火焰检测算法论文_李莉,王绪国

导读:本文包含了火焰检测算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:火焰,特征,算法,向量,火灾,模型,图像。

火焰检测算法论文文献综述

李莉,王绪国[1](2019)在《局部二值模式耦合双阈值LM优化的火焰图像边缘检测算法》一文中研究指出为了解决当前火焰图像边缘检测技术易受到近似亮度的影响,使其得到的边缘不够清晰、完整性不强等不足,定义了一种基于局部二值模式(LBP)耦合双阈值(LM)优化的图像边缘检测算法。将彩色图像转换为灰度图像,并根据统计分布调整图像的灰度。采用高斯滤波器平滑图像,消除噪声影响。然后,利用LBP处理图像,并采用全局阈值技术进行计算,获取边缘局部特征。通过非极大值抑制算子来得到更精确的边缘,在非极大值抑制中选择2个阈值来创建2个不同的边缘图像。为了加快这2个非极大值抑制阈值的优化过程,采用LM优化算子,优化了基于均方误差的成本函数,消除了虚假边缘的同时保留了细小边缘。此外,利用火焰图像的面积、平均值、标准差、方差等各种参数对火焰图像进行分析,从而准确得到火焰温度以及预测燃烧的稳定性。通过实验表明,与当前火焰图像边缘检测技术相比,算法能够具有更高的边缘检测质量,火焰边缘完整度更好,可以有效去除噪声和不相关的伪影。(本文来源于《电子测量与仪器学报》期刊2019年06期)

谭勇,谢林柏,冯宏伟,彭力,张正道[2](2019)在《基于图像的火焰检测算法》一文中研究指出在传统的火焰检测算法中,火焰前景提取容易出现火焰轮廓不完整和抗干扰性较差的情况。为此,融合红/绿/蓝(RGB)、色调/饱和度/亮度(HSI)和最大类间方差法(Otsu)提出一种新的火焰前景提取算法,利用双颜色空间融合的算法能够提取较完整的火焰轮廓,使火焰轮廓所受干扰影响程度尽量小。获得前景图像后用灰度共生矩阵提取纹理特征,在YCbCr颜色空间中提取颜色特征,用于最终的火焰判断。同时提出一种改进的概率神经网络(PNN),将传统PNN中单一固定值的平滑因子改进为多变量参数,用条件期望最大化(ECM)算法对PNN中平滑因子进行参数优化,再将提取的特征输入改进后的PNN中训练测试。仿真结果表明,该算法具有良好的抗干扰能力,能够提高对火焰识别的精度。(本文来源于《激光与光电子学进展》期刊2019年16期)

金国伟,周立萍[3](2018)在《基于视频图像检测算法的森林火焰检测》一文中研究指出森林是世界上重要的自然资源之一,它给人们的生产和生活带来了非常大的经济价值。然而,森林火灾的发生将会烧毁植物,烧死动物,造成不可估计的损失。旨在研究一套基于视频图像检测算法的森林防火系统,能够对初期的火灾进行检测,预防火灾发生,减少经济损失。(本文来源于《现代制造技术与装备》期刊2018年08期)

陈越,赵亚琴,蒋林权,孙一超[4](2018)在《森林火灾火焰像素检测的背景减除算法》一文中研究指出背景减除(background subtraction,BS)是森林火灾火焰图像中运动像素检测的主要手段,已有文献多采用高斯混合模型进行运动像素检测,然而GMM算法对于背景包含大量运动像素的视频并不能取得好的效果,而野外环境的森林火灾视频风吹树枝叶会导致大量的运动像素。为更好地提取森林火焰的运动像素,对36种BS检测算法应用于光照强度变化、树枝叶摆动、相机抖动等多种森林火灾视频进行实验,并选择4种效果好的BS检测算法(高斯平均值背景减除法(DPWren GA)、改进的高斯混合模型(DPZivkovic AGMM)、混合高斯背景模型(Mixture Of Gaussian V2)、局部二进制相似度分割背景减除法(LOBSTER))进行分析研究。结果表明,DPWren GA法检测到的前景完整性不够理想,但其噪声点最少,精确率最高。LOBSTER法能最完整地分割出前景。4种算法对阳光强烈的场景和存在树枝遮挡的火灾视频的检测效果都不是很理想,但对相机抖动有较好的适应性。(本文来源于《林业工程学报》期刊2018年04期)

