像处理技术解决锅炉结焦问题,用几种常用边缘检测算子对焦块图像进行处理,并对其效果进行比较和分析,选择处理效果好的高斯一拉普拉斯算子,采用小波变换技术获取焦块图像边缘信息,并将两种方法的处理结果进行对比.实验表明,这两种边缘检测算法都可用于焦块图像处理,基于小波变换技术图像识别率略有提高,具有图像处理细致、速度快的特点.     

一种基于提升小波变换和IHS变换的图像融合方法

为了将低分辨率多光谱图像和高分辨率全色图像进行有效融合,提出了一种提升小波变换和IHS变换相结合的图像融合新方法。该方法首先对高分辨率图像进行无下采样提升小波分解,利用提升分解得到的各提升小波面叠加的边缘信息进行区域划分,再采用分区域加边缘有效因子的融合思想实现分区融合,使得融合的图像最大限度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率,其中区域的划分采用进化算法实现。该方法的融合结果与IHS法、小波变换法及其他改进方法进行比较,实验结果表明,该方法能较好地保留多光谱图像的光谱信息和提高分辨率图像的空间分辨率。     

基于森林火灾平台的红外图像识别技术研究

森林火灾探测一直是森林资源保护工作中的老大难问题。早期的火灾探测技术多是基于火灾的烟雾和温度特征的,但其判别标准过于单一,误报率较高。随着计算机技术的发展和红外探测器的发明,出现了基于红外图像处理的森林火灾防护技术,该技术主要对红外探测器获得的森林现场的红外图像进行一定的处理后识别图像中是否有火灾出现。本文的主要工作是进行红外图像增强算法的研究,通过对各种算法的描述和仿真实验结果分析,提出一种相对较适合森林背景红外图像的处理算法一将基于频域处理的提升小波变换与直方图修正结合起来的红外图像增强算法。     

基于冗余第二代小波的多传感器图像融合算法

为了增强来自不同传感器的图像信息,改善图像的提取能力,本文采用了一种基于冗余提升小波变换的图像融合算法,算法针对变换后的低频分量和高频分量的不同特点,选用了不同的融合规则进行融合,然后通过冗余提升小波逆变换得到融合图像。实验结果表明,本文算法实现的数据融合图像内容清晰,明显地保存了边缘细节,提高了运算速度,取到了较好的融合效果。     

基于非采样提升小波变换的图像融合算法

针对传统提升小波变换的图像融合算法缺乏平移不变性以及区域能量融合准则存在的不足,提出了一种基于改进提升小波变换的图像融合新算法.该算法在提升小波变换原理的基础上,通过取消其奇偶分裂来获得具有平移不变性的非采样提升小波变换.对图像经此变换得到的低频部分设计出一种新的基于区域空间频率的加权和选择相结合的融合方法,高频部分采用一种基于边缘信息的加权融合策略.为验证所提出融合方法的有效性,对多聚焦图像进行了融合实验.实验表明,与传统的图像融合算法相比,该算法能更好地描述灰度的突变信息,获得含有丰富细节特征的融合图像.     

基于PDF417和提升小波的数字图像水印算法

根据PDF417与提升小波变换的特点,提出一种基于PDF417和提升小波变换的数字图像水印算法。首先将水印信息进行PDF417编码,并在密钥控制下进行混沌序列置乱后得到二值水印图像;最后使用小波提升技术对原始图像进行小波三级变换,在小波变换域低频子带中嵌入二值水印图像。实验结果证明：该算法能很好地保持图像质量,对常见的图像处理具有很强的鲁棒性,同时不仅能保持传统小波多分辨率图像水印的优势,而且处理速度更快,对图像尺寸没有特殊要求。     

基于区域特性选择的多传感器图像融合

提出了一种提升小波变换和IHS变换相结合的多传感器图像融合新算法,首先,将高分辨力图像所有的低频特征融合到多光谱图像中,再对高分辨力图像经提升小波分解得到的各提升小波面叠加的边缘信息进行区域划分,采用边缘有效因子融合思想进行分区融合,最后,对提升小波反变换后的强度分量进行IHS反变换得到最终的融合图像。实验结果表明:该方法所得融合图像能够较好地保留多光谱图像的光谱信息的同时,提高了图像的空间分辨力,融合效果优于IHS变换法和小波变换法。     

基于时间序列的MODIS遥感数据的辐射定标

针对基于统计量的辐射相对定标的不足之处,提出了一种基于小波提升分解的小波变换算法,以解决时间序列上的MODIS遥感图像的辐射定标问题。该方法使用不同年限获取的MODIS卫星影像分别进行提升小波分解,对低频信号进行灰度辐射定标后再与高频信号重构,通过提升小波逆变换得到结果图像,实验结果表明效果较好。     

基于分水岭的提升小波图像去噪

为了图像去噪的同时能很好地保持图像的细节,提出了一种基于分水岭的提升小波图像去噪方法,先用分水岭分割方法检测出图像的分水岭脊线,提升小波去噪时就可用阈值去噪而不必担心损害图像的重要特征。其去噪步骤是：对噪声污染图像进行提升小波去噪;对原图像提取梯度幅度图像;对梯度图像平滑后进行分水岭变换;图像合并。实验结果表明,该方法不但可以保持图像的重要信息,而且能够提高去噪后图像的信噪比。