灰度共生矩阵法

图像型火灾探测方法缺陷
• 图像信息量大 • 处理速度慢 • 图像处理算法复杂、难实现 • 硬件设备价格相对昂贵 • 监测系统的可靠性和灵敏性要求难以同时
满足等 但总体说来，图像型火灾探测技术有非常积
极的现实意义和应用前景。
图像型火灾探测方法流程
视频图像采集 火灾图像预处理
火灾图像分割
图像增强、滤波、细化
Biblioteka Baidu
从表中的数据可以看出，火灾火焰的～阶颜色矩与煤 气火焰，车灯和其它一般的运动物体有明显差别，但 与路灯差别较小，由于路灯也有很多种颜色，如白色， 黄色等，很容易与火灾火焰的一阶颜色矩相近或相同， 所以颜色矩判剧需要与其它判剧配合使用。
• 2）火焰的纹理特征
• 对纹理分析的方法有两种：一种是统计纹 理分析法，二是结构纹理分析法，其中， 前一种最常用，主要有空间自相关法、傅 立叶功率普法、灰度共生矩阵法、灰度差 分统计与行程长度统计法等。
• (4)历史火灾信息：包括历史火灾发生的时间、地点、引发火灾 的原因、火灾造成的损失、当时采用的救火策略、事后分析应 该吸取的教训等。
火灾的物理特征
早期火灾中存在三种典型的热 物理现象：
• 阴燃
• 火羽流 • 烟气．
摄像器件的选择
综合考虑红外波长宽度、早期火灾阴燃能 力、仪器造价、仪器寿命等因素，用于火 灾监控的首选摄像器件应该为：微光摄像 机(低照度摄像机)配合红外滤光，其次为黑 白CCD配合红外滤光。从火灾确认的角度， 微光摄像机加彩色摄像机(红外波段加彩色 波段简称双波段)是在综合考虑热辐射和彩 色视频信息基础上较好配合。
• 3. 火灾图像的分割
3.1 火灾图像的预处理（滤波）
3.2 火灾图像的分割
• 采用背景差分方法（差影图法）
• 在背景单一，光线较弱的环境下，用背景 差分法可以有效的分割出火焰。这是因为 在这种情况下可以获得理想的背景图像， 各帧图像和理想背景相减，这样无论什么 场景，都会很精确地得到运动目标。但在 背景复杂，光线较强的情况下，背景差分 法很难有效的分割出火焰。
森林火灾探测要解决的问题
• 森林防火模型的建立 • 火势蔓延趋势分析 • 火焰初步判定（火焰图像处理：火灾图像
的增强、裁剪预处理，火灾火焰的分割，） • 识别与跟踪 • 视频定位（基于GIS的视频定位）
林火扑救涉及的信息
• (1)火场实时信息：主要包括火灾发生地周围气象站传回的温度、 相对湿度、地表湿度、风力、风向、降水量等信息；火场扑救 人员现场报告的火情信息。
二）基于数字图像处理的火灾探测技术特点 （优势）
基于数字图像处理的火灾探测技术主要应用图 像或温度传感技术，用摄像头监视现场，同时 对摄得的连续图像由图像采集卡转换为数字图 像输入计算机，根据早期火灾火焰的图像特征 并结合多重判据，运用数字图像处理对序列图 像进行识别判断，从而达到探测火灾的目的。 由于图像包含有强度、形体、位置等多种信息， 而且采用光学传感器(CCD摄像头)以非接触方 式监测现场，所以图像型火灾探测技术相比于 传统的探测技术而言有其自身特有的优越性：
• (2)火场指挥调度信息：为火场指挥员的指挥调度命令，包括消 防兵力的布署与调配、林火扑救方案的选取等。
• (3)火场静态信息：包括地形地貌信剧如高程、坡度、坡向、土 壤类型等)、生产生活设施分布信息(如居民区、工业区、配电 站等)、森林小班资源信息(如火场及火场周边小班的树种、林 种、树龄、面积、郁闭度、蓄积量、造林密度等)、消防警力分 布信息(如火场周边消防队的位置、消防人员的数量、配备的消 防器材、消防指挥员的联络方式等)、水资源分布信息(火场周 围的河流、湖泊或水库的位置、蓄水量、高程)、交通道路分布 信息(如道路等级、坡度、坡向、通行能力等)。
火焰图像特征提取
提取火焰颜色特征 提取火焰纹理特征 提取火焰形状特征
图像特
输
征向量
入
神经网络 输 模式识别 出
识别 结果
三）火灾图像的获取、预处理与分割
• 1. 图像的获取 采用CCD获取图像，并用采集卡将图像转 换成计算机处理的数字信号。
• 2. 图像的预处理 图像预处理通常包括增强、滤波、细化等 几个方面。
四）火灾图像特征分析
------火焰特征的分析
• 1）火焰的颜色特征
火焰的色彩特征比较明显，一般在红色到黄色范围内变动。 如果燃烧的材料比较纯净且燃烧温度很高，有时会产生蓝 色火焰。 由于火灾火焰的颜色与温度具有相关关系，随着火焰由焰 心到火焰外表面温度的升高，其颜色依次为暗红色，红色、 橙色、黄色、蓝白色和白色，所以火焰的颜色特征是对火 焰进行识别的一个有效判剧。 下面对于火焰图像的一阶颜色矩进行分析：
灰度共生矩阵法：
• 1）在图像中任意取一点(x，y)以(x+a,y+b) 形成一个点对，其灰度值记为为(i,j)；
• 2）固定a,b值，令点(x,y)在整幅图像上移动， 则会得到各种(i,j)值。
• 一）森林火灾成因及监测简介 • 二）基于数字图像处理的火灾探测技术简
介
• 三） 火灾图像的获取、预处理与分割 • 四）火灾图像特征分析 • 五）基于神经网络的火灾探测
森林火灾的成因及监测简介
• 森林火灾的成因 森林火灾的发生是一个极其复杂的自然因 素与人为因素相互作用的结果，它涉及树 种类型与分布状况、地形地貌的分布状况、 水资源的分布状况、气象因子、居民活动 范围的分布等。
• (1)可以融合传感器探测的优点；
• (2)属于非接触探测技术，适用于大空间、 大面积、多粉尘、高湿度等复杂场所；
• (3)基于数字图像信号处理技术，可采取对 火灾燃烧时的多参数、多图像特征识别， 能够提高火灾探测的可靠性；
• (4)可对火灾现象中的图像信息作出快速反 应，并提供直观的图像信息。
一种新的图像差影检测算法
• 图像的灰度化处理
将彩色火焰图像转变为基于红分量和基于蓝分量的两幅不 同的灰度图
由于火焰像素的红分量值基本上为255或稍低，而蓝分 量值介于50到220之间，所以用红分量值代替绿分量值 和蓝分量值所形成的灰度图可以使火焰在图像中更加突 出。用蓝分量值代替红分量值和绿分量值所形成的灰度 图使火焰在图像中基本不可见，