基于YCbCr和帧间差分法的火焰分割算法

为了提高森林火灾的火焰检测效率和准确率,提出一种融合YCbCr和三帧差分法森林火焰前景提取算法。首先通过三帧差分算法对视频进行分帧处理,利用形态学进行去噪处理,再计算两帧参考帧和当前帧之间像素点的位置差异,得到像素点在参考帧中的位置和在当前帧中的位置之间的偏移量,从而分割出不断变化的火焰,结合YCbCr算法来进一步分割火焰疑似区域,达到精细化分割的目的。实验结果表明:所提方法克服了单个算法对火焰分割精度不高的缺点,可以较好地完成火焰分割,达到预期要求。

改进PSPNet的炮弹火焰分割算法及应用

针对目前靶场炮弹火焰图像分割算法对火焰边界分割效果差而导致定位精度下降的问题,基于PSPNet算法,结合双向特征融合模块以及全注意力机制网络的特征金字塔转换模块,提出改进PSPNet的炮弹火焰分割PSP_FPT(pyramid scene parsing_feature pyramid with Transformer)算法,实现对炮弹火焰目标的高精度分割。利用双向特征融合模块对金字塔池化后的特征进行双向融合,增强各子区域以及全局目标空间和语义特征的相关性,提升炮弹火焰分割的准确性。为了避免火焰周围烟雾、扬尘对分割效果的影响,将特征金字塔转换模块与全注意力机制网络相结合,优化双向特征融合模块输出后的特征映射,提升区域内目标之间的空间结构关系;提高算法对炮弹火焰目标与背景干扰之间的辨别力,进一步提高算法的识别能力。将全局池化后的特征作为全注意力机制网络的输入,解决了由于图像输入序列过长导致全注意力机制网络参数量过大的问题,进而降低工程应用的实现难度。实验结果表明,该算法在炮弹火焰数据集上分割的平均交并比达98.01%,平均准确率达98.97%,对炮弹火焰分割有较强的鲁棒性和较高的准确率。

基于色彩特征的森林火灾火焰分割方法

目前的火焰分割方法中大都是基于灰度图像进行分割,或者对彩色图像进行相应的变化后再进行分割,针对这些方法存在的计算量大、算法复杂度高等问题,提出一种简单有效的森林火焰分割方法。该方法通过对一千多幅实验样本进行统计,提出一种基于红色(R)分量的火焰区域分割方法,与传统的分割方法相比取得了较好的分割效果;在对视频的处理中,通过和帧差分方法相结合,使得分割对于云雾等白色区域的抗干扰能力得到加强。

基于深度学习的火焰分割模型对比研究

由于火焰分割数据集欠缺,经典语义分割模型在火焰分割的研究应用面小,模型对比实验不充分。针对这些问题,在构建火焰分割数据集的基础上,选用在公开数据集中表现良好的4种语义分割模型和2种骨干网络进行训练和测试,并在不同的应用场景下进行对比实验及分析。实验结果表明,U-Net模型在火焰分割领域取得了较好的效果,其中U-Net+Resnet50模型的综合效果最佳,U-Net+Mobilenet V2模型综合效果略差,但运行速度更快。

强光下多尺度图像增强和蚁群算法的火焰分割

针对强光下火焰图像分割不完整的问题,提出了彩色火焰图像增强及改进蚁群算法的阈值自适应分割方法。首先对采集设备捕获的RGB图像进行基于带颜色恢复的多尺度Retinex增强,用亮度控制因子对背景像素进行亮度提升,并从3个不同尺度对原图动态增加高频信息,提高火焰局部可见性,使火焰的颜色、纹理和边缘信息更加突出;然后,为了避免蚂蚁在路径选择时的随机性,增强蚂蚁搜索效率和寻优能力,在最大类间方差法基础上,通过改进蚁群算法中信息素初始浓度、更新规则和启发函数,从单幅图像自动获取分割阈值,大大提高了算法的分割精度和速度。最后,将提出的算法在不同强光、不同场景、不同干扰下与同类算法进行了对比实验,实验结果显示:在保证分割速度的同时,平均分割准确率提高了近1.96倍。