孟令昀[5](2018)在《基于特征优化的视频火焰检测算法研究》一文中研究指出火灾所造成的损失是巨大的。因此对于火灾检测的研究具有重要意义。目前市场上的火灾探测器主要分为传统型和图像型两大类。传统型火灾探测器通过对温度、烟雾等检测判断是否有火灾发生,使用范围受限制较大,且无法对现场进行直观的观察;图像型火灾探测器通过视频图像的识别实现对火灾的检测,使用范围较广,可以通过视频观察,对实时火情进行较准确的判断。现有的图像型火灾探测器大多是利用红外图像进行检测,但在中国工程建设标准化协会发布的《可视图像早期火灾报警系统技术规程》(CECS 448:2016)中规定,可视图像早期火灾报警系统是指仅采用计算机视频图像分析技术进行火灾探测的火灾报警系统,不包括使用图像火灾探测和红外或紫外线火灾探测相结合的方式。因此本文对基于普通彩色视频的火焰检测算法进行了相关研究。本文提出了一种与视频质量评价相结合的火焰识别算法,实现对视频中火焰的检测和定位。该算法将传统的基于视频图像的火灾检测识别方法与图像质量评价相结合,在识别过程中实现基于视频质量的火焰特征动态筛选及基于视频质量的特征加权火焰判别,从而提高识别速度及准确度,并使其能够自适应于多种不同质量的视频;然后利用MATLAB进行算法的仿真;最后利用现有火焰视频库,将本文算法与现有算法进行对比分析。本文的主要创新点包括:将传统的视频火焰检测与视频质量相结合;提出了基于视频质量的火焰特征动态筛选;提出了基于视频质量的特征加权火焰判别;对无参考图像清晰度评价算法进行改进,且与两种经典算法进行拟合分析;提出了一种基于HSV颜色模型的无参考图像色偏检测算法,并与一种现有的算法进行了对比分析。(本文来源于《暨南大学》期刊2018-06-27)

刘芳[6](2018)在《面向视频的火焰检测与跟踪算法研究》一文中研究指出火灾的频发直接给人类造成难以预料的灾难。实现火灾的高效监测与实时预警是当前社会亟需解决的问题。近年来,基于视频图像的火灾探测技术迅猛兴起,这类探测技术具有反应灵敏度高、适用性广、响应速度快、成本较低等优点,是一种预防火灾的有效解决方法。但由于火灾场景复杂多变、相似性光源的干扰和火焰运动的不规则性等因素,使得目前现有的火焰检测与跟踪算法难以同时满足精确性、鲁棒性以及实时性要求。因此,本文提出并改进了面向视频的火焰检测与跟踪的系列算法,具体研究工作如下:(1)针对现有的火焰分割算法存在的错检和漏检现象以及Chan-Vese(CV)模型收敛慢等问题,提出一种基于颜色先验信息和改进的CV模型相结合的火焰分割算法。首先根据YCbCr颜色模型初步分割得到的疑似火焰区域来设定CV模型的初始轮廓曲线位置;然后利用局部加权平均和加窗滤波技术有效抑制噪声的干扰并减少冗余轮廓;最终实现快速而有效的火焰分割。(2)为了提高检测与跟踪的准确性,详细分析和提取了视频火焰的静动态特征。首先根据连续帧间火焰区域的增长变化来提取火焰的形态特征;然后统计火焰像素点在一段时间内的亮度跳变次数来分析火焰的闪烁频率,并引入新颖的词袋模型来描述火焰运动特性;最后通过实验论证这些特征作为火焰识别判据的合理有效性,为下一步的火焰跟踪奠定基础。(3)为了预测火势蔓延情况和实现火焰准确跟踪定位,提出一种基于粒子滤波和区域特征信息融合的快速火焰跟踪算法。首先采用基于加权颜色直方图的粒子滤波算法预测火焰目标位置;然后在跟踪到的候选区域内进行动态火焰的多类特征提取,并利用多专家系统的分类方法将多特征融合进行火焰目标判定,同时将火焰目标的颜色特征和动态融合特征作为互补观测信息更新粒子的权值;最后采用滑动窗的方法建立连续帧间的数据关联和区域匹配,以实现火焰的快速准确跟踪。选取不同复杂场景的火灾和非火干扰视频进行实验测试,仿真结果表明,与同类算法相比,本文提出的创新算法在分割速度、检测精度和跟踪效果上都得到了进一步的改善。(本文来源于《南昌航空大学》期刊2018-06-01)

