一种改进火焰图像分割方法.docVIP

一种改进的火焰图像分割方法 　　摘 要:在火灾图像识别算法中,将火焰图像从背景中分离出来是识别过程的前提条件和必要环节。从目前应用情况来看,最大类间方差法(也称Otsu法)是比较简洁有效的方法。该方法属于阈值选取方法,其特点是算法比较简单,适于实时处理,其局限性在于对图像的“双峰直方图”过于依赖。针对该方法上述的缺点和不足,提出了一种新型的基于灰度积分投影法的火焰图像分割及定位方法。实验证明,该算法不但能正确地将火焰图像从背景中快速分离出来,而且可迅速定位火焰的中心位置,可以为动态识别火焰图像提供重要的判别依据。 　　关键词:图像分割 灰度积分投影 最大类间方差法 火焰检测 　　中图分类号:TP2 文献标识码:A 文章编号:1672-3791(2011)12(a)-0069-02 　　 　　在现有的火灾识别算法中,将火焰图像与背景图像进行准确有效地分离一直是火灾监控中的关键技术。只有将火焰与背景图像相分离,并对其特性做进一步的分析,才能对火灾是否发生做出正确的判断。还可以根据火焰图像像素的增加对火势蔓延做出正确的分析和评估。因此,基于火焰特点的图像分割算法就显得格外重要。目前,基于图像灰度或饱和度的直方图分析法是最为常用的方法。但这种方法受双峰直方图这一条件的限制,对有的图像效果不理想。此外,直方图法只能显示图像的颜色信息,无法体现图像的空间信息。在如果能找到一种方法,既能判断火焰图像的尖角位置,又能有效地实现火焰图像与背景的分离,且计算量不大,那么这种方法无疑是比较理想的。本文利用灰度积分投影法,先确定出火焰图像火苗最高处的水平坐标位置,再从这一列上按搜索法取一片区域像素的平均值作为二值化的阈值,可实现火焰图像的分割,同时这也符合人们的分类习惯。这样做的的好处是,整个运算过程只有一次对整个图像的遍历操作,大大减少了运算时间。其次,在抽取火焰图像同时可确定火焰的尖角位置,为后面的识别提供必要的信息。实验证明,该方法具有运算速度快、定位准确、适用范围广等特点。 　　 　　1 最大类间方差法简介 　　最大类间方差法是一种常用的图像分割方法,该方法是Otsu在1979年提出的基于自适应阈值分割方法。优点是算法比较简单,是一种方便可行的阈值选取方法。该方法以一幅图像的灰度直方图为基础,依据“目标和背景的方差最大”这一准则来动态地确定区域分割门限。 　　1.1 最大类间方差法的基本工作原理 　　对于一幅灰度级为L,大小为M×N的图像I(x,y),假定灰度值T为前景(即目标)和背景的分割阈值。灰度值为i的像素个数为n,各像素值出现的概率为Pi,属于前景的像素点数占整幅图像的比例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均灰度记为μ,类间方差记为σ2。假设图像的背景较暗,并且图像的大小为M×N,图像中像素的灰度值小于阈值T的像素个数记作N1,像素灰度大于阈值T的像素个数记作N0,则有以下关系式成立: 　　 (1) 　　由上述关系可推导出类间方差表达式为: 　　 σ2=ω0(μ0-μ)2+ω1(μ1-μ)2 (2) 　　由上面的分析可知,最大类间方差法的基本原理是,求得一个合适的阈值T*,使得σ2达到最大值,方差值越大意味着将前景目标与背景图像分开的错分概率越小。这就是最大类间方差法用于图像分割的原理。 　　1.2 最大类间方差法的局限性和不足 　　分析最大类间方差法的工作原理,不难发现这种方法由于本身存在的局限性而使其在实际应用中会受到相当大的限制。首先表现在应用范围窄,该方法主要针对双峰直方图型图像效果明显,也就是图像中主要包括较亮的目标图像和较暗的背景图像。如果遇到具有多峰直方图特性的图像,如图1所示,这类图像的特点是存在着一个或几个既不属于目标图像又不属于背景图像的第三方图像,如果按照最大类间方差法进行图像分割,很可能会将这个物体的像素归入火焰图像一类,从而使图像分割不能达到预期的目的。其次,该方法由于涉及到方差运算而使程序的复杂度增加,带来了编程实现上的困难。综上所述,有必要对该方法进行改进,以达到增加图像分割法适用范围及简化运算的目的。 　　2 积分投影法应用于图像分割中的基本原理 　　针对传统Otsu法的不足,本文提出了一种新颖的基于积分投影法的图像分割方法,以期达到对该方法进行完善和改进的目的。积分投影法的提出是基于如下的假设:首先,假定在整幅图像中,亮度最高的像素一定属于火焰图像,且在同一水平坐标上,其列像素的灰度累加值是最大的。其次,在火焰中心附近取一系列像素,其平均值代表了火焰图像的灰度特征。显然,这符合人类的视觉效应,如果按照这样的方式来界定图像中的任一像素是否为火焰图像,最坏的结果是只是漏掉了少部分的火焰像素,而不会将本不属于火焰图