改进DeeplabV3+的火焰分割与火情分析方法

火焰检测与火势发展分析对火情的控制十分重要。提出一种改进DeeplabV3+的火焰分割与火情分析方法:首先在DeeplabV3+的解码器部分增加低层特征来源,将其与高层特征融合后采用2倍上采样逐步恢复图像尺寸,保留更多的细节信息,实现更加准确的火焰分割;然后将火焰视频每帧分割得到的像素数组成火势发展序列,基于关键点对序列进行分段和线性拟合,获取火势发展的关键趋势。实验结果表明,所提方法可以在对火焰进行准确分割的基础上,有效地分析火情发展态势,为火情的检测与控制提供有效的帮助。

基于小波融合的双色空间火焰分割方法

目前火焰分割方法主要局限于灰度图像分割和单彩色空间分割,这两种方法对光照变化都非常敏感。文中依据可见光呈现的图像目标特性不同,提出了基于小波融合的HSI和RGB双彩色空间的火焰分割方法。利用火焰图像在HSI空间特性对火焰进行分割;利用火焰在RGB空间特性对火焰进行分割;使用小波方法对HSI和RGB空间单独分割后的图像进行融合。仿真试验对比结果表明,该方法相比于传统的单色空间分割方法,充分利用了各原图信息的互补,提高了分割的精度。

基于自动种子区域生长的火焰分割算法

在存在壁面反射的低照度火灾环境中,传统的火焰分割算法如颜色分割、运动检测等,在进行火焰分割时造成过分割现象,分割的效果不理想,影响后续的火灾正确识别。针对上述问题,提出了一种基于自动种子区域生长(Automatic Seeded Region Growing,ASRG)的火焰分割算法。首先将从火灾视频中获取的火灾图像从RGB颜色空间转换到YCbCr颜色空间,在Y通道中采用较大自适应阈值背景减法将火灾图像二值化,分别将可疑火焰像素点的横坐标和纵坐标按大小进行排序,取排序后的中间值作为种子点,再由原RGB火灾图像转换而成的灰度图像中,以该种子点进行区域生长,最后将区域生长后的火焰分割图像与采用较小自适应阈值背景减法得到的火焰分割图像进行交集处理,得到最终的火焰分割图像。实验表明ASRG算法在存在壁面反射的低照度火灾环境中,火焰分割效果好,有效解决了该环境下的火焰过分割问题,同时在其他火灾环境中也有较好的火焰分割效果。

基于彩色图像的林火图像火焰分割研究

结合实际林火图像的特点,提出了一种基于彩色图像分割策略的林火图像的火焰分割算法。该算法首先将图像转化为HSI彩色模型,然后根据各个分量的特点进行分割,并且进行了仿真实验,实验结果表明此算法能够很好地将火焰从复杂的背景中分割出来,克服了基于灰度图像分割不能准确分割烟雾和火焰的弊端,为今后对林火图像进一步分析提供了良好的基础。

基于水平集的火焰分割

基于视觉的自主火灾检测在火灾预警方面有很重要的应用价值。该文提出了一种基于水平集的火灾检测方法,通过准确分割图像中的火焰部分来识别火灾。该方法将火灾方面的特定信息集成到水平集框架中:首先得到火灾的概率观测模型,然后通过考虑最大后验概率和边缘线索形成水平集的能量函数,最后通过最小化能量函数,使用水平集的轮廓能准确地划清火焰的区域。算法在一个含有各种火灾场景的综合性图像集上进行了测试,实验结果验证了算法的有效性。

基于CIE LAB颜色模型和模糊C均值算法结合的火焰分割算法的研究

目前视频图像型火灾探测技术不停地进步与完善,效果体现在复杂环境下,特别是大空间火灾探测的精准率得到大幅度提升,但是依然存在着诸多需要改进的地方。现在的图像型火灾探测算法中一般都存在着数据量较大的问题,为增加该算法的实用性、准确率,本文将对火焰分割进行系统研究。目标分割是开展图像特征提取和目标识别的前提和基础,起到关键性的作用,本文通过分析和借鉴当前的火焰分割算法,取长补短,积极探索建立了一种利用模糊C均值和CIE Lab颜色模型新的火焰分割方法。

