基于改进CV模型的煤矿井下早期火灾图像分割

煤矿井下早期火灾图像中火焰区域、火焰余辉及非火焰高灰度干扰区域三者的灰度值十分接近,利用传统的Chan-Vese(CV)模型很难将火焰区域精确地提取出来。针对这一问题,提出了一种改进的CV模型以实现煤矿井下早期火灾图像的精确分割。在计算目标和背景区域拟合中心时,引入自适应权值进行加权平均,充分考虑了像素点灰度值与拟合中心的差异,并据此确定该点对拟合中心的贡献度,更加精确地计算目标和背景区域的拟合中心;为了加速模型的演化,引入曲线内外区域像素的中值绝对差,替换模型中的内外区域能量系数,提高模型分割效率。最终达到快速提取早期火灾图像中火焰区域的目的。大量实验结果表明,与现有的Otsu算法、CV模型、引入能量权重的CV模型、引入梯度信息的CV模型以及两种类似提出模型的CV模型相比,利用改进CV模型对煤矿井下早期火灾图像,能取得更好的分割效果,并且满足实时性要求。

利用改进CV模型分割煤矿井下早期火灾图像

针对传统主动轮廓模型难以实现煤矿井下早期火灾图像火焰区域精确提取的问题,提出了一种改进的Chan-Vese(CV)模型.在计算目标和背景全局区域拟合中心的基础上,利用曲线内外区域局部灰度统计直方图获取目标和背景局部区域拟合中心,并对全局和局部区域拟合中心赋予归一化的调节比例,以综合利用图像全局和局部信息;为了加速曲线运动到目标边缘,利用曲线内外区域像素灰度的最小绝对差来取代模型中原有的内外区域能量权重,以提高模型分割效率.结果表明:与CV模型、局部二值拟合模型(LBF)、全局和局部灰度拟合混合模型(LGIF)、引入自适应能量权重的CV模型(WCV)相比较,提出的模型能更加快速、精确地提取煤矿井下早期火灾图像中的火焰区域,在分割效果和分割效率方面均有明显优势.

可视图像早期火灾报警系统在石化行业的应用测试探讨

可视图像早期火灾报警系统技术是一种较为新型的火灾探测技术,在一些环境相对单一的探测情况下,相比传统火警有较大的优势,但是在石化企业,现场环境复杂、影响因素较多,通过实地应用测试,发现系统需要进一步优化相关内容,同时结合现场实测的情况进行了分析,提出相应的对策建议。