补白

煤矿井下图像型早期火灾探测研究王媛彬,马宪民(西安科技大学电控学院,陕西西安?710054)摘要:针对煤矿井下传统火灾探测方法的不足,提出了一种基于图像型的火灾探测方法,阐述了对所获取的红外图像进行预处理、特征提取和火灾识别的过程。根据早期火灾的特点,通过提取图像序列中多个参数的火灾信     

煤矿井下图像型早期火灾探测

针对煤矿井下传统火灾探测方法的不足,提出了一种基于图像型的火灾探测方法,阐述了对所获取的红外图像进行预处理、特征提取和火灾识别的过程。根据早期火灾的特点,通过提取图像序列中多个参数的火灾信息,并将量化后的火灾特征值输入支持向量机,对支持向量机进行分类器训练,再利用训练好的分类器对火灾和干扰物进行分类识别。实验结果表明:该方法探测正确率高,误判率低,抗干扰能力强,对于小样本的非线性分类问题效果较好。该研究成果对煤矿外因火灾的预防具有一定实际意义。     

煤矿烟雾的计算机视觉检测方法

针对煤矿井下传统火灾探测器在检测烟雾时受空间限制的局限性,提出计算机视觉和多特征加权融合的烟雾检测方法.通过基于模糊逻辑的图像增强方法对图像进行增强以改善所获取的图像质量,再通过混合高斯模型实现对疑似运动目标区域的提取.在充分分析烟雾图像特征的基础上,基于统计模式的方法实现了烟雾静态特征、动态特征的提取,利用加权的方法将烟雾图像特征融合起来,实现对烟雾的在线检测.研究结果表明:该方法不受环境、探测距离等因素限制,可有效克服煤矿井下低照度、有光照变化以及视频图像有噪声等特点,且无需对分类器训练,该法具有简单、灵敏度高、实时性强、检测率高等特点.     

基于视觉特性的井下图像去噪新方法

受煤矿井下特殊环境的影响,井下图像大多画面清晰度不高,且夹杂着大量的图像噪声,这给井下图像的进一步处理带来了很多困难.针对井下图像光照度不够、噪点较多等特点,从人眼视觉感知中的彩色细节失明及同时对比特性出发,提出了一种基于视觉特性的图像去噪新方法.该方法采用CIELab均匀颜色空间,动态决定滤波器权值,从而减少了图像轮廓边缘等细节信息的破坏,使去噪后的图像更加清晰.实验结果表明,该方法的去噪效果明显,能显著提高井下图像的主观与客观质量.     

烟雾特征融合的火灾识别方法研究

针对基于图像的火灾识别方法易受干扰、误报率高等问题，提出一种基于烟雾特征融合的火灾识别方法。该方法根据火灾烟雾独特的纹理和边缘梯度特征，利用HSV颜色空间进行颜色特征提取，得到疑似烟雾区域；通过等价局部二值模式（ULBP）及方向梯度直方图（HOG）提取烟雾纹理和边缘梯度，得到特征向量，再将特征向量输入线性支持向量机（LinearSVC）进行测试和烟雾识别。研究结果表明，算法抗干扰性强，检测率高，为快速准确的火灾预警提供了算法依据。     

基于Curvelet变换的煤矿监控图像降噪算法

为提高煤矿井下监控图像质量,更好地实现井下生产的实时监控,探讨基于小波变换和脊波变换的图像降噪的特点,提出将一种基于Wrapping快速离散的第二代曲波变换(Curvelet)图像降噪算法,用于煤矿井下监控图像的降噪处理。研究Curvelet变换的函数支撑区间满足各向异性的尺度关系,以及在表示图像的边缘特征时更具有稀疏性等性质。结果表明:该降噪算法在煤矿井下特殊环境中的图像降噪效果优于传统的小波变换图像降噪和脊波变换,对于煤矿安全监控的有效实施,具有重要的指导意义。     

