基于cie lab颜色模型和模糊c均值算法结合的火焰分割算法的研究

视频图像的火灾探测技术不断发展为火焰可疑区 域的分割和火焰特征的提取技术提供了助力，而区域 分割和特征提取是火焰识别的关键步骤。为确保识别 图像中目标物体、检索图像的及时性、准确性，需要提取高精度 的图像分割结果。以此类推，如果提高疑似区域的特征准确率， 将有效提高分类器的火焰识别精度，如果特征准确率不高甚至很 低，分类器的作用将深受影响，不能有效判断火焰和干扰物，误 报概率也会大幅提高。为解决这一问题，本章将火焰可疑区域的 分割作为研究的主要内容。
• 24 •
图2 探测算法流程框架图
图3 CIE Lab颜色空间
ELECTRONICS WORLD・探索与观察
3.1 CIE LAB颜色模型 现在社会上的科研中心选择颜色模型时多为CIE Lab颜色模
型，因为该模型可以将视力正常人看到的所有颜色表现出来，也 可以实现将自然界的任何一种颜色表示出来。该模型不仅可以将 RGB等模式所能描述的色彩信息都能得到映射，而且在任何系统 和平台之间交换均不会出现任何偏差，彻底克服了其他模型依赖 设备的缺点。
ELECTRONICS WORLD・探ห้องสมุดไป่ตู้与观察
目前视频图像型火灾探测技术不停地进步与完善，效果体现 在复杂环境下，特别是大空间火灾探测的精准率得到大幅度提升， 但是依然存在着诸多需要改进的地方。现在的图像型火灾探测算法 中一般都存在着数据量较大的问题，为增加该算法的实用性、准确 率，本文将对火焰分割进行系统研究。目标分割是开展图像特征提 取和目标识别的前提和基础，起到关键性的作用，本文通过分析和 借鉴当前的火焰分割算法，取长补短，积极探索建立了一种利用 模糊C均值和CIE Lab颜色模型新的火焰分割方法。第一步利用CIE Lab空间设置火焰颜色模型，第二步根据不同颜色分量进行分割， 第三步利用模糊C均值算法计算出同一区域内的离散目标并进行合 并，进一步提高火焰分割的准确性，火灾探测的精确性。
CIE LAB
基 于
西
安
颜
建
色
筑 科 技
分 割
模 型
大算 和
学 华 清
法 的
模 糊
学研
院究 均
沈
值
算
雯
法
结
合
的
火
焰
C
火灾探测模型进行对比——满足条件及时进行火灾预警。目前社会 中应用最多的的图形型火灾探测技术多为两种：火焰探测和烟雾探 测，通过比较可以知道，图像特征技术的效果更加明显：识别精 度、分辨率更高，构造检测模型更加简单高效。 2.1 图像型火灾探测系统的构成
ELECTRONICS WORLD・探索与观察
图1 图像型火灾探测系统的形成图
图像，然后通过视频采集卡转换视频格式，最后一步是利用PC机 进行系统测试，图1所示是图像型火灾探测系统的形成图。 2.2 图像型火灾探测算法
社会在不断发展、进步的同时，对于火灾探测的智能化提出了 更高的要求，如何解决智能火灾探测技术是当前图像型火灾探测最 需要克服的难题，目前智能火灾探测系统的流程大致是一样的，探 测算法大体由下面的几项步骤组成：采集现场视频；对采集的图像 进行预处理；将疑似火焰的区域进行分割；选择、提取图像中的火 焰特征，算法处理流程如图2所示。
3.利用CIE LAB颜色模型和模糊C均值算法相结合的火焰分割 算法
火焰的燃烧过程特性较多，颜色特性和运动特性是最为明显的 两种特性。目前火灾发生时可能处于各种各样的环境，复杂多样并 且不具备可预测性，仅仅依靠火焰的颜色特性或运动特性是不能有 效分割疑似火焰区域的，往往会造成过分割和漏分割的现象。如何 更加准确高效地分割火焰疑似区域是技术发展的必然要求，现阶段 实现这一目的需要将火焰的运动特性和颜色特性紧密结合起来，达 到选择出最合适的颜色空间和运动探测办法的目的。
科学家对火灾探测技术的研究一直在进行，最初多针对大空间 的建筑，此类场所大多存在气流不稳定的现象，火灾探测器技术多 根据感烟、感温、相对湿度、空气透明度等特点进行火灾预测，此 种技术不够稳定，火灾探测不及时且准确率较低，原因为探测距离 不固定、热障效应等其他环境因素的影响。
为了有效提高火灾初发时的探测率，及时发现并扑灭火灾，降 低火灾的各种危害，众多学者均在图像型火灾探测方面进行深入的 研究。图像型火灾探测技术原理为：安装固定摄像机探头——视频 采集卡收集视频——计算机图像技术识别火灾信号——火灾报警， 该技术大大降低了传统火灾探测器误报、迟报等问题。
2.图像型火灾探测系统 图像型火灾探测技术经过一定时期的应用与发展，优势特别
明显，具体表现如下：应用范围广、反应速度快，是传统火灾探测 技术完全不能相提并论的，尤其是在大空间建筑环境中火灾预警准 确率是相当高的。该技术的原理如下所示：安装摄像头采集现场视 频图像——视频采集卡传输视频——系统分析视频图像并与设定的
如图2所示，第一步利用监控设备实时采集现场的 视频信息，第二步及时将采集的视频进行图像预处理， 第三步及时判断是否存在火焰可疑区域，如不存在则继 续进行第一步，否则进行下一步，第四步将可疑区域进 行技术分割，第五步选择、提取可疑区域的火焰特征， 第六步判明此时监控区域内是否发生火灾，如不存在则 继续进行第一步，确定发生火灾时触动报警信号及时进 行报警。下面的文章将专门介绍一下图像处理算法的一 些具体内容。 2.3 火焰可疑区域的检测
图像型火灾探测系统一般均安装固定的摄像头实时监控探测， 如发现可疑物体则与火灾探测模型进行对比，如有火灾发生，及时 进行火灾预警。系统装备主要有：摄像机、视频采集卡、PC机、 报警装置；系统工作模块主要为：视频采集、转换数据、智能判断 火灾、视频存储与回放。大致过程是先利用摄像机采集录制的视频
• 23 •
虽然图像型火灾探测技术不断地发展完善，但是探测环境的 多样性、多变性对该技术的实用性、准确度提出了更加严格要求。 不同光源、背景在诸多环境下，对火焰的特征选择、分割、识别有 着相当大的影响，火灾可疑区域的分割算法依然存在着诸多改进地 方，所以本文将进一步研究火灾可疑区域的探测问题并提出自己的 解决方案。
1.前言 火灾的危害众所周知，最明显的是毁坏物质财产，造成社会秩
序的混乱，更严重的是可能直接或间接危害人敏群众的生命安全。 当今社会，火灾事故依旧频发，且危害更加严重，对于预防和控制 火灾技术的研究越来越重要。火灾报警技术可以及时发现并有效控 制早期火灾的发展，切实减少物质财产带来的损失，因此，开展此 项技术的研究是十分必要的。