基于HIS模型的火焰图像分割算法研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第 22 卷 第 10 期 文章编号: 100325850 ( 2009) 1020031204
电脑开发与应用
( 总 791)
・31・
基于 H IS 模型的火焰图像分割算法研究
The Study on Segm en ta tion of Flam e I mage ba sed on H IS M odel
由于目前视频采集设备所采集到的现场图像经 过保存后通常为彩色图像。 彩色图像的色彩信息非常 丰富, 可以作为图像分析处理的重要依据和条件, 尤其 对于所要研究的颜色特征比较明显的火灾火焰图像, 基于彩色图像的分析处理是正确识别火灾图像的关键 所在。 目前火灾图像的识别的方法大多是在灰度化的基 础上进行的, 像火焰图像这样颜色特征非常明显的一 类图像, 采用直接灰度化的方法, 过早的丢弃了图像的 色彩信息, 使得后期的处理更加复杂。 因此, 在图像灰 度化之前, 应该对彩色图像进行分割以便更好的划分 识别区域和背景区域。 火灾火焰作为火灾发生时重要 的图像信息, 对其进行的图像处理对后期提取火焰的 静态和动态特征具有重要的前提作用。 同时图像分割 是从图像处理进到图像分析的关键步骤, 也是识别系 统的重要过程。
・32・
( 总 792)
基于 H IS 模型的火焰图像分割算法研究
2009 年
硬件设备。 另一类面向以彩色处理为目的的应用, 如动 面中的彩色图形。 ① 面向硬件设备的最常用彩色模型是 R GB 模 型; ② 而面向彩色处理的最常用模型是 H IS 模型; ③ 另外, 在印刷工业上和电视信号传输中, 经常 使用 CM YK 和 YU V 色彩系统。 颜色模型的用途是在某些标准下用通常可接受的 方式简化彩色规范。 现在所用的大多数颜色模型都是 面向硬件的或是面向应用的。 在数字图像处理中, 实际 中最通用的面向硬件的模型是 R GB 模型, 该模型用 于彩色监视器和一大类彩色视频摄像机。H IS ( 色调、 亮度、 饱和度) 模型更符合人描述和解释颜色的方式, 可以把图像分成彩色和灰度信息, 使其更适合许多灰 度处理技术。
1 [ 90- a rctan (A 360 G< B } ]
3 ) + {0, G ≥B ; 180, ( 4)
中图分类号: T P39114 文献标识码: A
ABSTRACT In o rder to conduct facilita tely the p rocessing and iden tifica tion of the co lo r and ou tline in the fire recogn ition system , th is a rticle m akes H IS m odel a s the ba sic co lo r sp ace, H IS m odel is ba sed on the hum an visua l system , u sing the hue, sa tu ra tion and b righ tness to describe the co lo rF ina lly, w e p u t fo rw a rd the fire i m age segm en ta tion a lgo rithm ba sed on the H IS m odel1 KEYWO RD S H IS m odel, segm en ta tion a lgo rithm , fire flam e, clu stering
3 2009205228 收到, 2009208206 改回
2 颜色模型
火焰的颜色特征是对火焰进行识别的一个有效判 据。 为了科学地定量描述和使用颜色, 人们提出了各种 颜色模型。 目前常用的颜色模型按用途可分为两类, 一 类面向诸如视频监视器、 彩色摄像机或打印机之类的
