基于概念格粗糙集-支持向量机的图像型火焰特征优化分类与探测算法的研究-信号与信息处理专业论文.docxVIP

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 基于概念格粗糙集--支持向量机的图像型火焰特征优化分类 与探测算法的研究 专 业：信号与信息处理 硕 士 生：沈雯 指导教师：王慧琴 教授 摘要 视频图像型火灾探测技术可以有效解决大空间火灾探测的难题，具有重要的 应用价值。该技术主要包括视频获取，图像预处理，分割、特征提取和火焰识别 几大部分。为了提高探测算法的准确率、鲁棒性，针对现有的图像型火灾探测算 法中存在的不足，本文对火焰分割、特征的选取和识别等相关算法进行了重点研 究。主要有以下几方面： （1）火焰分割算法研究。目标分割是进行图像特征提取和目标识别的基础和 关键，对于减少数据量和提高算法性能意义重大。本文在分析与对比现有火焰分 割算法的基础上，提出了基于CIE Lab颜色模型和模糊C均值结合的火焰分割方法。 首先建立CIE Lab空间的火焰颜色模型，用颜色分量进行分割，然后用模糊C均值 算法将同一区域内的离散目标进行合并，提高火焰疑似区域分割的准确率。 （2）火焰特征选取和识别算法研究。概述了图像型火灾探测的原理及特点， 针对目前火焰图像特征不能随监控场景自适应选择的问题，提出了基于概念格粗 糙集—支持向量机的火焰图像特征选择与探测新算法。首先分析并计算火焰常用 特征，总结概念格和粗糙集各自的属性约简方法，分析了各自约简的特点及优势， 并把概念格和粗糙集结合起来应用于火灾火焰的特征约简。最后将得到的最简特 征分类集输入支持向量机中进行测试。实验结果证明，此方法的识别准确率明显 高于单独应用粗糙集进行特征选择和人工进行特征选择时的识别准确率，达到了 提高效率，减少误报等的目的。 关键字：火灾探测；图像分割；CIE LAB；特征提取；概念格；粗糙集；SVM 论文类型：应用研究 Research of fire feature classification and detection algorithm based on concept and rough - svm Specialty: Signal and Information Processing Name: Shen Wen Instructor: Professor Wang Hui-qin ABSTRACT Fire detection technology based on video image can effectively solve the problem of fire detection in large space, and has important application value. The technology includes video capture, image preprocessing, segmentation, feature extraction and flame identification several parts. In order to improve the accuracy and robustness of detection algorithms, aiming at the inadequacy of existing algorithms, this paper researches on related algorithms of flame segmentation, feature selection and identification. Mainly in the following aspects: Research on flame segmentation algorithm. Target segmentation is the foundation and key of feature extraction and object recognition. It has great significance in reducing data amount and improving algorithm performance. According to the analysis and comparison of existing algorithms, this paper proposes a flame segmentation method based on CIE Lab color model and fuzzy C-means. Firstly, the flame color model is built in CIE Lab space and di