基于ArcEngine的林火视频监测定位系统

为了提高林火视频监控系统的智能化水平,辅助森林防火扑救指挥决策,基于ArcEngine和数据库技术,结合数字云台实时回传的摄像机观测角度,设计林火视频监测定位系统。摄像机水平角和旋转角的准确性是影响系统定位精度的关键因素,研究摄像机水平角和旋转角的校正方法,以减少摄像机的角度误差。以内蒙古白狼林区为例,进行林火视频监测定位系统的单点定位试验。系统对林火识别定位准确,运行稳定可靠。     

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...     

基于ArcEngine的林火动态监测与精确定位系统的设计与实现

有效的林火监测与定位是预防和减少森林火灾的途径之一。文章以ArcEngine和Microsoft Visual Studio 2005 (C#)为开发平台,以地理信息系统数据库Geodatabase为支撑,开发了一套林火动态监测与精确定位系统,可以实现监测点安装选址、林火单点定位、三维地形与数字云台联动、二维分析等功能。系统在内蒙古白狼林场进行了试验。试验表明,系统运行稳定,基本可以实现预期的功能。     

森林区域机载LiDAR点云数据的改进八叉树滤波算法研究

目的利用机载LiDAR点云数据能准确获取地物点三维坐标的特点,本文对森林区域LiDAR数据进行滤波分析,旨在提高点云滤波精度。方法基于改进的八叉树模型,将复杂地形分解为大量山坡地形,通过改变节点尺寸,既保留了点云的原始信息,又增强了点云数据分割的准确性。针对森林区域地形起伏不定的实际情况,在滤波算法中引入坡度判断,在一定程度上改善了山坡低矮植被易被错分为地面点的情况。结果对于3组不同地形下的点云数据,滤波总错误率分别为4.57%、4.75%和5.83%。这一结果对森林区域不同地形下的点云滤波具有一定的实用性。结论本文提出的改进八叉树滤波算法可以充分利用数据结构特征实现快速、高精度的滤波,从而节约时间成本和运行成本,也为后续森林参数的提取奠定基础。      

基于卷积特征融合的篮球比赛视频遮挡运动员检测方法

为了提高遮挡篮球运动员检测性能和检测效果,提出了基于卷积特征融合的篮球比赛视频遮挡运动员检测方法。利用卷积特征融合网络的扩展结构,得到篮球比赛视频中遮挡运动员的图像信息,基于卷积特征融合网络核函数,提取出篮球比赛视频遮挡运动员的轮廓信息,根据运动员图像的像素点坐标,构建了图像区域内的目标模型,获取到运动员在篮球比赛视频中的遮挡区域,结合篮球比赛视频中连续2帧运动员图像之间的像素灰度差分关联系数,完成篮球比赛视频遮挡运动员的定位,通过训练卷积特征融合网络,输出篮球比赛视频遮挡运动员检测结果。实验结果表明,所提方法在提高检测性能的同时,具有良好的检测效果。     

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.     

一种基于灰度位平面的林火烟雾图像自动识别方法1）

通常在对林火图像中的烟雾进行识别时,所采用的方法存在需要利用多幅图像对比导致计算量大的问题。通过分析林火烟雾灰度变化情况,采用灰度位平面和林火烟雾区域自适应相结合的方法,提出了一种林火烟雾自动识别的方法。对烟雾图像进行灰度位平面构建,根据不同位平面中呈现的林火烟雾信息进行相关计算,可获得林火烟雾模型。对多幅林火烟雾图像通过该方法进行验证,结果表明,该方法具有较快的识别速度。     

基于云台相机的番茄主茎跟踪控制方法

为满足番茄整枝和果实收获机器人的需求,设计了一种对番茄主茎主动跟踪的视觉获取系统,提出了一种云台姿态的控制方法.该系统由一个二自由度的云台和Realsense D435i深度相机组成,由安装在云台上的相机获取番茄主茎的三维信息,根据提出的跟踪方案确定跟踪参考点的3D坐标;在完成云台和相机参数标定的基础上,提出了基于主茎图像形态的主动跟踪控制方法,通过实时控制相机姿态实现对番茄主茎自下而上进行图像的跟踪采集.试验结果表明,观测垂直区域在600～1 500 mm的范围且跟踪步长Δl≤150 mm时,跟踪的最大水平偏差和最大垂直偏差不超过8个像素,水平像素最大偏差相当于番茄主茎像素宽度的53.3%.该研究可以为番茄授粉、整枝、喷药和采摘等环节的智能化作业提供技术支持.     

