基于稀疏表示的森林火灾火焰识别研究

为了实现森林火灾的智能识别,提出一种基于稀疏表示的林火火焰自动识别方法.以林火火焰和5类干扰物体为研究对象,每类对象从视频图像中随机选取50帧作为训练样本,150帧作为测试样本.对每幅图像提取疑似火焰区域,求取面积变化率、颜色、纹理和形状特征参数.所有训练样本的特征向量构建训练样本特征字典,对每个测试样本利用l1最小化范数计算其在训练字典上的投影系数,根据最小重构残差进行分类识别.结果表明,稀疏表示方法的识别率可达到93.56％,为林火火焰识别提供了一个有效的解决方案.     

基于提升小波变换的火灾图像识别

基于提升算法的小波变换具有算法简单、运算速度快、占用存储空间小的特点[1,2].针对火灾图像实时性强、火焰边缘含有大量火灾特征信息等特点,结合图像处理技术和小波分析理论,提出基于提升小波变换的火灾图像识别方法.运用小波提升算法提取视频帧图像的边缘,通过火焰面积判据和火焰尖角判据识别是否有火灾发生,实验证明基于提升小波变换的火灾图像识别方法准确性高,实时性强.     

基于分数阶微分视频融合的森林烟火检测算法

森林火灾检测是国内外林业应用研究的重要课题之一。及时准确地检测到森林火灾，对于森林健康及环境安全意义重大。现有的利用视频技术检测森林火灾的方法大多针对单一波段，如可见光波段或红外波段的视频信息进行分析，然而在实际应用过程中，由于森林环境复杂，基于单一波段视频信息检测火灾的结果欠佳。现阶段，基于多个波段的森林火灾检测方法非常少。本文综合利用红外及可见光视频特征，提出了一种基于分数阶微分视频融合的森林烟火检测算法，将分数阶微分理论引入红外视频和可见光视频融合中，利用分数阶微分算子对两个波段视频进行融合，然后利用背景去除法检测融合视频中的异常帧，且对异常帧图像及其与背景帧的差分图像分别进行图像分割，最终得到检测出的森林烟火区域。采用空间频率、平均梯度、森林火灾检测准确率和森林火灾检测时间误差度4个测度对本文算法和基于区域能量融合算法、基于窗口方差融合算法、基于HSI变换融合算法进行定量分析和比较。结果表明，本文算法的融合视频的融合效果最佳，并且森林火灾检测准确率和森林火灾检测时间误差均明显优于其他3种算法，说明本文提出的算法具有较好的有效性和准确性，为森林火灾检测提供了有利的新途径。      

基于多运动特征的森林火灾烟雾图像识别算法

为甄别林火烟雾与大气云雾,提出了基于多种运动特征判据的视频烟雾图像检测算法。首先利用烟雾自身 的光学动态特征———光流方向性、相关性、扩散性,分别对连续帧包含烟云的可疑区域进行图像特征标志判别;再 经数据融合算法有效区分林火烟雾与大气云雾,克服了依靠单一图像特征检测烟雾的不足。结果表明,光流方向 性、相关性、扩散性判别相结合的识别算法能提高森林火灾视频图像的有效识别率。      

基于LBP和稀疏表示的林火烟雾图像识别研究

为了实现森林火灾的智能识别,提出一种基于局部二值模式和稀疏表示的林火烟雾自动识别方法.选取森林火灾烟雾视频和干扰视频,经运动区域检测提取疑似林火烟雾图像样本.首先对疑似林火烟雾样本图像采用不同的LBP算子进行纹理特征提取,然后选取350幅林火烟雾样本构建林火烟雾特征字典,另外选取343幅林火烟雾图像样本和331幅干扰图像样本进行测试,对每个测试样本利用11最小化范数计算其在训练字典上的稀疏表示系数和重构误差,最后根据经验阈值进行分类识别.结果表明,LBP特征提取结合稀疏表示方法可以有效地实现林火烟雾的自动识别,识别率可达92.88％,为林火烟雾的模式识别提供了一种有效的解决方案.     

基于视频区域动态特征的林火烟雾检测技术研究

  目的  视频监控越来越多地应用到森林火灾烟雾的早期检测中。现有的视频林火烟雾检测方法大多是基于像素提取烟雾特征进行分析检测,烟雾发生早期或烟雾距离摄像头较远时,在视频图像上烟雾仅呈现较小区域,且烟雾的扩散具有无规则性,背景环境复杂多变,导致基于像素的特征不明显,因此使基于像素的烟雾自动化检测难度增大。本文根据可见光视频图像处理原理,提出一种基于局部区域图像动态特征的林火视频烟雾检测方法,以提高林火视频烟雾检测准确度和灵敏度。  方法  以视频图像为研究对象,每秒取一帧生成图像序列,对图像序列进行多层次不同尺度分区;利用图像信噪比原理,计算分区后的连续图像序列的信噪比;根据背景图像信噪比得到自适应阈值,确定待检测图像序列发生亮度变化的图像块,即为疑似烟雾块;提取疑似烟雾块的LBP纹理特征,采用支持向量机区分出烟雾区域。  结果  利用HSV颜色空间的亮度分量,可以有效提取烟雾区域。选择有林火烟雾的视频,对提出的烟雾变化检测方法进行验证,分析结果表明该方法能确定烟雾发生所在的图像块,且能排除部分非烟雾干扰因素。  结论  本文提出了基于局部区域亮度特征和LBP纹理特征的视频林火烟雾检测技术,能准确定位烟雾发生区域,排除部分干扰因素,检测识别率平均达到92%以上,有助于实时林火烟雾自动检测,提高林火烟雾检测率,具有很强的实用性。      