基于HLC颜色空间的彩色淋巴瘤病理图像自动分割

针对彩色淋巴瘤病理图像的特征,提出基于HLC颜色空间的自动分割方法．该方法首先进行颜色空间转换,将原始图像的RGB颜色空间转换到(Munsell)HLC颜色空间,然后根据NBS距离进行边缘跟踪,根据跟踪结果将图像划分成各个独立区域,最后再利用聚类方法对这些区域进行分类。     

结合暗通道先验的单幅图像快速去雾算法

基于暗通道先验的单幅图像去雾算法对天空区域的恢复效果不佳,且运行效率较低.为此,文中提出了一种快速、有效的单幅图像去雾算法.该算法首先根据颜色衰减先验建立场景深度模型,并基于场景深度模型估计透射率,再基于局部一致性和暗通道先验得到粗透射率;然后利用图像融合的方法,将基于场景深度模型估计的透射率与粗透射率融合,实现天空区域透射率的修正;最后采用导向滤波细化的透射率复原图像,并对复原图像进行色调调整.实验结果表明,文中算法运行效率高,并且有效地提高了复原图像的清晰度和对比度.     

矿井火灾事故调查综合分析技术

为保证矿井火灾事故调查的科学性与客观性,确定风流与巷壁在非稳态热交换条件下的巷道纵向温度衰减理论模型;通过分析矿井火灾灾变的影响范围以及对井下设备和构件的破坏程度,对火场物证材料的内观表象应用于煤矿火灾事故调查进行可行性研究;通过对矿井火灾时井下常见材料的导电性能、金相组织、硬度以及强度变化的分析,得出井下常见物质不同程度受热后性能的变化规律;根据矿井火灾的特点,建立温度与物证受损情况的量化关系.研究结果表明:事故调查时,可根据受到火灾破坏的材料及设备的性能变化情况,明确火灾发生的原因,并反推出该部位在火灾时曾受过的最高温度以及持续时间,从而可推断火灾发生时的发展状况,为煤矿火灾事故调查提供物证分析技术支持.     

煤矿井下视频监控图像噪声消除算法的研究

由于煤炭工业领域特殊的应用环境,煤矿井下视频监控图像多夹杂着大量的图像噪声,这给图像的后续处理带来许多困难。一般的图像噪声消除技术,直接应用于煤矿井下视频监控图像并不能取得令人满意的去噪效果。本文对现有的几种图像噪声消除算法进行深入比较分析,提出了基于多级的分布式噪声消除方法,经现场实践证实对煤矿井下视频监控图像具有良好的去噪性能。     

一种新型的图像型火灾识别算法的研究

图像型火灾探测技术是一种新型的探测技术,可以有效地克服传统火灾探测技术的缺陷.针对背景复杂的火灾图像,首先利用差分技术、RGB颜色分割技术和形态特征分割技术建立3层复合分割模型,排除大部分干扰,得到火焰疑似区域;然后分析火焰疑似区域的相似性测度、面积变化值、致密度、偏心率和质心点偏移距离等特征,这些特征可以较全面地表征火灾信息;最后利用RBF神经网络建立火灾识别模型,将提取出的火焰特征作为输入量,对火灾图像进行分类识别.仿真结果表明,该算法对不同场景的火灾识别具有较高的准确率.     

智能计算机视觉消防系统设计

智能计算机视觉消防系统对火灾的预测和及时营救可以提供巨大的帮助,利用可见光图像甚至能够跟踪火源点以便人们有效灭火。现有的图像型火灾探测系统设计复杂,不能有效进行火灾现场情况的判断,针对以上缺点,本文提出一种简化的方法,从而提高系统整体的监控效率。     

林火监测中基于视觉的火焰检测方法

基于计算机视觉的火灾监测系统中对火焰的早期检测是防止森林火灾蔓延的关键。提出一种基于运动检测和像素颜色特征相结合的新的火焰检测方法。首先根据图像序列建立背景模型,突出显示运动部分;并采用邻域平均方法对目标和噪声进行分离。其次基于边缘特性,获取序列图像的边缘变化情况,将两者融合得到感兴趣(ROI)区域。最后,将亮度与饱和度分离,产生火焰的有效颜色空间。通过对火焰像素亮度(I)分量区域与饱和度(S)分量区域进行相关性分析来确定火焰。实验结果显示,方法具有良好的快速性,在较短的检测时间下,可以保证较高的检测率和较低的误检率,对火焰序列图像的检测率达到91.78%,对伪火焰图像的误检率达到7.11%。     