张楠波[7](2017)在《基于视频的火焰检测算法研究》一文中研究指出火灾是当今国内外发生频率高、危害比较大的的灾害之一,它的存在严重威胁了人类的的生命财产安全,也造成了整个社会的经济损失。所以及时、准确的检测到火灾的发生是一件对社会进步非常有意义的事。但是传统基于感光感烟等的火灾探测器不仅受环境影响较大,而且还存在存在响应速度慢、误检率高等问题。随着人工智能与图像处理理论研究的加深与视频监控设备的普及,越来越多的目光聚焦到了使用计算机视觉来检测视频火焰的方式上。本文针对传统火焰颜色检测上存在的模型简单,检测火焰类型单一的缺点,在假定火焰区域像素点各通道是相互独立的条件下,提出一种基于RGB颜色通道的高斯分布模型,并基于概率学知识推导出该模型的置信度。根据火焰图像R通道像素值分布在其平均值周围的不对称程度定义一种火焰图像的偏度。根据人类视觉系统的选择性注意机制在不需要训练的情况下能快速地定位到图像中的显着物体上,本文引入了自下而上的视觉显着性概念,先从视频帧序列火焰图像中求得图像的局部显着性,全局显着性这两个初阶段图像特征图谱,然后对这两个求得特征图谱进行加权融合,得到的综合火焰显着性图来表征火焰的候选区域。接着利用火焰的颜色特征模型对候选区域进行判断,用累计帧差算法排除与火焰有相同颜色的其他显着目标。最后提取火焰的空间结构,区域几何等特征,用支持向量机进行最终的分类判别。实验结果表明,本文提出的局部显着性,全局显着性融合的算法能够在复杂背景下比较快速的提取出火焰候选区域,提升了识别效率。本文所提出的火焰图像的置信度与偏度也能比较准确的描述火焰特征。多个特征下用支持向量机进行火焰判别效果良好,在常规的火焰视频中能成功的排除干扰,正确的识别出是否存在火焰区域。(本文来源于《江苏科技大学》期刊2017-12-29)

张兴坤[8](2017)在《基于视频的火焰检测算法研究》一文中研究指出火灾作为自然灾害之一,每天都影响着世界各地的日常生活。传统的火灾探测器有感温、感烟、感光、气敏以及复合式火灾探测器,这些火灾探测器只能对某一特征信息进行采集,受环境影响。随着信号处理、人工智能等技术的发展,产生了基于视频的火灾检测系统。利用摄像设备获取监控场景的影像信息,自动检测火灾并预警,有着成本低、检测率高、响应迅速等优点,相关研究日益受到关注和重视,成为学术研究热点。本文首先总结了国内外火焰检测算法的发展现状及理论研究成果,之后介绍了火焰检测的主流技术。研究并设计火焰视频前景检测方法,分析提取多维度特征有效表征火焰,并实现了基于支持向量机的火焰检测。研究深度学习的方法,并将卷积神经网络用于火焰检测中。在一般的卷积神经网络的基础上,增加了网络深度,实现了对火焰的识别并分析了网络性能。本文主要开展工作如下:(1)提出了一套复杂环境下火焰检测方法。针对目前火焰颜色模型一般为某个颜色区间,无法精确表征火焰颜色特征的问题,在不同空间对火焰颜色进行分析,寻找火焰像素值在空间的分布规律,据此建立更精确的颜色概率分布模型。针对复杂场景下火焰区域提取困难的问题,提出一种基于搜索框的前景提取方法,充分利用火焰的颜色和运动特性,并综合颜色及运动的帧间相关性,准确提取火焰区域。对基于图像块的火焰特征进行研究,融合了火焰颜色显着性特征、空间梯度特征、帧间梯度特征、闪烁特征和火焰质心运动特征等多维度特征,用于火焰的表征和识别。根据融合的特征采用支持向量机进行分类检测,分析了各个特征对分类准确率的影响。(2)考虑到近年来深度学习的快速发展,以及卷积神经网络在图像分类上的卓越表现,将其应用于火焰检测,并与传统的模式识别方法进行比较。设计了具有更多隐层的卷积神经网络结构,实现了对火焰的分类检测,并通过实验分析了卷积神经网络的性能。实验结果表明,本文提出的前景提取算法能够在复杂背景下较精确地提取出目标区块,提升了识别效率。采用设计的多维度火焰特征可以通过支持向量机进行火焰的有效分类识别,效果良好。卷积神经网络能够应用于火焰识别,但需考虑通过提供更多更具有针对性的训练数据集提升泛化能力。(本文来源于《沈阳工业大学》期刊2017-05-18)

