一種基于多特征融合的紅外森林火災判定方法
【技術領域】
[0001] 本發(fā)明屬于紅外圖像識別領域，具體是指一種采用多特征融合紅外圖像進行火焰 檢測識別的森林火災判定方法。
【背景技術】
[0002] 森林火災是一種突發(fā)性強、破壞性大、救助困難的自然災害。從1950年至1987年 的38年間，全國年均發(fā)生森林火災15838次，火災發(fā)生率為13. 9次/10萬公頃，年均受害 森林面積約為94萬公頃，森林火災受害率平均為8. 5%，是世界同期平均水平的8倍，全國 森林火災年均傷亡800人。有關專家測算，這一時期全國共燒毀木材9. 55億立方米。按每 米價值150元計算，全國直接經(jīng)濟損失達高達1433億元，占全國各類火災總損失的56. 5%。 如何做好森林防火工作，即有效預防和撲救森林火災，確保人民生命財產(chǎn)安全還是一個大 難題，現(xiàn)在只能做到早發(fā)現(xiàn)早撲救，盡量將森林火災造成的損失降到最小。然而森林火災形 勢十分嚴峻，過去近百年的時間里，全球氣溫上升了 0. 5到0. 8°C，尤其是在最近的50年里 上升幅度較大。專家預測未來10到15年，平均氣溫上升的幅度將會更大。隨著林區(qū)氣溫 升高、林區(qū)可燃物增加、火源管理困難等情況，使得森林火災的危險性進一步增加。
[0003] 面對如此嚴峻的森林防火現(xiàn)狀，要求人們運用更多的先進技術和管理方法，采取 最有力的措施，盡可能對森林大火的發(fā)生和蔓延進行最大限度的控制。常見的可見光檢測 火災方法容易受到惡劣天氣和強光的影響，夜間也不能準確的檢測火災，使得森林防火效 率大大降低。最近幾年，基于紅外熱成像的森林防火技術開始進入人們的視野。這種方法 能避免夜間能見度低、環(huán)境惡劣等影響，在森林防火鄰域有著很好的應用前景。
[0004]目前大多數(shù)紅外圖像火災識別方法是針對室內火災的，少數(shù)紅外火災識別應用于 檢測林火，其中現(xiàn)有的紅外熱成像防火方法是將紅外圖像轉為偽彩色進行溫度的檢測，當 達到某個溫度閾值時判斷為火災，然而這就會受到森林環(huán)境中有諸多干擾因素如太陽光和 電線塔等高溫物體的影響，使正確識別率大大降低，不能有效進行森林防火。而且單純的圖 像閾值分割對火災難以準確的識別，無法在森林火災發(fā)生的早期快速、準確、安全的檢測火 災。

【發(fā)明內容】

[0005] 本發(fā)明的目的在于克服上述問題，提供一種基于多特征融合的紅外森林火災判定 方法，能夠在森林火災發(fā)生的早期快速、準確、安全的檢測火災，大大提高了森林防火的判 斷精度，提高了工作效率。
[0006] 本發(fā)明的目的通過下述技術方案實現(xiàn)：
[0007] -種基于多特征融合的紅外森林火災判定方法，包括以下步驟：
[0008]A、紅外圖像序列輸入；
[0009] B、二值化處理；
[0010] C、形態(tài)學處理；
[0011] D、火焰特征提??；
[0012] E、火焰特征SVM分類判別；
[0013]F、利用貝葉斯分類器進行分類決策；
[0014]G、通過步驟F的數(shù)據(jù)判定是否有火災發(fā)生。
[0015] 步驟B中二值化處理采用Otsu算法來進行二值化圖像分割；其中Otsu閾值分割 計算公式★·
[0016]
[0017] 式中P為最佳閾值，ηΗ為整個圖像的平均灰度值，PJk)為灰度值從0至k的像素 j. 概率累加和，，Pi是灰度值為i的像素概率。 i=0
[0018] 步驟C中形態(tài)學處理采用的公式為：
[0019]
[0020] 其中f是閾值化后的圖像，b為腐蝕以及膨脹用的結構元；通過步驟C的形態(tài)學處 理將步驟B中的熱源干擾形成的斑點狀弱小噪聲進一步減少。
[0021 ] 步驟D中的火焰特征包括：紅外火焰高度特性、紅外火焰梯度特性、紅外火焰移動 特性以及火焰頻譜特性。