3 3 郭 维, 女, 1985 年生, 研究生, 研究方向: 计算机视觉与数字图像处理。
211 RGB 颜色模型
结合 H IS 模型的特征, 通过对亮度强度分量的增强处 理来改善整幅图像的对比度和动态范围; 通过对饱和度分量的非线性指数调整来提高色彩 的分辨率。
3 彩色坐标转换
311 从 RGB 到 H IS 空间转换
由于 R GB 格式是以三维笛卡儿坐标系为基础 的, 而 H IS 格式是以圆柱坐标系为基础的, 所以, 从 R GB 到 H IS 格式的转换, 要旋转 R GB 立方体的黑2白 对角线到 H IS 圆柱体中轴线, 并与之重合。这时, 以这 条重合线为 z 轴, 并令原 R GB 坐标系中 R 轴与 z 轴 构成平面 (R 轴就在这个平面上) 。 这样一来, 原来的 R GB 立方体的八个顶点、 投影 到新坐标的平面上就是六个点, 将它们连接起来形成 了一个六角形 ( 如图 1a ) 。
Leabharlann Baidu
本文所采用的基于 H IS 模型的火焰图像分割就 属于特殊图像分割技术范畴。 通过图像分割提取物体轮廓, 并定位图像中的目 标物体。 在理想图像中, 可以采用挖空法再结合边缘跟 踪技术设计算法来实现, 但在实际工程应用中, 所获取 的图像中的噪声很多, 而现有的边缘检测算法, 使用
Canny、 Robert s C ro ss、 P rew it t 和 Sobel 等边缘检测算
1 图像分割
一方面, 图像分割是目标表达的基础, 对特征测量 有重要影响。 另一方面, 因为图像分割及其基于分割的 目标表达、 特征提取和参数测量等将原始图像转化更 抽象更紧凑的形式, 使得更高层次的图像分析图像理 解成为可能。 目前常见的分割技术主要有: 阈值分割法、 边缘检 测法、 统计学分割方法、 结合区域和边界信息的方法、 结合特定理论工具的分割技术如马尔可夫随机场、 高 斯混合分布等、 以及一些特殊图像分割技术。
到 y 轴或 z 轴比较容易得到。 所以, 这个新的 x y z 坐标 系值与 R GB 坐标之间的关系为: 1 1 [ 2R - G - B ], y = [ G - B ], x= 6 2 1 [R + G + B ] z= 3 为了转换到 H IS 的圆柱坐标系中, 上述 x y z 三维 笛卡儿坐标还要经过一次变换。 因:
H =
其中, C 1 为火焰的 H 、 、 I S 值所构成的空间。 假设捕获的两帧相邻图像为 f 1 ( x , y ) , f 2 ( x , y ) , 根据 H IS 模型分割可判断是否有可疑火焰区域。先对 两帧图像作彩色分割得 g 1 ( x , y ) , g 2 ( x , y ) , 然后, 取其 亮度信息 I 1 ( x , y ) , I 2 ( x , y ) 进行异或运算: ( 10) d (x , y ) = I 1 (x , y ) I 2 (x , y ) 得到的 d ( x , y ) 是一个二值图像, 对此二值图像可 以进行中值滤波, 即可将条状线形相似物滤除掉。 同时 得到的 d ( x , y ) 反映了两帧图像间不同部分。 当 d ( x , y ) 中的亮点数超过阈值 T n 时, 说明有可疑火焰存在。
图 1 H IS 彩色空间中的 x oy 平面
因为立方体空间对角线长度为 转 Α角 z 与轴重合, Α = a rcco s ( 1 影到 x 轴的长度为 ( 上的投影是 (
2 2
2 , 该对角线旋
3 ) 。于是, R 点投
3 )R , 而 G 和B 在 x 轴
3 ) ( 1 2) G (h 或 B ) 的负值。 投影
( x 2 + y 2 ) , <= ang ( x , y ) ( 2) = Θ 这样, 就可以找到 (R , G, B ) 与 ( <, Θ , z ) 的对应。 然而, ( <, Θ , z ) 是六角柱面体, 而不是圆柱面体, 所
