火焰图像分割算法研究.docVIP

火焰图像分割算法研究 　　【摘 要】本文对火焰识别中常用的分割方法进行了研究，并分析了各自的优劣。Canny边缘检测虽然可以提取较完整的边缘，但是不利于基于区域特征的火焰识别；阈值分割可以简单有效的分割出红外图中高灰度级的火焰区域；运动检测的方法对于剧烈运动的火焰可以有效分割出运动区域，但是容易造成火焰区域的不完整；颜色分割是可见光图像中一种有效的火焰分割方法，其中的简单颜色模型简单实用。 中国论文网 /8/view-7165379.htm 　　【关键词】边缘检测；阈值分割；运动检测；颜色分割 　　0 引言 　　火灾识别中常用的图像分割方法有基于边缘检测的方法、阈值法、运动检测、颜色分割等。Qin Jiang将Ostu阈值选取与Canny结合检测大空间带噪声图像的火区[1]；王思嘉等根据火焰的高亮特点使用温度阈值分割可疑火区[2]；Qing Liu等使用自适应背景更新的背景差法分割火焰区域[3]；文献[4]用改进的背景差法区分前景和背景[5]；文献[6]提出了一种将背景差法与帧差法结合在一起的算法[5]。彩色图像的颜色分割也被广泛的用于火灾识别中。本文对火焰图像的边缘检测的方法、阈值法、运动检测、颜色分割等进行研究、仿真及对比分析。 　　1 火焰图像分割算法 　　1.1 基于边缘检测的分割 　　Canny边缘检测目前公认的经典边缘检测算法，该算法已在数字图像处理中获得了广泛应用。应用Canny算法的步骤是： 　　（1）用一个二维的高斯滤波器与原始图像做卷积来平滑图象，其时域表达式为： 　　高斯滤波函数中的标准差σ决定了滤波器的大小； 　　（2）计算梯度，包括梯度的幅值和方向，可使用微分算子； 　　（3）遍历梯度图，对梯度幅值进行非极大值抑制； 　　（4）用双阈值算法检测和连接边缘。 　　部分学者尝试采用Ostu算法来选取Canny边缘检测的高低阈值，取得了一定效果，但其实验对象的场景往往比较简单。另外边缘检测得到的边缘往往不闭合，这很不利于火焰识别的进一步处理，（例如区域特征的提取等）需要进行边缘连接。目前边缘连接问题并没有很好的、统一的解决方法。如果火焰识别较多利用火焰的区域特征，那么用边缘检测和边缘连接的方法来进行火焰图像分割并不十分适合。 　　1.2 灰度阈值分割 　　利用像素灰度值特点，通过取阈值进行分类的过程就是灰度阈值分割[6]。通常利用火焰的高温高亮特征，在表征温度的灰度图上进行火焰区域分割。火焰区域像素的灰度值要明显高于非火焰区域。根据这个特点，可设置1个阈值将图像中的火焰区域和非火焰区域分割开来，并生成仅有两种灰度的二值图像。即： 　　g（i，j）=g0 f（i，j）Tg1 f（i，j）≤T（2） 　　如果阈值T仅仅取决于灰度级值f（i，j），就称其为全局阈值，如果T取决于f（i，j）和像素点的局部性质（如临域内的平均灰度级）时，阈值就是局部的；如果阈值T取决于空间坐标x和y，阈值就是动态的或自适应的。 　　1.3 运动检测 　　火焰往往是闪动的，因此用于运动检测的一些方法可以用来分割火焰。运动检测的方法有背景差法、帧差法。 　　1.3.1 背景差法 　　背景差法通过当前帧与背景帧相减的方法提取运动前景，二值化后得到目标区域，用公式可表示为： 　　diff（x，y）=cur（x，y）-bk（x，y）（3） 　　object（x，y）=1 diff（x，y）≥th0 diff（x，y） 　　fR（x，y）≥thrfG（x，y）≥thgfB（x，y）≥thb（10） 　　其中fR（x，y）、fG（x，y）和fB（x，y）分别代表图像像素中的红色、绿色和蓝色分量，这就是简单颜色模型。 　　若进一步分析各通道间的关系，可以得出火焰颜色的不等式约束。带约束的颜色模型之一为： 　　fR（x，y）≥thrfR（x，y）≥kG*fG（x，y）fR（x，y）≥kB*fB（x，y）（11） 　　其中fR（x，y）、fG（x，y）和fB（x，y）分别代表图像像素中的红色、绿色和蓝色分量，kG和kB两个参数界定了RGB的范围。其依据为：（1）火点的可见彩色图像在RGB分量坐标中红色分量有很高的绝对值。（2）火中红色分量与蓝色、绿色分量的比值具有一定规律性。 　　2 分割方法算法比较 　　2.1 红外图像分割比较 　　对一段红外视频分别应用canny边缘检测、全局阈值分割和背景差法分割，其中一帧图片的分割结果如图1、图2和图3所示。 　　图1所示图片依次为原始图片和Canny边缘检测结果。由图1可见，Canny可以较完整的检测出目标边缘，但是其边缘断续、不完整的情况仍然严重，而且对于较复杂的场景，Canny边缘检测保留了很多背景边缘信息。 　　图2所示为图1（a）图像的全