[发明专利]基于RGB重构的森林图像切割后的火焰/烟雾识别方法

摘要

基于RGB重构的森林图像切割后的火焰/烟雾识别方法，本发明涉及基于RGB重构的森林图像切割后的火焰/烟雾识别技术。本发明的目的是为了解决现有火焰/烟雾识别方法的系统适用度低，误判率高的问题。该方法为：本发明基于火焰、烟雾区域与背景区域RGB三分量值的不同，最大程度破坏背景区域，以不断缩小目标区域。在缩小目标区域的过程中，又只考虑特征最明显的区域，即符合特征的面积最大的那些连通区域，删除小的、可能造成误判的区域。经过强化火焰特征的修正灰度公式处理之后，再经过滤波、切割、腐蚀和膨胀，依据非负元素所占比例判断出是烟雾还是火焰疑似区域。本发明应用于森林防火中识别火焰/烟雾的场合。

主权项

基于RGB重构的森林图像切割后的火焰/烟雾识别方法，其特征是：该方法包括以下步骤：步骤一、首先输入待处理的森林原始图片P0；步骤二、选择要处理矩阵D的中值作为初始的阈值，首先抽离出森林原始图片P0的R矩阵R0分量，并对图像的R0分量进行最佳阈值分割，分割为r1和r2，其中r1为数值大于阈值区域，r2为数值小于等于阈值区域；步骤三、采用RGB重构的方式将R矩阵R0分量对应r1区域的值全部置为255，将R矩阵R0分量对应的r2区域的值全部置为0，作为R1；将森林原始图片P0的G矩阵G0分量对应r1区域的值全部置为255，将G矩阵G0分量对应r2区域的值全部置为0，作为G1；将森林原始图片P0的B矩阵B0分量对应r1区域的值全部置为255，将G矩阵G0分量对应r2区域的值全部置为255，作为B1；步骤四、取i＝fire，通过公式：grayi＝1.2×R0‑0.9×B0‑0.9×G0获得疑似火焰区域的灰度图像；取i＝smog，通过公式：grayi＝1.2×R0‑0.9×B1‑0.9×G1获得疑似烟雾区域的灰度图像；进而得到的灰度图像grayi(i＝fire,smog)；步骤五、对步骤四得到的grayi进行中值滤波，得到滤波后图像imagefilter，再对滤波后图像imagefilter使用prewitt算子进行图像分割，得到处理后的图像BW；步骤六、将步骤五得到的图像BW进行腐蚀，然后进行膨胀操作，其中：腐蚀的结构元素小于膨胀的结构元素，生成图像BWopen；步骤七、计算步骤六中图像BWopen中非负元素所占比例，若该比例小于等于阈值Tsmog，则判定为烟雾图像，并执行步骤十四；若该比例大于阈值Tsmog，则认为是火焰或者太阳图像，并执行步骤八；步骤八、对图像BWopen进行第一次预切割，缩小可疑火焰区域的范围，记录切割位置矩阵L1，并将切割后的图像进行硬判决，小于0的值置为0，大于0的值置为255，得到图像BWreset；步骤九、计算图像BWreset中的各个区域的大小，将其中面积最大的部分记为Sbwmax，将面积小于的区域删去，将此时图像记为BWdel；步骤十、对图像BWdel进行切割，缩小可疑区域范围，记录切割位置矩阵L2，将切割后的图像记为BWcut；步骤十一、根据两次切割的位置矩阵L1和L2，在森林原始原图像P0上进行切割，切割后的图像记为Pcut；步骤十二、对图像Pcut进行灰度处理和中值滤波后得到图像pcut；步骤十三、判定图像pcut中是火焰区域还是太阳区域，具体为：找到图像pcut中元素的最大值max(pcut)，再乘以一个加权因子k，k<1；找到pcut元素中在区间[k·max(pcut)max(pcut)]上的值，将这些值都置为255，其他区间的值置为0，得到图像preset；计算preset中的各个区域的大小，其中：面积最大的部分记为Spmax，将面积小于的区域删去，并将图像记为图像pdel；将图像pdel再次进行切割，计算切割后图形中非零区域所占比值，若比例值大于门限Tsun，则判定为太阳区域；否则，则判定为火焰图像；步骤十四、当判定为烟雾图像时，将步骤二修改为对RGB三分量的全局自适应阈值迭代分割，即：D＝[R0 G0 B0]，返回执行步骤二和步骤三；在步骤四中，令i＝smog，再依次执行步骤五到步骤十一；步骤十五、根据步骤十得到的图形BWcut，找到其数值为零元素的位置，将步骤十一切割得到的图形的RGB三分量相应位置均置为零，得到只含有连通区域面积最大的几部分烟雾图像，得到图像Pnew；步骤十六、统计图像Pnew的特征信息，所述特征信息包括目标区域RGB归一化值、目标区域RGB标准差、纹理相关性和平稳度；步骤十七、将提取的特征，输入用燃烧烟雾和自然烟雾训练好的BP神经网络中进行识别，判定是自然烟雾还是燃烧烟雾。