基于3S集成技术的森林防火决策平台研究

森林防火工作是森林资源保护中的重要方面,在网络环境下,充分运用3S及其集成技术是提高森林防火工作效率的一个重要途径.该文整合了北京市房山区多年的信息资源,建立了包括航拍影像、林业小班等信息在内的空间数据库,使用Java技术,建立了一个基于3S集成技术的分布式计算平台,实现了火险等级预报、火点定位、火行为预测、位置服务、扑救指挥、损失评估等功能,为房山区林业局的林火档案管理、火险信息发布、林火扑救提供信息化管理手段和决策支持.     

任意姿态玉米种子定位方法研究

为准确提取玉米种子不同区域色彩特征和形状特征,解决机器视觉检测中需以特定装置固定种子位置以及人工规则摆放的问题,提出一种任意姿态玉米种子定位的方法。该方法首先对采集的任意姿态的玉米种子彩色图像进行预处理,实现对单粒玉米种子图像的分割提取;然后利用B通道阈值对单粒种子图像进行分割,计算黄色部分像素面积比例,判断出种子无胚芽侧面并对其归类;其次,对种子轮廓图像坐标以遍历方式计算轮廓间最长距离的方法获取种子尖端点坐标,并通过一阶中心矩提取质心坐标,得到玉米种子图像倾斜度,求得图像旋转角度θ°;最后,对玉米种子图像进行θ°仿射变换(Affine transformation)旋转,获取玉米种子水平放置图像,为进一步提取色彩特征和形状特征提供准确定位。试验表明,该方法可将任意姿态的玉米种子进行有效旋转定位,具有较好的实用性,同时该方法对于其他需要定位的种子图像同样适用。     

基于可见光视频的森林火灾识别算法

以森林火灾远程视频预警监控工程为依托,对森林火灾发生、发展的可见光视频图象进行研究,提出森林火灾识别算法,并进行处理。分析了基于视频的森林火灾火焰特征,指出火焰特征主要包括颜色变化、面积变化、边缘变化、形体变化、闪动规律和整体移动等。在此基础上,提出了视频图像中的森林火灾区域检测方法与森林火灾识别方法;根据图像区域分割匹配算法,以火焰颜色特征和面积变化为火灾判别依据,统计疑似火灾区域面积,定时地对其进行两两匹配,实现对森林火灾图像的实时检测和识别。经实际验证,该算法的查全率与查确率分别达到72.22%和92.86%。     

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.     

山区高分辨率遥感影像地形辐射校正方法研究

高空间分辨率的卫星影像和航摄影像越来越广泛地应用于山区农、林业资源调查和山区生态环境监测等领域.但是由于山区地形起伏和侧视成像等原因,使得影像存在一定的阴影,从而严重影响这些高分辨率影像的应用.针对这一问题,本文借鉴在遥感影像条带噪声去除中非常有效的矩匹配方法基本原理,提出了基于矩匹配的山区高分辨率遥感影像辐射校正方法,同时对被验证TM影像地形辐射校正最佳的C校正方法作了相应的改进.并以北京市西部山区的1 m分辨率的航空影像为例,分别用矩匹配方法和C校正改进方法进行了地形辐射校正,并对处理结果进行了对比分析.结果表明,对于地形复杂的山区,图像较大的高分辨率影像,矩匹配方法优于C校正改进方法.     

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。      

微型无人机林火监测系统的设计与实现

为探索林火监测的新手段,提高森林安全管理水平,将实时视频传输和计算机技术相结合,研制了林火监测任务设备．并与无人机飞行平台共同构成了微型无人机林火监测系统。以林区火场影像为样本．像素RGB值为分类依据．使用统计产品与服务解决方案软件进行聚类分析．得到基于颜色特征的烟雾识别模型。该模型经过光谱特性改进和消噪处理后．对于试验影像的烟雾识别率在77％以上。利用该模型．系统可在飞行中实时完成对地面火情的探测并给出报警提示。在飞行试验的基础上,提出无人机林火监测系统的飞行作业流程．并讨论了系统运行的经济性和目前存在的问题。无人机林火监测系统同样可用于林区气象探测、可燃物和病虫害调查等方面．切实提高林区管理的技术水平。图5表2参14     

