3红外火场识别与定位的技术研究成果.docxVIP

红外火场识别与定位技术研究报告根河航站与航天五院合作项目2013·12·121.项目概述红外摄像机具有昼夜可用，能探测到地面暗火，可以抵御雾、雨、雪恶劣天气的影响的特点使其森林火灾探测中得到广泛应用。森林的背景温度一般在-40~60℃，辐射的波长在1.5~30μm，森林可燃物燃烧的火焰一般为627℃，辐射的波长在0.8~80μm，峰值波长在2-6μm，所以中波红外对于森林火灾具有良好的探测能力。航空遥感平台搭载红外摄像机实现对森林火灾的有效探测有两项关键技术需要解决，一是森林火灾的自动识别，二是森林火灾的高精度定位。由于森林背景的辐射波长范围覆盖了森林火灾辐射的峰值波长，反映在中波红外的视频上主要表现为背景物体与森林火灾的区域对比不明显。常规的阈值分割处理将分割出大量的虚假森林火灾区域，给后续火场的现场确认增加大量任务。本项目通过使用森林火灾中波红外视频上表现出的多特征并结合支持向量机，使用多特征有效增加森林火灾的识别精度。从红外视频中分割出森林火灾区域后要对火灾区域进行定位，火灾区域的定位可以分为基于地面控制点定位、无控制点地面目标定位。在森林火灾的探测中，森林区域面积巨大而且发生火灾的区域有很大偶然性，在地面增加控制点的方式提高地位精度的方式难以实现。无控制点的目标定位时飞机的位置、姿态，及红外摄像机的方位中个输入参量都包含较大的测量误差，使用这些参数使用单帧视频火灾定位结果误差可能达到几百米以上。本项目通过对定位算法创新，使用多视频帧进行火场的定位，有效提高了定位精度。在通过对火场识别与定位算法进行深入研究后，分别进行了火场识别的与定位的仿真实验与外场验证实验，实验表明本项目开发的火场识别与定位算法火场识别准确度高、定位偏差小。2.基于航空遥感平台的红外火场识别与定位技术研究2.1红外火场的识别技术2.1.1红外火场的识别研究内容通过研究基于红外数据的火场智能检测技术以及相应的图像处理技术，实现在红外影像中火场的自动检测和提取。通过支持向量机，随机森林等机器学习的技术以及对火源特征的分析与总结，再配合建立的火源识别的样本库和训练集，实现了基于红外数据的火场智能识别。红外火场自动识别包括图像分割、火灾提取、火场识别等多项算法，具体成研究内容如下红外视频预处理算法利用基于改进的自适应边缘保持红外图像插值算法，将存在较弱边缘的红外影像进行插值的同时保证原有边缘信息不被破坏，再同时配合基于中值的Robinson Guard 滤波抑制背景杂波，在降低背景干扰时，能够更加有效的保证了红外影像原有信息的完整性与有效性红外火场检测算法利用自适应滑动窗口法来对影像中的火场进行初步的定位和提取，同时采用多尺度的思路来提高检测的速度和效率，并采用动态自适应阈值法来对可疑区域进行初步判别，再进一步采用Adaboosting算法进行进一步的检测，来保证检测的实时性和有效性的同时保证了较低漏警率与误警率。红外火场分割算法根据火场检测的结果对被判定为火场的区域进行分割，利用基于模糊C均值分割的算法对火场进行初步的提取，再利用基于灰度的数学形态法对提取结果进行基于先验知识的修正和完善，从而提高了火场提取结果的有效性和完整性。红外火场特征分析与提取算法根据分割结果提取分割区域的火场的跳动、面积等动态特征和形状、灰度、圆形度等静态特征，作为火场识别的主要特征。对提取的火场区域进行归一化处理来保证提取特征的有效性和统一性，再对火场区域的影像进行特征提取并对得到的特征进行预处理和基于主元素分析的特征降维，使其有利于分类器的训练和识别。 5）基于支持向量机的红外火场识别算法根据火场特征分析的结果来选取合适的火场的样本来建立火场的样本库供分类器的训练和学习，在样本库中要保证非火场与火场的样本的比例要高于2：1。对样本库中的样本进行特征提取与并使用支持向量机进行分类器的训练，在达到分类器的训练收敛条件后，可输出分类器。提取模块得到的特征向量经导入到利用火场样本库训练完成的支持向量机模型中，进行火场的快速识别，对确认为火场的区域进行报警等相关处理。2.1.2红外火场的识别技术实现途径针对红外视频数据开发自适应预处理技术来降低干扰和噪声，提高红外影像质量。通过自适应多尺度滑动窗口与动态阈值法来实现对火场的快速与高鲁棒性的检测。基于检测的结果，对火场检测算法判定为火场的区域，进行基于数学形态法与模糊C均值分割的火场区域提取。通过对提取到的火场区域的特征分析，确定选用的特征，建立基于红外数据的火场特征库与训练样本库，通过训练得到支持向量机等分类器，利用训练完成的支持向量机来完成对红外火场的识别从而确定火场检测结果的正确性并进行报警等对应操作。其主要流程图如下图1所示。图1 红外火场识别数据处理流程图在预处理模块中，利用基于改进的自适应边缘保持红外图像插值算法，将存在较弱边缘