以, 还要进一步使饱和度 Θ归一化。 由此, 导出归一化 饱和度公式为: ) m ax - ( Θ m ax - Θ Θ Θ 3m in (R , G , B ) = = 1= S= Θ Θ R + G+ B m ax m ax m in (R , G , B ) 1I
郭 维1 李晋惠2 ( 1 西安工业大学计算机科学与工程学院 西安 710032) (2 西安工业大学数理系 西安 710032) 【摘 要】 在火灾识别系统中, 为了更加方便地进行色彩与轮廓的处理和识别, 将 H IS 模型作为基本的颜色空间, 饱和度和亮度来描述色彩的, 最后提出了基于 H IS 模型的火灾图像分 H IS 模型是从人的视觉系统出发, 用色调、 割算法。 【关键词】H IS 模型, 分割算法, 火灾火焰, 聚类
( 3)
式 ( 3) 给出了完全饱和 ( 在 ( <, Θ , z ) 坐标系中 Θ =
第 22 卷 第 10 期
电脑开发与应用
( 总 793)
・33・
m ax ) 的颜色落在了 x oy 平面内的一个单位圆上的结果 Θ ( 如图 1b ) 。 所谓完全饱和的颜色, 是指在三基色中没
有多于两个基色存在。 在式 ( 2) 中, 色度由 < 定义, 即 ( x y ) 的正反切, 但 是要考虑色度值处于色环的哪一个象限之内。 因此, 归 ( ) 一化的色度 H 值为:
由 CCD 摄像机采集的火灾视频图像都是基于 R GB 彩色模型的, 在 R GB 彩色模型中, 每种颜色出现 在红、 绿、 蓝的原色光谱分量中, 所表示的图像由 3 个 图像分量组成, 每一个分量图像都是其原色图像。 当送 入 R GB 监视器时, 这三幅图像在荧光屏上混合产生 一幅合成的彩色图像。在 R GB 空间, 用以表示每一像 素的比特数叫做像素深度。考虑 R GB 图像, 其中每一 幅红、 绿、 蓝图像都是一幅 8b 图像, 在这种条件下, 每 一个 R GB 彩色像素 (R , G , B ) 值 3 个一组, 称为有 24b 深度 ( 3 个图像平面乘上每平面比特数) 。 全彩色图像 常用来定义 24b 的彩色图像。在 24b 的彩色图像中颜 色总数是 ( 28 ) 3 = 16 777 216。 212 H IS 颜色模型 H IS 色彩空间是从人的视觉系统出发, 用色调 (H ue ) 、 亮度 ( In ten sity ) 和饱和度 ( Sa tu ra t ion ) 来描述 色彩, 三分量 H 、 I、 S 具有相对独立性, 可分别对其进 行控制, 能够准确定量的描述颜色特征, 因而在图像处 理与分析中, 常常需要把 R GB 空间转换为 H IS 空间。 在 H IS 模型中, H 描述了纯色 ( 如红、 纯黄或桔 黄) 的颜色属性; S 提供了由白光冲淡纯色程度的量 度; I 表示色彩的亮度强度。 在所有模型中, 最常用于 彩色图像处理的模型是 H IS 色彩空间。这是因为 H IS 模型基于两个重要的事实: ① I 分量与图像的颜色信息无关; ② H 和 S 分量与人眼获得颜色的方式密切相关。 由于这些特征使得 H IS 模型非常适合于借助人 眼视觉系统来感知颜色特性的图像处理算法。 为此, 选 择 H IS 色彩空间作为彩色图像处理的模型。因为人眼 视觉系统对亮度变化比对色调和饱和度变化更敏感,
子, 根据灰度值是否发生跃变来检测图像中物体的边 缘。 这些方法检测出的轮廓一般粗细不一, 边缘不连续 之处过多, 为此在检测出图像中物体的轮廓后, 还要花 费大量的时间来进行轮廓的细化处理, 再把不连续的 轮廓连接起来。 为此本文提出一种基于 H IS 模型分割的实现算 法, 可以同时实现噪声消除和轮廓提取, 以更好地定位 图像中的目标物体。 其算法思想是, 先用颜色聚类判断 有无目标物体, 若有, 则得到目标物体的区域, 然后对 该区域图像用颜色选取法来确定的目标的区域, 在图 像中可以得到一块连通的区域, 这些区域有的是物体 部分, 有的则是噪声; 再把每一个连通的同一颜色区域 看作是一个集合, 对每一个集合进行具体分析, 消除噪 声, 得到物体的轮廓。
