基于计算机视觉的森林火灾识别算法设计

为解决森林火灾监测系统中由于林火行为监测样本数据量大、维数多导致监测误报率高、实时性差等问题,提出一种基于计算机视觉的支持向量机算法进行森林火灾监测,提升识别精度,实现全天候林火自动监测预警。首先,获取图像进行预处理,并初步判别图像中是否存在烟火区域;然后,进行林火特征提取,训练样本生成特征向量,采用基于径向基核函数与多项式核函数的SVM算法进行烟火识别;最后,选取多功能森林防火机动巡查灭火装备为试验平台应用该算法进行试验验证。结果表明:所提出算法具有理想的森林火灾识别效果,识别准确率高达97.82%,并且可以与多功能森林防火机动巡查灭火装备通讯进行精确扑救,为森林防火装备智能化探索提出新思路。     

小型无人机林火监测与图像处理技术

常规传感式火灾监测方法不能满足现代林火监测灵活性、实时性和高效性的要求。针对森林这种复杂大空间场景,提出一种基于无人机平台和动态特征分析的视频图像型火灾检测算法。通过机载摄像机拍摄森林视频图像,建立基于混合高斯背景模型和颜色模型多级火灾隐患特征验证算法。实验结果表明,本文方法能较快识别火灾隐患,降低误检率,可为相关研究和实际应用提供参考。     

无人机搭载普通相机林火识别技术研究

提出了一种无人机搭载普通相机的林火识别技术,其是一种低成本无人机林火监测方法。本研究以旋翼无人机为载体,通过在南京森林警察学院院内的两块实验场地（林地、无林土丘）进行点火试验,以机载摄像机拍摄的森林视频图像建立了基于混合高斯背景模型和颜色模型的多级火灾隐患特征验证算法。在同一区域,结合地面调查数据,对无人机搭载普通相机林火识别技术精度进行检验。数据表明,在混合高斯模型得到候选火焰像素的基础上,通过试验设置最优阈值,采用归一化互相关方法设定相似度阈值为0.08,可实现对火焰特征的检测与识别。通过低成本的机载普通相机能较快地识别火灾隐患,降低误检率,可为相关研究和实际应用提供参考。     

基于鲸鱼算法的森林火灾图像多阈值分割

为监测森林火灾的实时火情,本文研究图像分割算法应用于林火图像的识别。由于林火图像背景复杂干扰目标多,采用单阈值Otsu方法对林火图像进行分割的精度较差,因此本文研究鲸鱼优化算法(Whale Optimization Algorithm,WOA)对多阈值图像分割的最佳阈值进行寻优。鲸鱼优化算法是在寻找最优解的过程中效率较高的算法,该算法具有收敛速度快、精度高的特点。针对森林火灾图像中的火焰区域准确分割问题,应用WOA对Otsu的适应度函数进行寻优,在红绿蓝模式的林火数字图像上进行仿真试验。试验结果表明:提出的算法在森林火灾图像多阈值分割中优于传统单阈值的Otsu算法,可以获得更为准确的分割阈值和更高的分割效率,具有较强的工程实用性。     

岩石骨料图像阈值分割算法的比较研究

通过对"基于灰度直方图"和"基于梯度直方图"两类典型的阈值分割算法进行比较和研究,得出背景一致的岩石骨料图像适合于采用最优阈值算法与最大类间方差法进行分割的结论.     

基于直方图的木材表面颜色分类研究

颜色直方图是图像检索技术中一种有效的颜色表达方式，具有位移、旋转不变的特性。然而木材表面颜色较为单一，采用通常的量化方案不能达到很好的分类识别效果。提出了采用HSV颜色空间三个独立分量的直方图统计特征表达木材表面颜色信息的方法，利用色调、饱和度和亮度三分量之间的相互独立性，提取了各分量的直方图特征。最后利用BP神经网络对木材样本库的图像进行了分类仿真，其结果验证了特征的有效性。     

森林防火远程智能监测系统建设技术方案初探

林火监测是森林防火工作中最重要的环节之一，及时发现林火才能在林火扑救中实现“打早，打小，打了”。设计基于地理信息系统技术、无线数字微波图像传输技术、智能图像识别技术、大型集中监控技术的森林防火远程智能监控系统技术方案，提出前端监测网的布设与优化，中间无线微波图像传输，后方监控中心技术方案和设备方案，阐述了林火智能识别、定位，无线微波图像传输等关键技术。     

