于Ohta颜色空间的火焰检测

为了提高火焰检测算法的准确率和满足实时性的要求,在分析火焰颜色特征的基础上,提出一种基于Ohta颜色空间并利用最大熵阈值分割法改进的火焰颜色特征模型.该模型可有效提取疑似火焰区域,然后通过光流法分析火焰运动方向特征,进一步判断是否有火灾的发生.实验结果表明,该算法具有较好的实时性,能够有效地提高火灾识别的准确率,降低误检率,在日常消防系统中具有重要的应用价值.     

基于MATLAB的火灾监测系统设计

针对传统火灾监测系统对于大空间的室内场合和开阔的室外环境易失效的问题,提出了一种结合火灾火焰特征和烟雾特征来进行判断的数字图像型火灾监测算法.火焰颜色特征是基于RGB颜色模型中的R、G、B三基色分量和它们之间的关系来判断是否有火焰发生,烟雾模型特征是图像灰度化预处理后,基于HIS空间模型提取的,通过计算像素点与基准像素...     

基于多特征匹配的视频图像火灾火焰检测方法研究

相对传统的视频图像火灾检测方法,提出一种基于多特征匹配的视频图像火灾火焰检测方法.首先,算法采用改进的混合高斯分块模型对监控画面中的动态区域划分;再利用颜色概率统计模型提取动态区域的颜色特征,并分割出疑似火灾区域;最后,通过统计疑似火灾区域圆形度特征并判断火灾火焰是否存在.实验表明：算法对火灾火焰的检测识别准确率较高,并具有较好的实时性和抗干扰性.     

消防救援机器人辅助探测系统设计

针对消防救援行动中,消防人员不能立刻掌握火场内部信息而导致救援不及时,文中设计了一套基于OpenCV计算机视觉库和CUDA运算平台应用于消防机器人的辅助探测系统,提出使用RGB色彩空间与HSI色彩模型混合技术识别火焰颜色、面积等特征,识别实时输入的视频序列中是否有火焰信息.在正常、过强、昏暗3种光照条件下模拟实现了识别...     

基于颜色空间的单幅图像去雾算法

为改善雾天图像对比度差、能见度低的特点,本文结合雾天成像模型和暗原色先验规律,在颜色空间的基础上提出了一种去雾新算法。首先,在RGB颜色空间,根据暗原色先验规律估计出空气光,然后将图像从RGB颜色空间转换到HSI和HSV颜色空间,再对HSV空间下的明度分量运用大气散射模型进行去雾处理,最后再对HSI空间下的饱和度分量进行校正,最终得到去雾之后的图像。通过该算法能得到清晰化的图像,并且该算法较之传统的单幅图像去雾方法,速度更快、效果更自然。     

基于HSI彩色模型的图像降维技术

为了实现快速而准确的图像检索,降低图像维数,通过对HSI色彩空间的分析,将RGB颜色模型转换为基于视觉感知的HSI颜色模型,提出了一种利用HSI颜色模型提取图像主色的图像降维算法。仿真结果表明,该算法无需事先指定需要降维的维数,能较好地利用图像的本征维数,达到图像快速降维的目的。     

基于组合特征和HSI颜色空间的阴影检测

为了更有效地检测视频序列中的阴影,提出基于组合特征和HSI颜色空间的阴影检测算法.对提取的前景,先采用扩展的不变矩和Gabor小波变换分别抽取待识别区域的全局特征和局部特征来建立组合特征向量,再通过建立的HSI空间的阴影颜色模型来准确检测出目标的阴影.实验结果表明,该算法具有良好的阴影检测效果.     

大空间图像型火焰检测方法研究

为了提高图像型火焰检测算法的准确率,满足其对实时性的要求,采用三帧差分和背景更新相结合的方法,提取运动前景区域。然后在RGB空间和Lab空间建立颜色模型,分割出火焰疑似区域。用Lucas-Kanade稀疏光流算法跟踪运动区域,获取火焰的主运动方向作为火焰识别特征,判断是否是真实的火灾发生。实验结果表明,该算法具有较好的实时性、鲁棒性,能够有效地提高火焰识别的准确率,降低误检率,在大空间公共建筑消防系统中具有重要的应用价值。     

基于高斯混合模型的火焰检测算法

火灾作为对社会和环境危害最大的灾难,一直是人们重点防范的对象.但目前现有的火灾预警系统都存在误报率过高的问题.因此,文中提出了一种基于火焰闪烁动力学的火焰检测框架.在该框架中,火焰颜色分布模型采用高斯混合模型.此外,采用概率显著性分析方法和一维小波变换提取运动显著性和滤波后的时间序列作为特征,描述火焰的动态特性和闪烁特...     

