林火视频监控中烟识别方法的探讨

森林火灾是一种世界性的重要自然灾害,具有传播速度快、灭火和营救都比较困难等特点,利用视频图像的林火探测技术不受室外空间和恶劣环境的影响,适合于森林火灾的监测报警,是一种新型有效的火灾探测技术。本文通过对火灾现场视频图像中烟图像特征、烟纹理特征、烟动态特征、烟形状特征的分析,分析了火灾烟图像特征,从而排除干扰现象而识别出火灾烟。

林火视频监控中烟识别方法概述

森林火灾是一种世界性的严重自然灾害,具有传播速度快、灭火和营救都比较困难等特点,利用视频图像的林火探测技术不受室外空间和恶劣环境的影响,适合于森林火灾的监测报警,是一种新型有效的火灾探测技术。本文通过对火灾现场视频图像中烟识别方法的列举和讨论,简单介绍火灾烟和其它一些干扰现象的颜色,从而为进一步的研究提供理论依据。

林火视频监控中烟识别方法概述

介绍国内外林火监测技术的发展现状,火灾的物理特征,烟图像的火灾监测技术,火灾图像的获取与预处理,火灾图像烟的纹理特征、动态特征、形状特征.认为森林火灾的探测基础理论及技术仍然不够完善,将数字图像处理技术应用到火灾报警上是一种有效的火灾探测手段.

基于线性谱聚类的林地图像中枯死树监测

【目的】将基于线性谱聚类超像素的方法应用在森林病虫害防治领域,可智能监测无人机森林虫害图像中的枯死树,为森林有害生物的监测工作提供技术支撑。【方法】分别以湖北省受松材线虫与辽宁省受红脂大小蠹侵害的松林无人机图像为试验数据,首先使用线性谱聚类超像素分割算法将图像划分为多个超像素;然后基于枯死树木的颜色特征,初步提取可能为枯死树的超像素区域;最后基于枯死树木与其他干扰地物具有不同的纹理特征,计算超像素的区域密度和缝隙量,利用支持向量机对初步提取的超像素进行分类,从而检测出图像中的枯死树。【结果】基于线性谱聚类超像素和支持向量机的枯死树监测方法可有效排除与枯死树木颜色相近的其他干扰地物,较准确地提取出枯死树木。使用该方法与基于植被颜色指数的阈值分割方法、基于简单线性迭代聚类超像素和随机森林的方法,对35幅受灾松林无人机图像进行试验,并选用交并比、虚警率和漏检率3个评价指标对3种方法进行定量对比分析。结果表明,基于线性谱聚类超像素的方法监测出的枯死树区域最精确,其监测结果与人工检测结果的交并比均值大于58%,且虚警率和漏检率均优于另外2种方法。【结论】基于线性谱聚类超像素的枯死树监测方法能实现松林中枯死树的快速、准确检测及定位。

面向森林火灾烟雾识别的深度信念卷积网络

对于CNN的图像识别,采用随机初始化网络权值的方法很容易收敛达到局部最优值。针对林火中的烟雾图像识别,提出一种结合无监督和有监督学习的网络权值预训练算法。首先通过使用DBN预学习得到的特征初始化CNN的权值;然后通过卷积、池化等操作,提取训练样本的特征,并采用全连接网络对特征进行分类;最后计算分类损失函数并优化网络参数。实验的训练结果显示,基于DBN-CNN的森林火灾烟雾识别的准确率达到了98.5%,相比于其他算法其准确率更高。