巨桉种源家系多点遗传变异及选择比较

利用远程视频进行林火识别是林火监测技术的研究热点之一。文章介绍了近年来国内外基于远程视频的林火识别技术的研究概况,指出当前存在的主要问题在于难以兼顾识别效率、识别距离及识别率,指出利用多光谱进行林火识别,减少识别误差及提高识别效率是基于远程视频的林火识别技术的研究方向。     

基于远程视频的林火识别技术研究现状

利用远程视频进行林火识别是林火监测技术的研究热点之一.文章介绍了近年来国内外基于远程视频的林火识别技术的研究概况,指出当前存在的主要问题在于难以兼顾识别效率、识别距离及识别率,指出利用多光谱进行林火识别,减少识别误差及提高识别效率是基于远程视频的林火识别技术的研究方向.     

林火图像识别理论研究进展

林火图像识别理论与方法是实现森林火灾视频自动监测的基础。文中从图像预处理、图像分割和特征提取3个方面详细地综述了国内外林火图像识别理论的发展现状,分析了图像颜色处理、图像滤波、图像阈值分割、区域分割、边缘分割以及动静态特征提取理论在林火图像识别应用中的优缺点;针对目前林火图像识别理论研究现状,指出在未来研究中需要解决的问题以及林火图像识别理论的发展方向,以期为图像识别技术在林火图像识别中的应用和进一步研究提供参考。     

红外热成像仪早期林火识别算法研究

比较了3种不同的红外热成像仪林火识别算法,提出了配置林火自动识别算法参数的林火野外测试方法,并利用该方法在珠海进行了测试实验。通过测试实验发现红外热成像仪在夜间分辨火点能力高于白天。3种林火识别算法比较结果为:阈值判定法具有较高灵敏性,但易受干扰;邻域阈值判定法抗干扰能力有所增强,但监测距离会有所缩短;均值对比判定法抗干扰能力较强,但监测距离最短。     

基于改进C4.5算法的森林火险天气等级评估

应用数据挖掘技术,对影响林火的因子进行数据分析与综合评估。针对林火这一课题的特殊性与复杂性,采用一种改进的C4.5决策树算法对森林火险天气等级进行评估决策。该算法着眼于从一组互不相关的事例中推算出以决策树为表现形式分类规则,并采用基于可信度阈值的后剪枝技术降低决策树纯度。基于算法原理,综合分析了温度、湿度、风力等林火因子数据集,分析了决策树算法应用于数据分类和知识发现的过程和特点,研究了该决策树模型在天气评估中的应用,建立了一套森林火险天气等级评估方法。通过试验表明,林火等级与各林火因子数据集之间建立了有机联系,实现了该算法在林火等级评估方面应用的可能,同时,也指出了该算法应用的局限性与待解决的问题。     

森林火灾动态监测预警技术方案的研究

采用基于视频图像分析技术的林区烟火智能处理技术,无缝融合智能图像识别技术、面向对象的3D GIS技术和大型网络监控技术等高新技术,结合森林防火的理论,构建林火智能监测预警及应急指挥系统,当出现火情时能自动识别并预警,在现场采集的视频未经压缩的情况下进行林火识别,以保证烟火识别的响应速度和准确率,从而实现林区视频的自动监控、烟火准确识别、火点精确定位、火情蔓延趋势推演、扑救指挥的辅助决策和灾后评估等多方面功能,建立森林防火的完整业务链,并针对性地解决用户的各种个性化需求。     

基于图像纹理特征的木材树种识别

利用木材图像的颜色、灰度、纹理等内容实现树种的相似性匹配检索,提取色调、饱和度、亮度、对比度、二阶角矩、方差和、长行程加重因子、分形维数、小波水平能量比重共9个特征参数,依据最大相似性数学原理,基于最小差值参数判别法和综合特征阈值法来检索样本.结果显示:基于图像纹理特征能够实现木材树种的检索和识别,综合特征阈值法的检索正确率与唯一性通常要好于最小差值判别法;但当被检索样本图像的纹理较弱或不呈现纹理特征时,检索结果的唯一性并不理想.综合而言,基于图像纹理特征最大相似性的木材树种检索识别较易实现,是一种值得继续发展和应用推广的木材树种识别方法.     

