基于图像处理的燃烧物识别技术的研究

论文摘要

火灾是最常见的严重灾害之一,它直接危及人类生命财产的安全。随着科技的飞速发展,目前国内外的火灾自动探测和报警技术已日渐完善。但在浓烟滚滚的火灾现场,消防人员很难判断大型仓库或室内燃烧物的种类或性质,这给消防人员的火灾扑救带来了许多不便。基于图像处理的燃烧物识别系统,利用计算机视觉、模式识别等多种技术对火灾图像信息进行分析,能自动识别燃烧物的种类和性质,在火灾发生的早期向消防人员发出报警提示,便于消防员在火灾扑救时采取相应的灭火设施,对有效控制火势的蔓延及火灾扑救有着积极和现实的意义。本文基于红外图像研究了火焰的检测方法,对火焰特征及其检测算法进行了深入研究,主要从如下几个方面进行了火焰特征的提取：第一、基于温度特征,可以将重心提取出来,以求得燃烧物重心处的温度特性；第二、形体特征,主要有圆度和细长度这两种；第三、运用图像旋转来提取火焰长短轴的方法。通过对这些特征的提出与处理,可以识别出早期火灾的燃烧物种类和性质。此外,本文还在研究了基于最小距离的火焰模式识别的基础上,给出了最小距离的具体的设计算法和归一化方法,并使用一系列的火焰图像样本进行了实验。实验结果表明,基于图像处理的燃烧物识别方法,识别率高,具有较好的发展前景。最后讨论了数据的远程传输问题,以此来扩展系统的功能。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景意义
• 1.1.1 燃烧识别的应用背景
• 1.1.2 燃烧物识别的意义
• 1.2 国内外发展现状
• 1.3 论文的研究内容及目标
• 1.4 小结
• 第二章 光谱辐射及红外图像特征
• 2.1 光谱辐射定律
• 2.2 单波段理论
• 2.3 火焰燃烧特征
• 2.3.1 火焰特征
• 2.3.2 背景辐射特征
• 2.4 早期火焰的温度特征
• 2.5 红外图像的成像规律
• 2.6 小结
• 第三章 系统硬件设计
• 3.1 系统总体设计框图
• 3.2 摄像头的选取
• 3.2.1 取样原理和方法
• 3.2.2 图像像素值的量化
• 3.2.3 CCD和USB摄像头
• 3.3 滤光片的选取
• 3.4 PC和Internet的连接
• 3.5 小结
• 第四章 燃烧物红外图像的预处理
• 4.1 图像预处理的目的
• 4.2 预处理的常用算法
• 4.2.1 图像的灰度化处理
• 4.2.2 图像的二值化处理
• 4.2.3 图像的反色处理
• 4.2.4 图像的高斯滤波处理
• 4.2.5 各向异性扩散平滑滤波的基本原理
• 4.2.6 图像的Sobel边缘检测的原理
• 4.2.7 图像的高斯滤波
• 4.3 C#数字图像处理的特点
• 4.3.1 C#概述
• 4.3.2 C#数字图像处理的基本流程
• 4.4 系统预处理的实现
• 4.4.1 K-均值聚类的算法介绍
• 4.4.2 图像空间的转化和二值化
• 4.4.2.1 RGB彩色空间和HSI彩色空间
• 4.4.2.2 二值化
• 4.4.3 实验结果
• 4.5 小结
• 第五章 燃烧物特征提取
• 5.1 概述
• 5.1.1 温度特征
• 5.1.2 形体特征
• 5.2 温度特征提取
• 5.2.1 重心的求取
• 5.2.2 实验结果
• 5.3 形体特征提取
• 5.3.1 圆形度的求取
• 5.3.1.1 边缘检测
• 5.3.1.2 连通性准则的定义
• 5.3.1.3 周长的计算
• 5.3.1.4 实验结果
• 5.3.2 细长度的求取
• 5.3.2.1 基本概念
• 5.3.2.2 图像旋转
• 5.3.2.3 实验结果
• 5.4 特征选取的基本原则
• 5.4.1 选取的基本概念
• 5.4.2 可靠性
• 5.4.3 可区别性
• 5.4.4 独立性
• 5.5 小结
• 第六章 模板匹配和数据库的实现
• 6.1 神经网络分类器
• 6.1.1 神经网络的基本概念
• 6.1.2 神经网络的训练
• 6.2 基于最小距离分类的模板匹配
• 6.2.1 最小距离分类法的算法分析
• 6.2.2 最小距离分类法的规格化
• 6.3 xml数据库
• 6.4 实验结果
• 6.5 小结
• 第七章 网络报警
• 7.1 UDP协议概述
• 7.2 Wireshark简介
• 7.3 网络报警的实现
• 7.4 小结
• 第八章 总结与工作展望
• 8.1 论文总结
• 8.2 工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文
• 附录一:主要源程序代码
• 1. 初始化
• 1.1 读出数据库中的数据
• 1.2. K-均值聚类（HSL空间）
• 2. 温度算法
• 2.1 计算火焰面积
• 2.2 计算火焰重心
• 3. 形体算法
• 3.1 显示火焰边缘
• 3.2 计算火焰周长
• 3.3 计算圆度
• 3.4 图像旋转和计算细长度
• 4. 模式识别
• 5. 网络传输模块