基于多特征融合的视频烟雾检测

烟雾检测对火灾早期防范非常重要,传统的火灾探测技术主要利用传感器对火焰和温度进行识别,其每一个传感点只能检测到布控点周围的局部空间,对于开放空间等特殊场合难以发挥作用。为了克服传统火灾检测存在的误报率高等缺点,文中提出一种基于烟雾多特征融合技术的图像型火灾检测方法。该方法首先利用背景减除法获取普通CCD摄像机拍摄的疑似火灾烟雾区域,然后再从时域和频域着手,提取火灾烟雾的轮廓不规则特征、背景模糊度特征和纹理特征作为神经网络的输入信号,同时采用sigmoid函数将输出归一化,最后通过对BP神经网络训练完成火灾烟雾的多特征融合,并对来自网络的火灾视频进行测试。实验结果表明:图像型火灾检测方法能够准确快速地识别火灾烟雾,达到早期预警的目的。

模糊-超图聚类模型在土地评价中的应用研究

针对具体的土地评价问题,构建结构清晰、具有可靠性的土地评价的超图数据聚类模型,应用改进的聚类算法,设计聚类的有效性评价指标。并通过实例验证该方法在城镇土地定级中聚类结果的有效性和准确性。