电脑开发与应用
( 总 791)
・31・
基于 H IS 模型的火焰图像分割算法研究
The Study on Segm en ta tion of Flam e I mage ba sed on H IS M odel
由于目前视频采集设备所采集到的现场图像经 过保存后通常为彩色图像。 彩色图像的色彩信息非常 丰富, 可以作为图像分析处理的重要依据和条件, 尤其 对于所要研究的颜色特征比较明显的火灾火焰图像, 基于彩色图像的分析处理是正确识别火灾图像的关键 所在。 目前火灾图像的识别的方法大多是在灰度化的基 础上进行的, 像火焰图像这样颜色特征非常明显的一 类图像, 采用直接灰度化的方法, 过早的丢弃了图像的 色彩信息, 使得后期的处理更加复杂。 因此, 在图像灰 度化之前, 应该对彩色图像进行分割以便更好的划分 识别区域和背景区域。 火灾火焰作为火灾发生时重要 的图像信息, 对其进行的图像处理对后期提取火焰的 静态和动态特征具有重要的前提作用。 同时图像分割 是从图像处理进到图像分析的关键步骤, 也是识别系 统的重要过程。
・32・
( 总 792)
基于 H IS 模型的火焰图像分割算法研究
2009 年
硬件设备。 另一类面向以彩色处理为目的的应用, 如动 面中的彩色图形。 ① 面向硬件设备的最常用彩色模型是 R GB 模 型; ② 而面向彩色处理的最常用模型是 H IS 模型; ③ 另外, 在印刷工业上和电视信号传输中, 经常 使用 CM YK 和 YU V 色彩系统。 颜色模型的用途是在某些标准下用通常可接受的 方式简化彩色规范。 现在所用的大多数颜色模型都是 面向硬件的或是面向应用的。 在数字图像处理中, 实际 中最通用的面向硬件的模型是 R GB 模型, 该模型用 于彩色监视器和一大类彩色视频摄像机。H IS ( 色调、 亮度、 饱和度) 模型更符合人描述和解释颜色的方式, 可以把图像分成彩色和灰度信息, 使其更适合许多灰 度处理技术。
1 [ 90- a rctan (A 360 G< B } ]
3 ) + {0, G ≥B ; 180, ( 4)
中图分类号: T P39114 文献标识码: A
ABSTRACT In o rder to conduct facilita tely the p rocessing and iden tifica tion of the co lo r and ou tline in the fire recogn ition system , th is a rticle m akes H IS m odel a s the ba sic co lo r sp ace, H IS m odel is ba sed on the hum an visua l system , u sing the hue, sa tu ra tion and b righ tness to describe the co lo rF ina lly, w e p u t fo rw a rd the fire i m age segm en ta tion a lgo rithm ba sed on the H IS m odel1 KEYWO RD S H IS m odel, segm en ta tion a lgo rithm , fire flam e, clu stering
3 2009205228 收到, 2009208206 改回
2 颜色模型
火焰的颜色特征是对火焰进行识别的一个有效判 据。 为了科学地定量描述和使用颜色, 人们提出了各种 颜色模型。 目前常用的颜色模型按用途可分为两类, 一 类面向诸如视频监视器、 彩色摄像机或打印机之类的
3 3 郭 维, 女, 1985 年生, 研究生, 研究方向: 计算机视觉与数字图像处理。