基于随机森林算法的林区环境因子异常检测

利用森林火灾形成初期情形下的多节点传感器采集数据,通过随机森林算法建模分析林火形成初期周边林区环境因子变化情况。同时,通过特征重要性排序,发掘林火形成初期不同的林区环境因子对模型的影响,从而为建立基于无线传感网的林区环境监测提供一定的算法模型参考。     

基于时空特征的林火视频火焰识别研究

由于森林火灾监控现场是野外广阔的林区,而且树叶的摇摆使得视频图像中的运动对象很多,强烈的阳光、秋季的枯叶和红枫会导致火灾识别的误报等,这些特点都使得现有室内或静止场景火灾视频监控的视频处理技术不再适用。考虑到火灾发生有一个蔓延的过程,是一个包含若干连续视频帧图像的视频片段,笔者首先将疑似火焰视频划分成时空视频块,根据颜色特征和运动特征得到疑似火焰区域,然后在视频片段大粒度下基于空间静态特征(纹理、圆形度特征)和时序动态特征(火焰面积变化、形状相似性、闪烁频率特征)提取火焰特征向量,最后使用基于Ada Boost的算法进行火焰识别,实现森林火灾的实时检测。结果表明,该方法能够准确有效地进行林火视频火焰识别。     

基于混合特征与最小二乘支持向量机的山核桃鲜果识别

针对颜色和背景相似的山核桃鲜果不易分离的问题,研究了自然环境下成熟山核桃鲜果的机器视觉识别方法。该算法以2×2像素的正方形区域作为分割单位,选择颜色比值B/R、R/G作为颜色特征,选择了基于灰度直方图的特征描述参数如均值、标准方差、平滑度、三阶矩、一致性和熵,以及基于灰度共生矩阵的特征描述参数角二阶矩、对比度和熵作为纹理特征,共同构成特征向量,采用LS-SVM算法建立了识别模型,并利用该模型对80幅顺光图像和50幅逆光图像进行测试。试验结果表明:该方法在顺光、逆光下的山核桃鲜果有效识别率分别为92.48%、88.15%,可为山核桃采摘机器人的研发提供技术参数。     

多颗气象卫星连续监测林火的序列图构建

选取2007年肇庆"11·29"森林火灾期间的历史卫星遥感数据,借助过境广东区域的多颗卫星数据实现对林火的动态连续监测。基于指数火情算法提取火点信息,构建林火区域序列图,从而实现对火点快速定位和连续监测。结果表明,与火点假彩色图像相比,指数火情图更适合业务自动化作业,指数火情图不仅可以指示地理位置,还可以清晰指示火点发展动态、划分林火区域火情强度和预测蔓延规律,在构建动态序列图上具有明显优势。     

基于改进差分进化算法的鳞翅目昆虫图像识别方法

【目的】应用计算机图像处理技术提取昆虫图像特征,提出一种新的特征选择技术筛选昆虫识别相关的特征,以准确、快速地识别出鳞翅目昆虫种类。【方法】基于开源的利兹蝴蝶数据集和拍摄的以森林鳞翅目昆虫为主的数据集,采用改进的纹理特征提取算法(DRLBP)提取鳞翅目昆虫图像纹理特征,应用汉明距离计算的粒子间距离度量种群多样性,提出进化过程中自动调整多样性的方法,给出二进制自适应差分进化算法(BADE)。利用BADE算法筛选合适的较小维数的纹理特征子集,并用基于概率协同表示的分类器(PROCRC)进行图像分类。【结果】PROCRC分类器在所有数据集上均展现出良好分类效果,平均识别率分别为81.73%和88.18%。经特征选择后的昆虫的分类精度显著提升,最高提升率达13.49%。BADE的性能高于其他特征选择算法,且经BADE算法特征选择后纹理数据集的维数和分类所需时间均显著下降,其降维率接近50%,时间减少率最高达50%。【结论】BADE算法可有效进行特征选择,提高识别精度,节约模型的识别时间,利用群体智能优化算法对鳞翅目昆虫图像进行特征选择的方法具有可行性,DRLBP和BADE算法相结合的鳞翅目昆虫识别方法在农林昆虫的快速、准确识别中具有广阔应用前景。     

基于亚像元分解与增强的MODIS卫星林火监测图像制作

为提高低空间分辨率遥感影像在卫星林火监测部门的应用质量,获取更准确的火灾信息,制作可视效果更好、便于基层部门使用的卫星林火监测图像。本研究以2013年2月6日云南省大理市黄家村森林火灾为背景,研究了一种基于亚像元分解与增强技术的卫星林火监测图像制作技术。结果表明,通过亚像元分解与增强技术,对空间分辨率低的气象卫星遥感图像进行处理,可得到空间分辨率为30 m的图像产品,能够将低分辨率遥感影像处理成超分辨率的遥感影像图像。该技术可应用于林火监测部门发布相关的监测图像。