基于圖像處理的火焰檢測算法研究

趙偉偉 任錦芬 曹闖樂 李 丹

（西京學(xué)院 信息工程學(xué)院，陜西 西安710123）

1 概述

隨著我國科學(xué)技術(shù)的不斷發(fā)展，火災(zāi)的發(fā)生頻率在不斷上升。據(jù)統(tǒng)計，我國每年因火災(zāi)造成的經(jīng)濟(jì)損失近40 億，近3000人傷亡，所以火災(zāi)檢測成為人們關(guān)注的焦點問題。傳統(tǒng)的火災(zāi)檢測技術(shù)創(chuàng)造的火災(zāi)探測器，如感煙型、感溫型和感光型檢測指標(biāo)單一，火災(zāi)檢測精度低。Verstockt 等利用圖像傳感器得到火焰圖像的振幅圖像，用小波變換得到了火焰區(qū)域的融合圖像，最后將疑似火焰區(qū)域的公共區(qū)域判定為最終的火焰區(qū)域準(zhǔn)確率低；楊幫華等利用紅外火焰探測技術(shù)，結(jié)合決策樹算法實現(xiàn)火災(zāi)識別，但是耗時長。針對目前存在的火災(zāi)檢測問題，本文提出一種基于圖像處理的火焰檢測算法。

2 基于SVM 的火焰檢測算法

2.1 圖像預(yù)處理

由于火災(zāi)現(xiàn)場拍攝的圖像受天氣、光照等噪聲干擾比較大，首先對采集的火災(zāi)圖像進(jìn)行Gamma 校正，因為拍攝的圖像存在光照度不均勻現(xiàn)象；其次對火災(zāi)圖像采用中值濾波進(jìn)行降噪；最后對火災(zāi)圖像采用Otsu 閾值分割算法將火焰與背景區(qū)域分割開。

2.2 特征提取

在發(fā)生火災(zāi)時，火焰圖像的顏色和形狀特征都會發(fā)生變化，精準(zhǔn)的提取火焰的特征，為火焰檢測奠定了堅實的基礎(chǔ)。

2.2.1 顏色特征提取

在發(fā)生火災(zāi)時，最鮮明的特征就是它的顏色特征，所以將顏色特征作為火焰檢測的關(guān)鍵參數(shù)。由于人的視覺對亮度的變化比較敏感，人眼在HIS 顏色空間適應(yīng)性最佳，因此本文通過HIS顏色空間對火災(zāi)圖像進(jìn)行顏色特征提取。HIS 顏色空間的三顏色分量取值范圍如下：

從RGB 到HIS 顏色空間的轉(zhuǎn)換如下：

2.2.2 形狀特征提取

在火災(zāi)現(xiàn)場拍攝圖像時，火焰的形狀會隨著時間不斷地發(fā)生變化，并且有一定的邊緣變化特點，因此本文通過對火焰圖像的圓形度和邊界粗糙程度對火焰圖像的邊緣進(jìn)行分析處理。圓形度計算公式：

其中，S 代表火焰區(qū)域的面積，C 代表火焰區(qū)域的周長。對于不規(guī)則的圓形火焰圖像，在面積相同的情況下，周長會增加，所以圓形度的取值范圍為0-1。

邊界粗糙度計算公式：

其中L 為火焰區(qū)域的邊沿周長，LC為凸多邊形的周長，為了能夠包含某個疑似火焰連通區(qū)域的所有像素，并且是面積最小的凸多邊形。

2.2.3 形態(tài)學(xué)特征提取

通過對火焰圖像的顏色特征和形狀特征的提取，還存在一些特征漏洞，利用開運算和閉運算的綜合使用來消除小物體、在纖細(xì)點處分離物體、平滑較大物體的邊界的同時并不明顯改變其面積；填充物體內(nèi)細(xì)小空洞、連接鄰近物體、平滑其邊界的同時并不明顯改變其面積，實現(xiàn)特征誤差補(bǔ)充。

2.3 火焰檢測

用顏色特征和形狀特征的參數(shù)作為特征向量，使用K-means 算法將火災(zāi)圖像的相同特征參數(shù)進(jìn)行聚類，在進(jìn)行聚類時采用歐式距離計算樣本點與聚類中心的距離，最后創(chuàng)建一個超平面通過對分類模型和模型參數(shù)的選擇，同時保證訓(xùn)練誤差與測試誤差達(dá)到最小化。本文研究的火焰檢測屬于非線性模式識別問題，因此引入高斯核函數(shù)實現(xiàn)火焰檢測，用SVM 分類器進(jìn)行火焰的分類檢測。

多維空間歐氏距離計算公式：

高斯核函數(shù)的表達(dá)式：

3 實驗結(jié)果分析

圖1 為傳統(tǒng)的火焰檢測效果圖，圖2 為本文的火焰檢測效果圖。通過將傳統(tǒng)的火焰檢測算法和本文的火焰檢測算法進(jìn)行對比，從實驗結(jié)果可以看出本文采用的火焰檢測算法效果最佳。該方法通過對火災(zāi)圖像進(jìn)行預(yù)處理清晰的將火焰區(qū)域與背景區(qū)域分開，提高了特征提取的精度，最后利用基于核函數(shù)的SVM算法進(jìn)行分類檢測。實驗表明本文方法能夠更加有效準(zhǔn)確地檢測識別出火災(zāi)火焰，在對火災(zāi)檢測識別時，很大程度上提高了對火災(zāi)檢測的準(zhǔn)確率。

圖1 傳統(tǒng)的火焰檢測效果

圖2 本文的火焰檢測效果

4 結(jié)論

火災(zāi)發(fā)生后，現(xiàn)場的環(huán)境比較差，在采集圖像時，圖像受環(huán)境影響會導(dǎo)致對比度降低、有噪聲并且圖像邊緣信息受損，提高了火焰檢測的復(fù)雜度。本文通過Gamma 校正提高火災(zāi)圖像的對比度，再通過中值濾波濾除圖像中的噪聲，使用Otsu 閾值分割算法消除背景干擾，選用人眼適應(yīng)度較強(qiáng)的HSI 顏色空間對火焰圖像進(jìn)行顏色特征提取，根據(jù)火焰圖像的形狀規(guī)律程度選用圓形度形狀特征提取火焰的形狀特征，提高了火焰檢測準(zhǔn)確率。該方法能有效地進(jìn)行火焰檢測，在火災(zāi)檢測領(lǐng)域具有較大的應(yīng)用價值與研究意義。