基于图像处理技术火灾识别方法应用与研究.docVIP

基于图像处理技术火灾识别方法应用与研究 　　摘 要： 针对火灾图像特征提取方法使用的特征单一造成火灾误报率高的问题，在最小二乘支持向量机超参数选取在快速留一法的基础上，结合共轭梯度算法，提出改进的最小二乘支持向量机的火灾图像处理方法，构建了FR?LSSVM模型。通过对比采用BP神经网络、最小二乘法支持向量机、FR?LSSVM和标准支持向量机的实验结果可以得出，改进算法具有更好的稳定性、更快的运算速度和更高的识别率，有利于提高火灾识别的有效性，进而保护人们的生命财产安全。 　　关键词： 图像处理； 火灾识别； 快速留一法； 共轭梯度； BP 神经网络； 最小二乘支持向量机 　　中图分类号： TN911.73?34 文献标识码： A 文章编号： 1004?373X（2018）13?0043?04 　　Abstract： Since the traditional fire image feature extraction method has high false alarm rate due to its single feature， an improved fire image processing method based on least square support vector machine （LSSVM） is proposed in combination with the conjugate gradient algorithm and parameter selection of least square support vector machine based on the fast leave?one?out method， and the FR?LSSVM （Fletcher Reeves?least squares support vector machine） model is constructed. The experimental results of BP neural network， LSSVM， FR?LSSVM and standard support vector machine are compared to obtain that the improved algorithm has higher stability， faster operating speed and higher recognition rate， can improve the effectiveness of fire identification， and further protect people′s life and property safety. 　　Keywords： image processing； fire disaster recognition； fast leave?one?out method； conjugate gradient； BP neural network； least square support vector machine 0 引 言 　　模式识别是通过计算机技术对图像、客观物体、各种物理对象与过程进行描述、分类的科学，在最小错误概率的情况下，使识别后的结果最大程度地符合实际情况，提高识别的准确度，达到利用机器对物理对象自动分类、识别的目的[1?2]。在进行模式识别时，需要根据研究对象和应用场合选择需要采用的理论与方法[3]。 　　本文研究基于图像处理技术的火灾识别方法的目的是从火灾图像中判别是否存在火源，它属于两类识别问题[4?5]。这种对不同火灾图像进行分类识别的情况被称为基于特征的模式识别，把区分类别定义为“分类”，把对不确定样本的分类过程定义为“识别”，把在识别过程中度量某类目标影像都具有的且有代表性和实际意义的核心特征集合称为“模式”。本文在最小二乘支持向量机超参数选取在快速留一法的基础上，结合共轭梯度算法，提出改进的最小二乘支持向量机的火灾图像处理方法，并构建FR?LSSVM模型。 1 基于人工神经网络的火灾图像识别 　　1.1 人工神经网络 　　人工神经网络是一种模仿人脑神经运行的信息处理系统，人工神经算法能够处理大规模的数据，具有非线性和自适应的特点，是一种仿人脑运转的理论模型。人工神经网络是由许多通过某种恰当方式连起来的许多处理单元构成的 [6?7]，其最基本的处理单元称为神经元，包括3个基本重要的组成元素：连接、求和单元、激活函数。其中连接是指将生物神经元的突触进行连接；激活函数负责完成系统的线性映射和非线性映射，与此同时，将神经元的输出限定在某一特定范围里；求和单元的作用主要是求取各输入信号的加权和。人工神经元