211 RGB 颜色模型
结合 H IS 模型的特征, 通过对亮度强度分量的增强处 理来改善整幅图像的对比度和动态范围; 通过对饱和度分量的非线性指数调整来提高色彩 的分辨率。
3 彩色坐标转换
311 从 RGB 到 H IS 空间转换
由于 R GB 格式是以三维笛卡儿坐标系为基础 的, 而 H IS 格式是以圆柱坐标系为基础的, 所以, 从 R GB 到 H IS 格式的转换, 要旋转 R GB 立方体的黑2白 对角线到 H IS 圆柱体中轴线, 并与之重合。这时, 以这 条重合线为 z 轴, 并令原 R GB 坐标系中 R 轴与 z 轴 构成平面 (R 轴就在这个平面上) 。 这样一来, 原来的 R GB 立方体的八个顶点、 投影 到新坐标的平面上就是六个点, 将它们连接起来形成 了一个六角形 ( 如图 1a ) 。
Leabharlann Baidu
本文所采用的基于 H IS 模型的火焰图像分割就 属于特殊图像分割技术范畴。 通过图像分割提取物体轮廓, 并定位图像中的目 标物体。 在理想图像中, 可以采用挖空法再结合边缘跟 踪技术设计算法来实现, 但在实际工程应用中, 所获取 的图像中的噪声很多, 而现有的边缘检测算法, 使用
Canny、 Robert s C ro ss、 P rew it t 和 Sobel 等边缘检测算
1 图像分割
一方面, 图像分割是目标表达的基础, 对特征测量 有重要影响。 另一方面, 因为图像分割及其基于分割的 目标表达、 特征提取和参数测量等将原始图像转化更 抽象更紧凑的形式, 使得更高层次的图像分析图像理 解成为可能。 目前常见的分割技术主要有: 阈值分割法、 边缘检 测法、 统计学分割方法、 结合区域和边界信息的方法、 结合特定理论工具的分割技术如马尔可夫随机场、 高 斯混合分布等、 以及一些特殊图像分割技术。
到 y 轴或 z 轴比较容易得到。 所以, 这个新的 x y z 坐标 系值与 R GB 坐标之间的关系为: 1 1 [ 2R - G - B ], y = [ G - B ], x= 6 2 1 [R + G + B ] z= 3 为了转换到 H IS 的圆柱坐标系中, 上述 x y z 三维 笛卡儿坐标还要经过一次变换。 因:
H =
其中, C 1 为火焰的 H 、 、 I S 值所构成的空间。 假设捕获的两帧相邻图像为 f 1 ( x , y ) , f 2 ( x , y ) , 根据 H IS 模型分割可判断是否有可疑火焰区域。先对 两帧图像作彩色分割得 g 1 ( x , y ) , g 2 ( x , y ) , 然后, 取其 亮度信息 I 1 ( x , y ) , I 2 ( x , y ) 进行异或运算: ( 10) d (x , y ) = I 1 (x , y ) I 2 (x , y ) 得到的 d ( x , y ) 是一个二值图像, 对此二值图像可 以进行中值滤波, 即可将条状线形相似物滤除掉。 同时 得到的 d ( x , y ) 反映了两帧图像间不同部分。 当 d ( x , y ) 中的亮点数超过阈值 T n 时, 说明有可疑火焰存在。
图 1 H IS 彩色空间中的 x oy 平面
因为立方体空间对角线长度为 转 Α角 z 与轴重合, Α = a rcco s ( 1 影到 x 轴的长度为 ( 上的投影是 (
2 2
2 , 该对角线旋
3 ) 。于是, R 点投
3 )R , 而 G 和B 在 x 轴
3 ) ( 1 2) G (h 或 B ) 的负值。 投影
( x 2 + y 2 ) , <= ang ( x , y ) ( 2) = Θ 这样, 就可以找到 (R , G, B ) 与 ( <, Θ , z ) 的对应。 然而, ( <, Θ , z ) 是六角柱面体, 而不是圆柱面体, 所
以, 还要进一步使饱和度 Θ归一化。 由此, 导出归一化 饱和度公式为: ) m ax - ( Θ m ax - Θ Θ Θ 3m in (R , G , B ) = = 1= S= Θ Θ R + G+ B m ax m ax m in (R , G , B ) 1I