吴格林[9](2016)在《基于视频的火焰检测算法研究》一文中研究指出火灾是最常见和高发的灾害之一,它对人类的生活和自然环境带来了严重的影响,给人类的生命和财产带来直接损失。研究准确高效的火焰检测算法,设计稳定可靠的火焰报警系统,从而尽可能地避免和减少火灾的发生,对于社会生活和自然生态的保护具有重大意义。本文对视频的火焰检测问题进行了深入的分析和讨论。本文的研究主要分为图像预处理、火焰特征分析、疑似火焰区域分割、支持向量机(SVM)火焰模型的训练和调优以及结论分析五个部分。图像预处理中使用了高斯滤波和双边滤波对图像的噪声进行过滤,并且对图像的亮度、颜色及对比度进行了增强。在火焰的特征分析中,从RGB、HSI和YCbCr叁种颜色空间中进行了颜色矩特征量的提取,使用GLCM对区域图像进行纹理特征描述,综合颜色和纹理特征构成了火焰图像的特征向量。在疑似火焰区域分割中,使用了高斯混合模型对视频前景进行提取,使用颜色火焰模型对前景进行过滤,使用形态学的闭操作对前景进行优化,使用基于Seed-Filling的区域连通性分析对前景进行多目标分割,最终得到了疑似火焰区域。在SVM模型的训练和调优中,介绍了模型训练和预测的流程以及核函数的选择,模型的参数进行了大量试验寻优,最后得到了基于颜色和纹理特征的SVM火焰检测模型,并使用该模型对不同场景下的测试视频进行了验证。在本文最后一个部分的结论分析中,客观分析了模型的优缺点,提出了进一步改进的方向。(本文来源于《天津大学》期刊2016-11-01)

谭亚鹏,李丽华,张书真[10](2016)在《自适应Retinex与Canny的炉膛火焰边缘检测算法》一文中研究指出对炉膛火焰图像的增强与检测是获得炉膛内部燃烧情况的重要手段.首先,提出了一种自适应多尺度Retinex算法,提高了火焰清晰度和炉膛火焰与炉膛的对比度.其次,提出了识别火焰边缘改进的Canny算法,提高了火焰边缘清晰度.仿真结果表明,炉膛火焰与环境对比度得到提高,改善了图像的视觉效果,火焰边界连续且轮廓清晰.(本文来源于《吉首大学学报(自然科学版)》期刊2016年03期)

火焰检测算法论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

在传统的火焰检测算法中,火焰前景提取容易出现火焰轮廓不完整和抗干扰性较差的情况。为此,融合红/绿/蓝(RGB)、色调/饱和度/亮度(HSI)和最大类间方差法(Otsu)提出一种新的火焰前景提取算法,利用双颜色空间融合的算法能够提取较完整的火焰轮廓,使火焰轮廓所受干扰影响程度尽量小。获得前景图像后用灰度共生矩阵提取纹理特征,在YCbCr颜色空间中提取颜色特征,用于最终的火焰判断。同时提出一种改进的概率神经网络(PNN),将传统PNN中单一固定值的平滑因子改进为多变量参数,用条件期望最大化(ECM)算法对PNN中平滑因子进行参数优化,再将提取的特征输入改进后的PNN中训练测试。仿真结果表明,该算法具有良好的抗干扰能力,能够提高对火焰识别的精度。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

火焰检测算法论文参考文献

[1].李莉,王绪国.局部二值模式耦合双阈值LM优化的火焰图像边缘检测算法[J].电子测量与仪器学报.2019

[2].谭勇,谢林柏,冯宏伟,彭力,张正道.基于图像的火焰检测算法[J].激光与光电子学进展.2019

[3].金国伟,周立萍.基于视频图像检测算法的森林火焰检测[J].现代制造技术与装备.2018

[4].陈越,赵亚琴,蒋林权,孙一超.森林火灾火焰像素检测的背景减除算法[J].林业工程学报.2018

[5].孟令昀.基于特征优化的视频火焰检测算法研究[D].暨南大学.2018

[6].刘芳.面向视频的火焰检测与跟踪算法研究[D].南昌航空大学.2018

[7].张楠波.基于视频的火焰检测算法研究[D].江苏科技大学.2017

[8].张兴坤.基于视频的火焰检测算法研究[D].沈阳工业大学.2017

[9].吴格林.基于视频的火焰检测算法研究[D].天津大学.2016

[10].谭亚鹏,李丽华,张书真.自适应Retinex与Canny的炉膛火焰边缘检测算法[J].吉首大学学报(自然科学版).2016

论文知识图

基于叁种不同空间的火焰检测算法火焰检测算法火焰检测算法系统硬件框图火焰检测算法火焰检测算法Fig.2Thealgorithm...视频图像火焰检测算法流程图

标签:;  ;  ;  ;  ;  ;  ;  

火焰检测算法论文_李莉,王绪国
下载Doc文档

猜你喜欢