一种改进的帧差法实现火焰目标分割

针对传统船舶火灾报警系统采用的传感器在远离火灾源时很难探测到初期火灾的特性,提出了利用摄像头模式识别的方法来探测火源的构想,将顶置鱼眼摄像头作为图像传感器,在一个较大的范围内探测初期火灾,提出了一种基于火焰闪点位置的交叉性与聚合性的帧差算法,实现火焰目标分割识别。该方法是在实时视频流中,对连续两帧图像进行帧差,根据闪点位置的交叉性排除运动物体的干扰,再根据闪点的聚合程度排除一部分游离的干扰闪点,最后得到疑似火焰区域。对疑似火焰区域二值化、抽取轮廓、再由种子点位置确定火焰外形。此法能够高效地从视频图像中分割出火焰,从而为火灾的初期预防报警提供高效识别手段。

基于改进ResNet-UNet的火焰图像分割方法

针对现有火焰图像分割精度低的问题,提出了一种基于改进ResNet-UNet的火焰图像分割网络,实现火焰的精确分割。以UNet神经网络为基础,采用ResNet-34网络作为神经网络特征提取前端,加深了网络层数,保留ResNet-34的独立卷积结构和残差结构,并保证ResNet-34网络和UNet网络的有效融合,从而形成ResNet-UNet神经网络。针对火灾图像中目标区域与背景区域在图像中所占比例差别大而导致的分割类别不平衡问题,将交叉熵损失与Dice损失线性组合并对Dice损失加权。经实验证明,提出的改进ResNet-UNet方法较改进前准确度提高了11%,Hausdorff_95效果更好,网络预测值和真实值更接近,有效提高了火焰的分割性能。

基于纹理粗糙度的回转窑火焰图像FCM分割方法

在深入研究氧化铝回转窑火焰图像特点的基础之上,提出了一种将基于图像灰度值的模糊C-MEANS(FCM)算法与图像纹理粗糙度特征相结合的图像分割方法。利用加窗自相关系数表征图像中火焰区与物料区在纹理粗糙度方面的差异,对FCM聚类的结果隶属度矩阵进行去模糊化运算,改善了火焰区与物料区的分割效果。实验结果表明,图像灰度值信息和纹理粗糙度特征的融合对于提高氧化铝回转窑火焰图像的分割精度具有重要的研究价值。

基于K均值聚类陶瓷窑炉火焰图像分割方法

陶瓷产品烧制过程中,其烧结状况随着烧制阶段不同而变化。火焰纹理在不同的烧制阶段变化明显,所以其可以作为陶瓷窑炉烧成带工况识别的重要参数。本文提出了一种基于K均值聚类对陶瓷窑炉烧成带火焰图像进行彩色分割的方法,同时给出了相应的k均值聚类算法。采用结合k均值聚类算法彩色分割方法实现了陶瓷窑炉火焰图像样本的有效分割,色彩信息得到最大保留。实验结果表明该方法为陶瓷窑炉烧成带火焰图像特征提取提供了一种较好的技术手段。这将为利用烧成带火焰图像特征来检测陶瓷窑炉烧成带温度,实现陶瓷窑炉烧成带温度智能控制提供一种新途径。

大空间火灾火焰图像分割区域的静态特征描述与提取

大空间火灾的有效检测对预防火灾、保护人员生命财产安全有着至关重要的作用。基于火焰视频图像的检测结果,对分割出的火焰图像进行静态特征描述和分析,提取出火焰候选区域的多种定量特征描绘子,并从颜色特征、纹理特征和形状特征这三个方面来描述火焰影像区域的静态视觉特性。试验结果表明利用火焰影像的颜色矩特征能够区分一般干扰物体;利用纹理特征能有效排除与火焰像素颜色相近的干扰物体;同时,采用圆形度作为火焰图像区域的形状特征描绘子也能排除常见的干扰模式,从而对火灾事件进行准确而有效的识别,减少识别误报率。

