基于小波实时烟雾检测.docVIP

基于小波实时烟雾检测 　　摘要：传统的离子式、吸气式、光电式等烟雾检测器在大空间中检测烟雾时，会受到发射信号与接收信号之间的距离、平面角度、精确对准等限制，无法对整个空间的烟雾状况进行描述。新的方法通过监测区域的摄像机拍摄的视频图像序列，进行小波变换，分析图像帧在时域和空域的频率特性，来确定被监测区域是否有火灾烟雾的发生。实验证明该方法不受空间高度、热障、易爆、有毒等环境的限制，并且有灵敏度高、抗干扰力强、适用范围广等特点。 　　关键词：小波；背景更新；闪烁频率 　　中图分类号：TP399文献标志码：A 　　文章编号：1001―3695(2007)03―0309―03 　　为了防止火灾发生和减少火灾危害，保护人民生命和财产安全，人们对自动火灾检测系统的需求日益增长。这些系统的成功，取决于烟雾、气体、温度等物理量的适当检测，因为这些物理量可提供火灾初期的快速、可靠的报警信号。目前应用比较广泛的火灾烟雾检测器，大致有离子式烟雾检测器、吸气式烟雾检测器、二极管式光电烟雾检测器、反射光式烟雾检测器、图像对单点式模拟检测器等。这些烟雾检测器在检测烟雾时各有优缺点。特别是在大空间场合中主要遇到以下问题：①发射与接收距离远，信号变得非常微弱，噪声的影响非常大，使有用信号淹没在噪声中；②接收信号除与接收距离有关外，还与接收、发射平面之间的角度密切相关，点对点式的检测器对准困难，很难长期稳定的工作；③对于整个空间的监测比较困难，点对点式检测器无法进行整个立体空间监测，只能对某条直线检测，无法绘制出烟雾浓度变化的二维图形，对研究烟雾的空间运动会带来一定困难；④对信噪比小的接收信号，仅设一个阈值判断有烟、无烟或烟的大小，可靠性差。甚至可能对烟雾和噪声的影响分辨不出来，检测器辨别不出有烟和无烟[1]。?? 　　基于小波的实时烟雾检测分为两个阶段：第一个阶段是提取背景，对背景进行更新，同时确定运动像素和运动区域。第二个阶段是确定被监测区域是否有火灾烟雾的发生，主要分析烟雾的三个特征：在[0.625Hz，2.5Hz]带宽的频率范围内，监测图像序列的灰度值通过一个二阶的滤波器后，子信号的频率值的变化，观察其峰峰值的个数；监测视频序列小波变换后，其子图像的能量值是否减少；烟雾在开始阶段是透明的，向四周扩散，因此监测背景图像的RGB矢量是否具有方向性。另外，烟雾的形状是凸的，烟雾的闪烁频率与燃烧物的性质和尺度无关，大约在10Hz左右。在烟雾的边界，其闪烁频率范围在1―3Hz。这些均是烟雾的重要特征。?? 　　 　　1背景更新与运动区域的检测 　　运动区域和像素由背景估计和更新确定。取出视频序列中相邻两帧图像Ik，Ik+1和预先定义的背景图像B，背景图像中不存在目标。首先，对相邻两帧图像进行差分得到帧间差分图像Dl，对当前帧和背景图像进行差分获得背景差分图像Dk，其中： 　　 　　2图像的小波分析 　　2.1小波原理?? 　　小波分析采用的是二维离散的小波。二维尺度函数φ(x,y)和三个二维小波ψH(x,y)，ψV(x,y)和ψD(x,y)。每一个均是一维尺度函数φ和ψ相应的小波函数的乘积。排除产生一维结果的乘积，如φ(x)ψ(x)，四个留下的乘积产生可分离的尺度函数： 　　这些小波度量函数会有变化――沿着不同方向的图像增强或灰度的变化：ψH度量沿着列的变化（如水平边缘），ψV响应沿着行的变化（如垂直边缘），ψD对应于对角线方向的变化。方向敏感是式（2）到式（4）所引起的可分离性的自然结果。二维小波变换按如下方式扩展，在变换的每一个层次，图像都被分解为四个四分之一大小的图像，如图2所示。 　　在每一层次，四个图像中的每一个均是由原图像与一个小波基图像的内积后再经过在x和y方向均进行两倍的间隔抽样而生成。给定可分离的二维尺度和小波函数，首先定义一个尺度和平移基函数： 　　2.2时域小波分析 　　2.3空域小波分析 　　图像的小波变换是一种信号的时间――尺度（时间――频率）分析方法，是一种窗口大小固定不变但其形状可改变，时间窗和频率窗可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。每一级分解均会产生表示图像比较粗糙（低频图像）和比较精细（高频图像）的小波系数，一幅图像可以分解成一幅低分辨率图像和分辨率由低到高的表示图像细节的许多子图像。不同分辨率的子图像对应不同的频率，有用的信号通常表现为低频信号，噪声信号通常表现为高频信号。因此在分解图像的高频频道提取原目标图像的纹理背景特征，在低频区域提取目标。?? 　　分解后的三幅高频分量子图像包含水平方向（HL）、垂直方向（LH）和对角方向（HH）的边缘信息。如图4所示，在整个视频序列中，监测背景中物体