基于视频图像的森林火灾识别算法研究

针对火焰的色彩特性和燃烧时的动态特性,提出一种面向视频图像序列的火灾识别算法.首先通过火焰颜色特征,在HSV模型基础上运用改进的区域增长法提取目标区域,然后根据火焰区域的重心和面积变化特性,通过设定模糊数学的隶属度函数来判定是否有火灾发生.实验结果表明,本算法实用有效,对火灾的识别率较高.     

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。     

基于目标跟踪和多特征融合的火焰检测算法

针对目前视频火焰检测算法无法达到高检测率、低误检率和实时的工业需求,提出一种基于目标跟踪和多特征融合的火焰检测算法.首先利用混合高斯背景建模获取前景图像,在HSV色彩空间中根据火焰的颜色特性分离出疑似火焰区域,对火焰疑似区域采用卡尔曼滤波器实现运动目标的跟踪,再结合火焰的相似度、区域增长率和跳动频率特征用加权求和得到的值与报警阈值相比,最后根据判断比较确定真实火焰区域,并且实现对火焰的持续跟踪.实验结果证明,该算法能够对火焰区域进行有效的检测与跟踪并且具有良好的实时性和抗干扰能力.     

融合视觉注意机制的高光谱RX异常检测算法

视觉注意机制具有快速引导关注到重点区域的特性,将其引入高光谱图像异常检测中具有可行性。本文从采样方式、波段选取、融入局部光谱特征3方面构建更适用于计算高光谱图像显著性的视觉注意机制模型。针对经典的基于高斯统计分布假设的RX异常检测算法在背景参数估计中易受潜在异常干扰的问题,利用视觉显著性结果对原图像进行高斯加权,在加权后图像中进行背景均值与协方差的重新估算,进而使用更精确的背景参数对原图像进行RX异常检测。在5个经典数据上的实验结果表明,本文方法有效地表现了潜在的异常目标,改进的RX异常检测算法具有更高的检测精度与更低的虚警率。     

基于最大隶属度与SVM的彩色图像分割新算法研究

图像分割是图像处理的主要问题,也是图像处理的难题之一,由于彩色图像提供了比灰度图像更多的信息,因此彩色图像处理,尤其是彩色图像分割受到了越来越多的重视。本论文提出一种基于HSI模型和模糊最大隶属度原则与SVM的彩色图像分割方法,从彩色图像的彩色直方图中获取目标色RGB模型和背景色RGB模型,再将RGB模型转化为HSI模型建立一组色彩模糊集,对HSI模型进行SVM训练识别再计算该图像中的色彩在各模糊集中的隶属度,最后确定色彩的归属,再将HSI模型转化为RGB模型。实现了快速有效的彩色图像分割方法的研究。     

Fast and Efficient Method for Fire Detection Using Image Processing

Conventional fire detection systems use physical sensors to detect fire. Chemical properties of particles in the air are acquired by sensors and are used by conventional fire detection systems to raise an alarm. However, this can also cause false alarms; for example, a person smoking in a room may trigger a typical fire alarm system. In order to manage false alarms of conventional fire detection systems, a computer vision‐based fire detection algorithm is proposed in this paper. The proposed fire detection algorithm consists of two main parts: fire color modeling and motion detection. The algorithm can be used in parallel with conventional fire detection systems to reduce false alarms. It can also be deployed as a stand‐alone system to detect fire by using video frames acquired through a video acquisition device. A novel fire color model is developed in CIE L*a*b* color space to identify fire pixels. The proposed fire color model is tested with ten diverse video sequences including different types of fire. The experimental results are quite encouraging in terms of correctly classifying fire pixels according to color information only. The overall fire detection system's performance is tested over a benchmark fire video database, and its performance is compared with the state‐of‐the‐art fire detection method.     

一种基于小波变换和HSI的改进视频光流场估计算法

为了避免传统基于RGB颜色模型方法在方程组中各等式线性相关和存在孔径的问题,提出一种在HSI颜色模型下结合小波变换的方法计算彩色图像视频序列光流场的计算方法,这里将传统的灰度图像光流估计方法与HSI颜色模型估计方法相结合,并且用小波变换方法对光流矢量场的异常数据点或因为匹配错误而产生的异常块数据进行剔除,从而有效提高光流场估计精度,得到精密的彩色图像光流矢量场特征。