自适应变异的布谷鸟算法的火焰图像分割

针对火焰图像分割方法一般存在抗噪性能差,计算时间长的缺陷,不能满足电站锅炉火焰状态的实时监测,提出一种基于二维最大类间方差的自适应变异布谷鸟算法的火焰图像分割方法.以二维最大类间方差作为阈值选取准则,增强了算法的抗噪性能;利用差分进化算法的变异策略自适应的改进布谷鸟算法的更新策略,并动态变化发现概率,增强了算法的局部搜索能力,平衡了算法的开采和开发能力,缩短了算法的分割时间.实验证明本文方法在时间和精准度上都优于基于粒子群优化算法和布谷鸟算法的火焰图像分割方法.

锅炉煤燃烧火焰图像倒数交叉熵多阈值分割

为了快速准确地进行锅炉煤燃烧火焰图像的分割,提出了基于倒数交叉熵的多阈值分割方法,以弥补现有Shannon交叉熵方法因涉及对数运算而存在无定义值和零值的缺陷,并提升算法运算速度.首先定义了倒数交叉熵,导出了最小倒数交叉熵单阈值选取公式,证明了倒数交叉熵在灰度均匀分布时和Shannon交叉熵等价;然后将此推广到多阈值选取,给出最小倒数交叉熵多阈值选取的改进粒子群优化算法,实现对多个阈值快速精确地寻优;最后针对火焰图像进行了大量的实验.结果表明,与基于改进粒子群优化的最大Shannon熵、灰度熵、Otsu、Shannon交叉熵等方法相比,该方法能够更为准确地对火焰图像进行多阈值分割,而且计算速度比Shannon交叉熵方法大大加快.

大空间早期火灾火焰图像分割区域的特征描述与提取(英文)

基于火焰视频图像的检测结果,对分割出的火焰图像进行特征描述和分析,提取出火焰候选区域的多种定量特征描绘子。首先从颜色特征、纹理特征和形状特征3 个方面描述火焰影像区域的静态视觉特性,同时引入面积变化率和形体相似度 2 种描绘子来描述火焰区域的动态视觉特征,作为对火焰静态视觉特征的有效补充,以提高火焰识别系统的有效性和鲁棒性。相关结果可为后续火灾模式识别以及火焰空间定位提供理论基础,减少识别误报率,提高大空间灭火系统的工作效率。

低氮燃烧器火焰分割挡板的数值模拟分析

应用CFD软件对低氮燃烧器是否设置火焰分割挡板情况进行数值模拟,探讨设置火焰分割挡板对降温和降氮的重要性以及火焰分割挡板角度和形状对炉膛燃烧特性的影响。研究表明:设置火焰分割挡板一方面提高部分二级空气流速,加强气流混合程度;另一方面能分割二级空气,实现氧气分段供给,将火焰分割成多个区域,提高火焰锋面与空气的接触面积,避免热负荷集中出现,降氮效果很明显。与导流孔结合,能够加强烟气回流作用。火焰分割挡板角度增大可以改善二级空气分布状况,增强炉膛内部烟气回流,达到很好的降温及降氮效果,但是考虑到燃烧稳定性及燃烧效率、风机风压等问题,宜取较小且适合加工的角度,建议取30°~45°。火焰分割挡板形状取矩形时,可以增强气流扰动,空气分散作用更强,火焰分散程度更大,高温区域体积更小,从而导致NO_(x)质量分数降低,但是由于棱角的存在,气流扰动大,可能造成燃烧不稳定,建议设计中考虑此问题。设置火焰分割挡板具有很好的降温及降氮作用,可在低氮燃烧器中广泛应用,在设计过程中,应充分考虑火焰分割挡板造成的局部阻力及对燃烧稳定性的影响。