基于图像处理的楼字智能火灾检测算法

传统的楼宇智能方法通过智能温度湿度传感器检测火灾的发生，受温度和浓度限制较为明显。提出一种基于图像处理的楼宇智能火灾检测方法。利用图像颜色模型方法，结合数学形态学提取出初始目标，通过对大量烟雾的调查研究，找出烟雾在特定颜色空间中的分布，进而进行有效的检测，克服了传统楼宇智能火灾检测方法过于依赖火焰温度和烟雾浓度的弊端。研究表明，该方法不受楼体内烟雾浓度和火焰温度的限制，能以最快速度对楼体内的火焰进行检测。     

基于运动路径角的林火烟雾图像检测探究

针对林火烟雾图像检测从图像信息中提取的特征,数据记录多,存储大,消耗运算速率的问题,提出了基于运动路径角的烟雾检测探究,对烟雾特征进行优化。在真实的森林环境下,用烟饼燃烧产生的烟雾模拟森林火灾初期产生的烟雾,用视频监控记录烟雾的运动,并且搜集不同情况下烟雾图像和不同情况下天空中云的图像,应用图像处理技术分别对烟雾和云图像进行处理和运动路径角计算,对比分析烟雾和云的运动路径角范围,烟雾独特的运动路径角可以作为识别烟雾的特征。在处理烟雾数据中,将图像包含的烟雾信息转换为烟雾的代数特征,较烟雾的颜色特征、纹理特征、运动面积等特征的提取,数据量减少,存储变小,耗时少。     

基于逐步判别法与BP神经网络的火焰目标检测

在基于图像分析的火焰目标检测判别函数中,判别特征的选取会显著影响判别的准确率,为了提高检测的准确率并且降低火焰目标特征向量的维数,本文提出了基于逐步判别法与BP神经网络的火焰目标检测方法,该方法对火焰目标的颜色、亮度和纹理特征及其检测算法进行了研究,然后利用逐步判别法筛选出区分能力强的特征向量子集并作为BP神经网络的输入端分量完成火焰目标的识别,该方法的漏报率为6.7%,准确率为93.3%,火焰目标检测效果最佳。     

多特征融合与相关向量机的火灾烟雾识别方法

针对当前单一特征以及简单组合特征描述火灾烟雾状态的不足,以提高火灾烟雾识别准确性为目标,本文提出了一种多特征融合和相关向量机的火灾烟雾识别方法(MF-RVM)。首先获取火灾烟雾的可疑区域,并提取火灾烟雾可疑区域的静态和动态特征,然后利用主成分析法对静态和动态特征进行融合,消除特征之间冗余,最后利用相关向量机对融合特征进行训练,建立火灾烟雾识别模型。采用多个火灾烟雾视频图像在Matlab2012平台上对MF-RVM的识别性能进行仿真测试。结果表明,MF-RVM能够有效地对火灾烟雾进行识别,平均识别率达到了95%以上,并且提高火灾烟雾识别效率,以满足火灾烟雾识别的实时性要求。     

基于地形匹配的图像烟火定位方法研究

目的视频监控是林火监测的主要手段,利用数字云台获取方位角、俯仰角等参数来计算林火位置是目前林火定位的主要方式,而林火定位中常用的方法主要有单点定位、双点定位和多点定位3种方法。目前已有许多研究根据光线跟踪算法,依靠视频图像与三维地形的对应关系实现了三维场景的增强表达,为基于视频图像的定位提供了新的途径。当前,林区普遍通过建立视频监控、数字云台、GIS技术三者紧密结合的软、硬件联动系统进行森林火灾的监测、决策和扑救。本文将视频图像与虚拟地形匹配原理,应用于基于GIS的林火视频监控系统,提出基于图像的林火定位方法,并对定位精度进行分析评估。方法利用地形匹配原理建立林火实景图像与DEM之间的坐标映射关系,针对图像烟火区域选定像元,生成在DEM中对应的区域,并计算和分析该区域中心点的坐标、欧氏距离、方位角、俯仰角以及该区域的形状、可视性、面积、跨沟谷数等特征信息,提出定位区域精度信息分析与评估流程。该流程根据分析结果将定位区域分为可定位区与不可定位区,同时提供详细的烟火位置信息。结果选择北京九龙山自然保护区作为研究区域,对提出的定位方法进行了初步验证,结果表明该方法能提供准确定位精度信息,有助于快速找到火源,实现快速扑救。结论本文基于地形图像匹配的林火定位方法,充分利用了虚拟地形与视频图像的特征匹配关系,为林火快速扑救提供丰富的位置信息。该方法的定位精度只与图像分辨率及虚拟地形与实景图像匹配精度有关,避免了传统云台定位受硬件性能指标的限制;同时该方法也适用于手机等移动设备所拍摄的图像,只需获知拍摄点坐标,就可以实现对所采集图像上目标的定位,对于基于图像的定位分析具有重要意义。      

