融合红外与可见光的实验室火焰图像分割识别

为实现实验室火灾识别并解决因火苗小导致相机采集到的图像火焰不显著,以及火焰伴随烟雾遮挡影响分割识别精度的问题,提出一种改进的语义感知的实时热红外和可见光图像融合分割网络。通过融合热红外与可见光图像,提供热辐射信息以增强可见光图像中因烟雾遮挡而降低的光谱信息以及火焰燃烧前期的显著性,完成对实验室烟雾遮挡下火焰以及火焰燃烧前期小火苗的分割。对融合网络中的梯度残差密集块(GRDB)增加中间特征传输块(IFTB)并引入权重块,减少融合时火焰图像的信息损失,在增强火焰图像显著性的同时以最少内容损失为基准还原可见光图像结构信息。在Deeplabv3+语义分割网络中添加基于梯度变换的边缘提取模块(EEM),增强融合图像中明暗变换显著的火焰烟雾图像边缘信息,减少烟雾遮挡对火焰分割的影响,提高火焰分割识别精度。实验结果显示,通过融合可见光与热红外图像使火焰燃烧前期图像的火焰检测分割识别精度得到了提升,改进的火焰分割网络在自采数据集中的平均交并比为91.27%,分割效率为11.96 FPS,表明改进的融合分割网络对实验室火焰烟雾分割识别的效果有明显提升,对于实验室火焰烟雾检测具有现实应用价值。