基于ArcEngine的与林火监测摄像机联动的GIS设计与实现

因林区复杂的地形地貌环境,GIS在林区监测管理系统中的应用给林火定位、地形观察、测距等日常管理带来了极大的方便。视频监控系统是目前国内外监测与防范森林火灾发生的最有效、最经济的方法之一。因此,研究设计了与视频监控技术结合的GIS系统,实现了二维平面地图、三维立体场景和监控画面三者所显示区域的一致和相互间的联动控制功能。系统成功应用在内蒙古白狼林区,给森林防火提供了有效的管理平台。     

基于Sparse-DenseNet模型的森林火灾识别研究

  目的  森林火灾的频繁发生给森林防治工作带来很大的难度，传统的森林火灾识别算法存在准确率低、处理效率不够高等问题，同时由于森林火灾图像数据本身具有很强的复杂性，需要从识别精度和泛化能力等多方面进行综合考虑，因此本文将利用稀疏化的DenseNet模型展开森林火灾的识别研究。  方法  首先，对DenseNet模型进行稀疏化改造，通过随机屏蔽Dense Block模块中节点的方式来产生稀疏化效果，使得算法具备减轻过拟合、缓解梯度消失以及加快收敛速度等优点。其次，在林区进行图像采集时，由于摄像设备与被采集物体之间的相对运动以及光影作用，会出现图片数据被干扰的情况，因此本文利用python相关的图片处理工具对图片进行变换，从而对图片数据集进行相应的扩充，使其能够契合实际的应用场景。最后，本文将Sparse-DenseNet模型与其他经典深度学习模型在森林火灾数据集以及cifar10数据集上的表现进行对比，观察其效果。  结果  Sparse-DenseNet模型拥有在结构上更加轻量的特点，并且训练更快，避免过拟合的效果更好，在森林火灾数据集和标准数据集cifar10上都具有较好的表现。  结论  本文所提出的Sparse-DenseNet模型在森林火灾识别问题上，可以有效优化传统模型存在的问题，并取得良好的识别效果，其准确率可达到99.33%，优于DesenNet的98.15%，并且相同轮次训练时间只有DenseNet训练时间的3/4左右。      

倾斜摄影测量技术提取落叶松人工林地形信息

目的林下地形是提取单木树高、冠幅等森林参数的必备条件,但由于林区地形起伏较大,传统的测量手段难以获取大范围高精度的森林地区数字地形模型（DTM）。近年来,倾斜摄影测量克服了传统测量技术的缺点,成为获取三维地理信息的新型手段。本文使用无人机倾斜摄影测量技术提取落叶松林下地形,并评测精度与适用性,为后续基于倾斜摄影测量技术提取单木参数的研究提供参考。方法选择内蒙古旺业甸林场内山区典型落叶松幼龄林、中龄林和成熟林林分在落叶季进行无人机飞行,采用Context Capture软件对获取的落叶季倾斜像片进行三维重建,生成林区点云。使用布料模拟滤波、加权线性最小二乘、渐进不规则三角网加密法、渐进形态学滤波算法从点云中提取地面点,并采用3种插值方法插值地面点生成测区完整地形。使用激光雷达DTM作为验证数据评价精度。结果不同算法的地形提取精度与郁闭度相关。在幼龄林区域和中龄林区域,布料模拟滤波提取地面点的精度最高,决定系数（R2）均达到0.999,均方根误差（RMSE）分别为1.61 m和0.47 m;在成熟林区域,渐进三角网滤波效果最好,R2为0.999,RMSE为0.39 m。在不同郁闭度林分选择最优滤波算法基础上,比较不同插值方法生成的数字地形模型（DTM）精度,结果表明:在幼龄林和中龄林,布料模拟滤波点云后经不规则三角网（TIN）插值得到的DTM精度最高,RMSE分别为1.58 m和0.44 m;成熟林分渐进不规则三角网加密滤波后地面点经克里金（Kriging）法插值得到的DTM精度最高,RMSE为0.31 m。结论实验证明,倾斜摄影测量技术可用于落叶松林分地形提取。