基于亮度守恒假设的火灾图像运动特征提取

论述了火灾火焰和烟雾图像特征分析及提取方法,分析了这些方法尚存在的问题,指出了火灾图像运动特征分析相对于静态特征分析的优势.针对亮度不变假设在提取火灾火焰和烟雾图像运动特征时存在的问题,提出将目前最新的光流计算方法——亮度守恒假设应用于视频火灾探测中,结合全局平滑性假设,推导了亮度守恒方程解的迭代形式,并对基于亮度守恒假设的火灾火焰和烟雾图像运动特征识别方法进行了分析和讨论,为开发更加准确可靠的视频火灾探测识别算法提供了理论支撑.     

基于视频流的林火烟雾运动目标检测方法的研究

运动目标检测是实现视频图像分类与识别的前提.烟雾是森林火灾发生早期的显著特点和视觉现象,通过对林火烟雾图像的特征分析,研究了几种常用的运动目标检测方法,即帧间差分法、背景估计法等,分析了其实现过程,对比了它们的优缺点,并寻求最佳的视频林火烟雾运动目标检测方法.实验结果表明:改进的背景估计法结合色彩判断准则的方法不仅具有更好的烟雾捕捉能力,而且抗干扰能力强,将大大减轻后续图像识别的压力.     

图像压缩技术在森林防火监控系统中的应用

许多森林火灾瞭望塔(下称云台)上备有短波无线电台,可以利用塔上现有装备,搭建远程图像捕捉传输系统,实现指挥中心对火险监查现场可视。由于短波信道频带有限,必须对图像进行压缩。在Visual C 平台上,实现了对图像JPEG2000标准下的压缩,并实现了感兴趣区域编码,在保证图像质量的情况下为调制解调留出足够的带宽,有利于图像信息在短波信道上的传输。     

使用日夜两用型红外摄像机进行火焰检测

为了提高火灾监控的准确性和及时性,并最大限度地利用已有硬件设备,提出一种使用日夜两用型红外摄像机的火灾自动监控方法.根据红外图像RGB空间的色彩分布特点,设计视频类型判断算法,实现视频图像类型自动切换.通过红外状态与可见光状态两类状态下的焰色模型提取火焰疑似区域.对疑似火焰区域提取不规则度、角点量、闪烁频率和帧间相关性等4个静态及动态检测特征.通过减聚类和模糊C均值聚类相融合的方式优化训练样本,并分别训练2种状态下的火焰识别神经网络分类器.实验结果表明:视频类型判别平均准确率93.07%,21段火焰或干扰视频均能正确检测,报警时间小于8s,帧处理速度达到25帧/s以上.对室内自动火灾监控的精度高、抗干扰能力强、处理速度实时和适应全天候监控等.     

火灾探测技术的发展

综述了火灾探测的基本原理和方法 ,描述了气敏型、感温型、感烟型、感光型和感声型五大类数十种火灾探测器的物理实质 ,论述了其工作原理。指出解决火灾探测灵敏度与可靠性的矛盾 ,有赖于火灾科学基础研究的积累和突破。阐明了火灾探测算法中存在的问题 ,指明了火灾探测技术的发展方向     

基于视频的全天候多特征融合火焰检测算法

针对传统可视化火灾探测技术采用单独分析可见光摄像设备或红外摄像设备采集的图像进行火灾探测, 不能全天候监控火焰的问题, 提出一种全天候多特征融合的检测算法. 首先通过视频类型判断算法确定摄像头采集的每帧图像类型, 然后利用与图像类型相对应的算法提取疑似火焰区域, 最后对疑似区域进行基于DCT的火焰频率检测和帧间相关性检测, 判断火焰是否存在. 实验表明, 该检测算法解决了传统可视化探测技术不能全天候监控火焰的问题, 且能在保持火焰高检测率的同时降低误检率.