[0022] 所述紅外火焰高度特性首先通過對火焰的動態(tài)分析，并對一定幀數(shù)進行統(tǒng)計分 析，得到火焰高度動態(tài)特征序列H= h1+1，. . .，h1+nJ，其中的η為采集的長度，h為第i 幀的高度；其次，由于火焰的跳動頻率在2~8Hz之間，根據(jù)香農(nóng)的采樣定理，則需要的采 集頻率應大于16Hz，以保證統(tǒng)計上的穩(wěn)定特征，將采集的靜態(tài)特征加入序列，同時采用長度 為32的序列進行分析，并對加入靜態(tài)特征量的序列進行更新，將新的靜態(tài)特征量加入序列 的尾部，并將序列的頭部刪除；最后，對獲取的最終火焰高度動態(tài)特征序列進行Fourier變 換，設獲得的Fourier系數(shù)集合為F，則集合內第k個元素fk可以描述為：
[0023]
，
[0024] 其中，j2= -1，通過對Fourier系數(shù)F進行分析，可以對干擾進行區(qū)分；
[0025] 由于火焰包含了比較豐富的頻率，因此反應在頻率譜上則具有比較大的能量，將 譜能量P(F)作為紅外森林火焰的判據(jù)，其計算公式如下：
[0026]
[0027] 其中八是fk的復共輒。
[0028] 所述紅外火焰梯度特性的計算過程如下：
[0029]首先對分割出的疑似紅外森林火災高危點和火災火焰區(qū)域中心在X向，y向和 ±45°四個方向上逐像素點做差值運算，來近似四個方向的梯度；接著通過公式= Qw-Qi得到梯度特性并作為紅外森林火焰判據(jù)，其中Qi為采集的當前幀的梯度值的單鏈 表。
[0030] 所述紅外火焰移動特性用火焰的質心來表示，該質心由矩計算求得；對于二值化 后的紅外可疑火災區(qū)域圖像，它的pq矩為：
[0031] Μμ=ΣΣ f(i,j)iPjq,
[0032] 其可疑區(qū)域質心表達式為：
[0033] (X, y)=(M10!MW),
[0034]其中f(i,j)為二值化的紅外可疑區(qū)域像素值，i，j為圖像坐標點，p和q的取值 為正整數(shù)。
[0035] 所述火焰頻譜特性是根據(jù)火焰輪廓的無規(guī)律性以及不規(guī)則的特性，提取出可疑的 紅外火焰區(qū)域的輪廓，先利用Canny邊界提取的方法對可疑區(qū)域的邊界進行提??；然后，以 邊緣區(qū)域的中心點為原點，以水平方向從右邊逆時針把疑似火災區(qū)域分為64等份；計算原 點到邊界輪廓的每條等分的線段的距離可得到關于角度Θ的離散函數(shù)：
[0036] X [1] = f (? Θ ),
[0037] 其中沒x[l]為第1個線段的距離，1 = 0,1，2, · · ·，64,f(iθ)為第i個等 分線段的長度值；
[0038] 因為火焰輪廓不規(guī)則以及隨機變換，與其他一般的物體輪廓差別很大，所以上述 輪廓函數(shù)在進行小波變換到頻域后又將分解為高頻信號和低頻信號；低頻信號包含輪廓本 身大致的信息，而高頻信號則包含了輪廓細節(jié)上的信息，紅外火焰輪廓的高頻信息與其他 一般的物體有比較大的區(qū)別，所以為了確定曲線的高頻內容，我們用x[l]進行一維的小波 變換，小波基函數(shù)為：
[0039]
[0040]其中Φ⑴為小波母函數(shù)，a為伸縮因子，τ為平移因子，Ut)是依賴參數(shù)a,τ的小波基函數(shù)，一維離散小波變換函數(shù)為：
[0041]
[0042]其中j為伸縮因子，代表頻域信息，k為平移因子，代表空間位置，
I^k[l]的復共輒；
[0043] 計算出頻域小波信號W[j，k]后，設定一個閾值jT，當j>夂時的信號值為高頻信息 wH[j，k]，當j〈jT的信號值為低頻信息w Jj，k]，高頻帶的紅外小波火焰信號的變化比一般 的物體的小波信號有很大的差異，所以高波段的能量與低波段的能量比可以作為一個判別 火焰的特征：
[0044]
[0045] 步驟E中火焰特征SVM分類判別是將步驟D中的各個火焰特征輸入SVM分類器中，