基于图像处理的复杂场景火焰识别与火灾判定方法

为了提高复杂场景及不同火灾场景火焰识别的准确性,提出一种基于图像处理的复杂场景火焰识别与火灾判定方法。结合应用高斯低通滤波、基于HSI的分块同态滤波增强与基于Lab的K-means彩色图像分割算法实现火焰识别,并通过计算评估火焰的面积变化率和质心分散来判定是否发生火灾。结果表明,高斯低通滤波避免了“振铃”现象的产生,且峰值信噪比(PSNR)较巴特沃兹和理想低通滤波方法更高;基于HSI的分块同态滤波增强算法抑制了背景光亮度的影响,并与对比度受限的自适应直方图均衡化(CLAHE)和色彩恢复的多尺度视网膜(MSRCR)算法比较,达到了更高的对比度;基于Lab的K-means分割算法降低了光线及设备对分割结果的影响,与Otsu和区域生长方法相比,能够更准确提取不同场景火灾图像的火焰。通过对30张不同场景的火灾图像进行火焰识别测试,其平均识别准确率达96.66%,处理1张图像用时0.96 s。最后,以某餐厅和室内蔓延火灾火焰及蜡烛稳定燃烧火焰为例,判定当火焰面积变化率不低于0.22且质心分散不低于17.02时发生火灾,应及时触发火灾报警器,降低火灾事故的损失。