基于图像处理的森林火灾检测文献综述Word格式文档下载.doc

基于图像处理的森林火灾检测文献综述Word格式文档下载.doc

《基于图像处理的森林火灾检测文献综述Word格式文档下载.doc》由会员分享，可在线阅读，更多相关《基于图像处理的森林火灾检测文献综述Word格式文档下载.doc（5页珍藏版）》请在冰豆网上搜索。

班　　级

机械09-4

指导教师

郑嫦娥

基于红外图像处理的森林火灾识别方法研究

1国内外现状

国内外很多公司、科研机构和大学院校都对图像型火灾探测技术进行过大量的研究。

Bosque公司的BSDS系统采用红外和普通摄像机进行双波段监控，在准确识别森林火灾的同时还可以区别其它现象的干扰，误报率较低。

在大空间火灾监控方面有ISLI公司和MagnoxElectric公司联合开发的用于电站火灾监控的VSD－8系统。

该系统以视频运动检测软件为主体，使用各种滤波器技术，并与人工智能相结合，进行电站内的火灾监控。

国内相关单位对于图像型火灾探测技术也进行了深入的研究。

其中，中国科技大学的火灾科学国家重点实验室的研究处于国际领先的地位。

依托火灾科学重点实验室的科大立安公司已经研制出双波段火灾探测器LIAN-DC，并通过相关反面的验收，投入实际应用。

同时，上海交通大学，西安交通大学都曾在火灾探测方面进行过积极的研究，并在工程实践中提出过一些算法，其探测手段主要集中在使用红外型摄像机，探测系统的抗干扰性还有待提高。

迄今为止，国内外图像型火灾探测系统还存在误报率高，自动灭火算法误差大等问题。

还有待提出更多更好的探测算法以及算法的实现方法。

2常用的探测系统

国内外科研机构和各大公司开发的众多火灾探测系统基于各种火灾识别模式，常见的是感烟探测系统、感温探测系统、火焰探测系统、气体探测系统和复合式探测系统等，感烟探测系统占有量最高，约70%～80%。

2.1感烟探测系统

感烟式火灾探测器主要是利用烟雾传感器探测火灾中产生的烟雾气溶胶，如中国科技大学提出高灵敏度红外图像式烟雾相对浓度测试系统，该系统利用利用发射红外光，使红外光穿过烟雾，并用CCD接收红外光的方法来检测烟雾浓度。

北京林业大学的郭炜强也对基于运动特征的林火烟雾图像检测技术进行研究，感烟是探测系统在国内国外研究较多，研究较为成熟。

2.2感温探测系统

感温式烟雾探测器主要是利用一个点型或线缆型的温度传感器来探测传感器周围温度的变化或升温速率。

其结构有点型和线缆型，当前广泛使用的是点型电子感温火灾探测器和线缆型易熔金属或记忆金属感温火灾探测器。

如美国的智能微尘监测网络通过直升机飞播温度传感器来了解火灾情况；

德国发明的防火机器昆虫通过红外线和生物传感技术监视森林里的温度来判断是否发生火灾。

2.3感光探测系统（火焰探测系统）

感光式火灾探测器主要是探测火灾中火焰辐射光波的特性。

通常有红外光探测器和紫外光探测器。

（优点缺点）？

？

2.4气体探测系统

可燃气体探测器采用各种光敏元件或传感器来探测火灾初期产生的烟气中某些气体的浓度或气体成分，一般的结构为点型。

当前用于火灾探测的可燃气体探测器主要采用催化燃烧式或者电化学式探测原理。

如葡萄牙的“F3”森林火灾探测系统则是在探测到烟雾后对大气进行化学分析然后发出警报。

2.5复合式探测系统

有些场合会综合使用两种或者两种以上的探测方法，或者是同一种方法两种或两种以上灵敏度的探测器来提高探测能力和性能。

如烟温复合式火灾探测器，双灵敏度感烟输出式火灾探测器。

随着科学技术的发展，森林防火工作正日益走向智能化、系统化、综合化。

因此本毕业设计将综合研究感烟和感温探测系统，以实现降低火灾探测系统的误报率。

3林火识别的算法研究

目前的红外热成像仪林火识别主要依据系统设计者的主观经验对热图像的数据进行处理，现主要的林火识别算法包括阈值判定法、邻域阈值判定法和均值对比判定法。

3.1阈值判定法

在红外热成像中，温度越高的区域图像的像元值就越大，表现在图像上就越亮。

因此需要根据试验，事先设置红外热像仪的着火点的阈值，当像元取值高于这一阈值时系统便认为发现着火点。

将该阈值设定为F，则着火点的集合可表示为:

Fire={a（i，j）︳a（i，j）＞F，1≤i≤m，1≤j≤n}

（2）

3.2邻域阈值判定法

该方法仍然需要事先设置红外热像仪的着火点阈值F，当像元取值高于这一阈值时，需要该像元取值及该像元周边八邻域（考虑到误差及红外热像仪处于不断扫描过程中，均值判定法一般不考虑图像边缘点的取值，故像元均包含八邻域）的取值求平均，若该平均值仍然大于着火点阈值F，则认为发现着火点。

设像元取值及像元周边八邻域取值之和为

Sum，其算法为:

Sum=Σi+1x=i－1a（x，j－1）+Σi+1x=i－1a（x，j）+Σi+1x=i－1a（x，j+1），1＜i＜m，1＜j＜n（3）

则着火点的集合可以表示为:

Fire={a（i，j）︳a（i，j）＞F＆Sum/9＞F，1＜i＜m，1＜j＜n}

3.3均值对比判定法

该方法是在均值判定法的基础之上，求取全图所有像元取值的平均值Ave，再设定一个阈值T，当像元及周边八邻域像元取值的平均值大于Ave+T时，认为发现着火点。

全图所有像元取值的平均值可表示为:

Ave=Σm，ni=1，j=1a（i，j）/m×

n（5）120

阈值判定法通过判定单一像元点取值计算火点，灵敏性最高，但也容易受野外个别奇异点干扰;

邻域阈值判定法提取火点抗干扰能力比阈值判定法有所增强，但能准确判定火点的最远距离会有所缩短;

均值对比判定法提取火点的时候，可以通过求取均值来排除大多数干扰，但其监测距离最短。

为此我们将深入研究监测距离长抗干扰能力又比较强的森林火灾识别算法，以实现算法的最优化。

4基于红外图像分析的图像处理方法

4.1滤波法平均滤波法处理背景噪音。

。

4.2图像分割。

4.3阀值确定。

5实验分析的方法

林火自动识别算法的参数设置受外界环境的影响较大，必须根据当地的实际情况进行测试和调整，国内已有相当多的可以可靠获取算法参数的验证火灾系统可靠度的方法。

本毕业设计将采用的方法。

参考文献

[1]李明.大空间早期火灾的双波段图像型探测方法的研究[D].天津：

天津大学，2007

[2]都该欣.高灵敏度红外图像式烟雾相对浓度测试的研究和实现[J].火灾科学，2001

（1）

[3]基于红外图像和视频分析的林火监测技术[J].。