采用金字塔纹理和边缘特征的图像烟雾检测

目的与传统点式感烟器相比,图像烟雾检测具有响应速度快、非接触等显著优势,但烟雾形状、色彩、纹理千差万别,造成现有算法推广性能不好,亟需提高特征推广性能。为此提出了一种采用图像金字塔纹理和边缘多尺度特征的烟雾检测算法。方法首先,该算法将图像进行金字塔分解,然后在每层图像上提取局部二元模式(LBP)和边缘方向直方图(EOH),采用不同池化方法得到金字塔局部二元模式(PLBP)和金字塔边缘方向直方图(PEOH)序列特征,分别用于表征烟雾纹理和边缘信息,首尾相连这些直方图后,采用支持向量机(SVM)进行训练、识别烟雾。结果这金字塔纹理和边缘特征具有很好的分类性能,能够在比较大的图像库上达到94%以上的检测率和3.0%以下的误报率。结论本文算法提取的纹理、边缘特征,对光照、尺度具有一定不变性,实验结果也表明本文特征对烟雾检测具有较好的推广性能。

基于证据理论和支持向量机的烟雾图像检测

针对传统烟雾图像检测算法低检测率缺陷,提出一种证据理论和支持向量机相融合的烟雾图像检测算法(DS-SVM)。首先分别提取主方向性状、高低频能量比、烟雾面积增长等3类烟雾特征,然后3类单特征的支持向量机检测结果作为D-S理论的独立证据,构造基本概率指派,最后根据决策规则和判决门限获得烟雾图像的最终检测结果。仿真结果表明,相对于传统检测算法,DS-SVM有效提高了烟雾图像检测率,可以满足不同环境下烟雾图像检测要求。

基于合成图像的Faster R-CNN森林火灾烟雾检测

本文采用合成图像的FasterR-CNN对森林火灾烟雾进行检测,避免了传统视频烟雾检测方法中复杂的人工特征提取过程.合成烟雾图像是将真实或模拟烟雾插入到森林背景中,解决了训练数据缺乏的问题.将真实合成烟雾和模拟合成烟雾分别训练后的模型放在由真实火焰烟雾图像组成的数据集中测试,测试结果表明,模拟烟雾是更好的选择,模型对薄烟不敏感.通过改进森林火灾烟雾图像的合成过程或者将这个解决方案扩展到视频序列中,可以进一步提高它的性能.