复杂大空间下图像型火焰特征选择与识别算法研究-控制工程专业论文.docx

西安建筑科技大学硕士学位论文 西安建筑科技大学硕士学位论文 万方数据 万方数据 万方数据 万方数据 复杂大空间下图像型火焰特征选择与识别算法研究 专 业：控制工程 硕 士 生：乔高林 指导教师：何波 副教授 摘 要 火灾常常事发突然、破坏性大，严重威胁人们的生命和财产安全。随着社会 的不断发展和经济的高速增长，越凸显出火灾检测工作的重要性。传统的火灾检 测主要是通过各种传感器对区域内温度、光谱、烟雾颗粒、可燃气体含量等指标 进行分析，判断是否有火灾发生。然而，这些感应设备存在传播速度慢、信息量 损失大、稳定性较差和实时信息无法存储等缺陷。而基于图像处理技术的火灾探 测技术可以有效弥补传统探测方式的上述弊端，拥有更加广阔的应用前景。 本文首先介绍了传统火灾探测技术的研究背景及视频火灾探测技术的发展现 状，基于视频图像的火灾探测技术能够很大程度上避免传统探测方式存在的缺陷 而达到探测火灾的目的。本文主要分为三个部分：首先对分帧获取的图像序列进 行去噪，滤除图像中夹杂的噪声，然后在提取火焰疑似区域时使用了一种改进的 帧差法，通过专门的算法提取可疑区域的七个特征变量，分别是红绿面积分量比、 圆形度，尖角数三种静态特征，面积变化率、相关系数、相似度和整体移动特性 四种动态特征。最后，本文将粗糙集理论与支持向量机理论相结合，建立 RS-SVM 分类模型。利用两种属性约简算法对分类器的输入向量即七个特征变量进行降维 处理，去除冗余信息，将约简结果输入分类器模型进行分类判定。 针对复杂大空间下图像型火灾火焰的检测，本文进行了大量的仿真实验。通 过实验可以发现，将粗糙集理论的属性约简算法与支持向量机相结合，能够很大 程度的消除条件属性中的冗余属性。实验结果表明：较单纯使用支持向量机分类 模型而言，本文所设计的 RS-SVM 分类器模型能够在保证识别率准确的前提下， 缩短分类器的识别时间，提升了识别效率。本文所设计的图像型火灾火焰识别策 略具备较高的识别率和较快的识别速度，适用范围广泛，具有良好的应用前景。 关键词：火灾探测；特征提取；属性约简；支持向量机 西安建筑科技大学硕士学位论文 西安建筑科技大学硕士学位论文 西安建筑科技大学硕士学位论文 西安建筑科技大学硕士学位论文 万方数据 万方数据 万方数据 万方数据 The Method for the Selection and Recognition of Fire Flame in the Complex and Large Space Specialty:Control Engineering Name:Qiao Gaolin Instructor: Associate Prof. He Bo ABSTRACT Fire disaster is a kind of devastating addcident that seriously threats the peoples life and property safety, and it always happens suddenly. Therefore,with the rapid development of society and economy, the fire control work is getting more and more important nowadays.The traditional fire detection adopts different sensors to detect wheter there is a fire by analyzing the temperature, spectra, smoke particles and the content of combustible gas in a region. However, it alwyas lead to the failure of fire alarm in large space environment. In order to solve this problem,the video fire detection technology based on on security surveillance system and image processing technology is proposed, and it has a broad and promising application prospect. In this paper,the principle and characteristics of video fire detection technology are summa