郭 维1 李晋惠2 ( 1 西安工业大学计算机科学与工程学院 西安 710032) (2 西安工业大学数理系 西安 710032) 【摘 要】 在火灾识别系统中, 为了更加方便地进行色彩与轮廓的处理和识别, 将 H IS 模型作为基本的颜色空间, 饱和度和亮度来描述色彩的, 最后提出了基于 H IS 模型的火灾图像分 H IS 模型是从人的视觉系统出发, 用色调、 割算法。 【关键词】H IS 模型, 分割算法, 火灾火焰, 聚类
( 3)
式 ( 3) 给出了完全饱和 ( 在 ( <, Θ , z ) 坐标系中 Θ =
第 22 卷 第 10 期
电脑开发与应用
( 总 793)
・33・
m ax ) 的颜色落在了 x oy 平面内的一个单位圆上的结果 Θ ( 如图 1b ) 。 所谓完全饱和的颜色, 是指在三基色中没
有多于两个基色存在。 在式 ( 2) 中, 色度由 < 定义, 即 ( x y ) 的正反切, 但 是要考虑色度值处于色环的哪一个象限之内。 因此, 归 ( ) 一化的色度 H 值为:
由 CCD 摄像机采集的火灾视频图像都是基于 R GB 彩色模型的, 在 R GB 彩色模型中, 每种颜色出现 在红、 绿、 蓝的原色光谱分量中, 所表示的图像由 3 个 图像分量组成, 每一个分量图像都是其原色图像。 当送 入 R GB 监视器时, 这三幅图像在荧光屏上混合产生 一幅合成的彩色图像。在 R GB 空间, 用以表示每一像 素的比特数叫做像素深度。考虑 R GB 图像, 其中每一 幅红、 绿、 蓝图像都是一幅 8b 图像, 在这种条件下, 每 一个 R GB 彩色像素 (R , G , B ) 值 3 个一组, 称为有 24b 深度 ( 3 个图像平面乘上每平面比特数) 。 全彩色图像 常用来定义 24b 的彩色图像。在 24b 的彩色图像中颜 色总数是 ( 28 ) 3 = 16 777 216。 212 H IS 颜色模型 H IS 色彩空间是从人的视觉系统出发, 用色调 (H ue ) 、 亮度 ( In ten sity ) 和饱和度 ( Sa tu ra t ion ) 来描述 色彩, 三分量 H 、 I、 S 具有相对独立性, 可分别对其进 行控制, 能够准确定量的描述颜色特征, 因而在图像处 理与分析中, 常常需要把 R GB 空间转换为 H IS 空间。 在 H IS 模型中, H 描述了纯色 ( 如红、 纯黄或桔 黄) 的颜色属性; S 提供了由白光冲淡纯色程度的量 度; I 表示色彩的亮度强度。 在所有模型中, 最常用于 彩色图像处理的模型是 H IS 色彩空间。这是因为 H IS 模型基于两个重要的事实: ① I 分量与图像的颜色信息无关; ② H 和 S 分量与人眼获得颜色的方式密切相关。 由于这些特征使得 H IS 模型非常适合于借助人 眼视觉系统来感知颜色特性的图像处理算法。 为此, 选 择 H IS 色彩空间作为彩色图像处理的模型。因为人眼 视觉系统对亮度变化比对色调和饱和度变化更敏感,
子, 根据灰度值是否发生跃变来检测图像中物体的边 缘。 这些方法检测出的轮廓一般粗细不一, 边缘不连续 之处过多, 为此在检测出图像中物体的轮廓后, 还要花 费大量的时间来进行轮廓的细化处理, 再把不连续的 轮廓连接起来。 为此本文提出一种基于 H IS 模型分割的实现算 法, 可以同时实现噪声消除和轮廓提取, 以更好地定位 图像中的目标物体。 其算法思想是, 先用颜色聚类判断 有无目标物体, 若有, 则得到目标物体的区域, 然后对 该区域图像用颜色选取法来确定的目标的区域, 在图 像中可以得到一块连通的区域, 这些区域有的是物体 部分, 有的则是噪声; 再把每一个连通的同一颜色区域 看作是一个集合, 对每一个集合进行具体分析, 消除噪 声, 得到物体的轮廓。