基于分形林火图像火焰分割方法研究.docVIP

基于分形林火图像火焰分割方法研究 　　[摘 要]森林火灾具有突发性，随机性，同时具有危害的重大性。随着人们对火灾严重性认识的不断加深，如何能够在第一时间发现火灾的发生，这对火情的控制显得尤为重要，同时，这也成为了一个迫切需要解决的问题。本文采用多重分形参数来描述火焰。最后在matlab仿真实验中，利用多重分形成功地将森林火灾引起的火焰从整幅图像中分割出来，取得了较好的效果。 　　[关键词火焰识别；多重分形谱；特征提取；分形特征 　　森林燃烧是自然界中燃烧的一种现象。但是失去人为控制的火烧，在森林内自由蔓延并对森林生态系统和人类带来一定危害和损失，就成为森林火灾。一旦发生森林火灾，将会给人类的经济及人文建设造成巨大损失，威胁人民的生命财产安全。由于森林火灾的发生具有突发性，随机性，造成损失的巨大性，那么在火灾还处于萌芽状态就立即扑灭就显得尤为重要。然而传统的检测方法都由于种种原因存在不足，如，基于人工因素的检测率过低，费用昂贵等。正因如此，我们需要研究一种具有高效性，实时性的森林火灾图像识别算法。 　　火灾发生时，我们需要根据不同阶段的不同特征采取不同的检测方法。传统的火灾图像探测技术还不成熟，只是根据火灾发生过程中各景物的背景颜色不同来建立单颜色模型对火灾进行检测，但准确度偏低。要想在火灾预警准确率和时效性上有所突破，就必须要在火灾初期准确识别出火焰与烟雾，才能做出准确的预报。因此，本篇论文旨在研究一种新的森林火灾的图像处理方法：基于分形的林火图像火焰分割算法研究。 　　一、分形的理论基础 　　在自然界中，大多数图形为不规则的复杂的。分形（ Fractal）一词， 是1973 年曼德勃罗（ B. B. M andelbrot）由拉丁语Frangere 一词创造而成的， 其原意具有不规则、支离破碎等意义。其曾又对分形定义如下：分形就是局部和整体具有某种方式相似的形。我们可以通过对分形特性的描述来加以说明。将分形的特点总结如下： 　　分形都具有较精细的结构；分形是不规则的；分形都具有某种自相似性；一般情况下，分形的“分形维数”都大于它的拓扑维数；分形在大多数情形下都可以用非常简单的方式来迭代产生。 　　多重分形称为分形测度，它是对简单分形理论的更深入的研究，其弥补了简单分形理论的不足。实际测量中，仅用一个简单的图像分形来描述目标图像中复杂的物体是远远不够的，因此，我们需要同时用两三个甚至多个图像分形维数来描述目标图像，才能较完整的刻画图像的基本特征。 　　多重分形的基本性质一单调性： 　　单调递减函数：广义维数D（q）和奇异性指数α（q） 　　单调递增凸函数：质量指数τ（q） 　　对于奇异谱函数D（q）：在q0部分单调递增；在q0部分单调递减 　　多重分形的基本性质二极限： 　　当时，奇异性指数α（q）以及广义维数D（q）有相同的极限；奇异谱函数f（α）的极限显示了最大测度与最小测度的相对分布比例。 　　二、仿真实验分析 　　图像边缘指的是在图像平面中灰度值发生跳变的点连接所成的曲线段。图像的边缘包含了重要信息，是图像的特征所在。则找出图像的边缘即为边缘检测。实现边缘检测有很多不同的方法， 也一直是图像处理中的研究热点， 人们期望找到一种抗噪强、定位准、不漏检、不误检的检测算法。[ 　　边缘的提取技术中比较成熟的要数线性滤波器，尤其是Laplace算子最为有名。除此之外， Canny算子，Sobel算子等都有一定的研究成果。 　　1.Laplace算子 　　拉普拉斯算子在n维欧几里得空间中是一个二阶微分算子，是梯度的散度；如果将f定义为二阶可谓的实函数，则f的拉普拉斯算子定义为 　　应用拉普拉斯算子提取边缘的形式可利用下式算式： 　　Laplace算子属于二阶的微分算子，此类算子计算精度相对较高，但缺点是对噪声过于敏感，在大量噪声存在时，边缘提取的效果不理想。因此，实际应用中，拉普拉斯算子的应用不是很常用。 　　2. Canny算子 　　Canny边缘检测方法是由John Canny在1986年首先提出的。Canny边缘检测基本原理为： 　　图像边缘检测需要满足两个条件：有效地抑制噪声；尽量精确确定边缘的位置。 　　类似于马尔边缘检测方法，同样属于先平滑后求导数的方法。根据对信噪比和定位乘积进行测度，最终得到最优化逼近算子。 　　Canny边缘检测算法：首先用高斯滤波器平滑图像；再用一阶偏导的有限差分来计算梯度的幅值和方向；然后对梯度幅值进行极大值抑制；再用双阈值算法检测和链接边缘；最后用高斯平滑函数。 　　3. Sobel算子 　　Sobel算子是主要用于边缘检测的图像处理算子。这种离散性差分算子可以用来运算图像亮度函数的梯度之近似值。对于图像上任一点使用此算子，都会产生