基于栅格结构的林火蔓延模拟研究及其实现

为研究定量模拟林火行为对林火决策的重要性和林火扩展的时空特性 ,该文在地理信息系统 (ArcView)支持下 ,建立了火场扩展模拟的空间背景数据库 .在此基础上选择了两个组合模型 ,生成速度图文件 ;通过比较边界插值算法、边界外延算法和迷宫算法的不同特点 ,最终采用迷宫算法实现了在栅格地形背景图上林火蔓延的动态模拟 ,获得了在不同燃点有风和无风情况下的蔓延扩展历时图 ,分析得出风速对林火蔓延扩展的影响较大 ,不同燃点下火蔓延的态势是陡坡火蔓延迅速 ,扑救难度大 ;缓坡较陡坡火蔓延的速度慢 ,范围较小 ,宜尽早从火头打起 ,尽早扑灭 .     

带约束条件的森林防火最优路径算法

以森林防火中的路径分析算法为研究对象,针对森林防火中对路径分析算法的特殊要求,以Dijkstra最短路径算法为基础,对它们进行改进与优化。结合林区交通网络自身的特点,引入道路宽度、最大限速、必经地和忽略地等森林防火路径分析约束因子,并以此作为道路权值确定的依据,提出了带约束条件的森林防火最优路径算法,并给出详细的算法设计与实现。该算法符合森林防火的实际情况,能够在森林防火应急指挥与决策中发挥作用。图2表2参17     

2001-2017年西南地区森林火灾数据特征分析

根据中国林业信息网提供的2001-2017年西南地区森林火灾数据,计算森林火灾发生次数、火灾面积、受害森林面积、人员伤亡和火源类型等森林火灾指标的年际和空间变化,得到各指标之间的相关性,分析西南5省市森林火灾特点和规律,并根据火源引起森林火灾次数和方差分析,确定西南地区主要火源和不同省市之间的差异。结果表明:1）2001-2017年,西南地区年均森林火灾次数1 977次,年均过火面积2.43万hm²,年均过火森林面积0.50万hm²,年均成林蓄积损失15.68万m³,年均人员伤亡29人,年均投入扑火车辆2.24万辆,均呈逐年下降趋势;2）火灾次数、火灾面积和受害森林面积等在不同省市和空间差异显著,火灾面积对伤亡人数、扑火经费、出动车辆和飞机数量等都有显著影响;3）人为火源占已查明火源的96%以上,其中烧荒烧炭（38.98%）和上坟烧纸（15.39%）分别是最主要的生产性火源和非生产性火源;4）近几年,烧荒烧炭、炼山造林、上坟烧纸、野外吸烟和电线引火是西南地区主要火源,不同省市间人为火起因差异显著。研究结果表明:西南地区森林火灾绝大多数都是人为,与人类活动密切相关,建议在掌握研究区各省市森林火灾时空分布和火源特征基础上,加强基层防火宣传与教育,加大烧荒烧炭及上坟烧纸等火源的管控力度,是减少该地区森林火灾的重要措施。研究能够为西南地区各省市林火预测和林火管理防治提供科学依据。     

基于图像的嵌入式森林火灾监控系统研究与设计

针对目前我国森林防火远程监控中存在的不足,提出了一种基于嵌入式处理平台的森林火灾监控系统,对系统硬件设计和林火图像识别算法两个方面做了详细论述.系统以嵌入式微处理器作为现场控制器的主控单元,现场控制器通过串口与CCD摄像机进行实时通信,获取监测区域的图像信息,对获取的图像信息进行林火识别,若系统判断有林火发生,则将火情信息通过无线网络传送给监控中心,从而达到第一时间发现森林火灾的目的.通过在林区现场进行的试验表明,该系统能够克服工作环境的干扰,且具有响应速度快、识别率高以及监控区域广等特点.     

MODIS数据在森林火点识别中的应用研究

以昆明市安宁县和玉溪市易门县为研究区,选用MODIS数据作为数据源,ARCGIS和ENVI软件作为数据处理平台,采用绝对亮温、相对亮温和植被指数3个因子作为林火判断条件,提高林火判别的精度,为森林火灾的早期探测与发现、火灾扑救和损失评估业务在云南省的运用奠定基础.     

八达岭森林健康示范区森林火险等级区划的研究

针对八达岭森林健康示范区森林火灾发生特点与规律,选取海拔高度、郁闭度、经营措施、距旅游点的距离、优势树种、林道距离6个影响林火发生较大的因子,运用聚类分析的方法,对八达岭森林健康示范区的121个小班进行了森林火险等级区划,把森林健康示范区分成3个火险等级区,通过实际调查,分类小班和实际情况较一致,为林业部门进行森林火灾管理提供有价值的参考,从而达到防灾减灾,保护森林资源的目的。