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。     

基于扩展分形特征的图像型火灾检测

针对火灾检测中存在的不稳定及误判率高的问题,提出一种基于扩展分形特征的图像型火灾检测算法。首先在图像的HSI颜色空间进行火焰疑似区域的分割,然后采用文中提出的扩展分形特征计算方法计算图像扩展分形特征,利用该特征对目标事物对比度和大小尺寸敏感的特性,对火焰区域进行再次分割,得到最后的火焰区域。实验结果表明,该算法运行效率较高、误报率较低,适用于多种场合的火灾检测。     

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。     

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.     

图像型火灾火焰探测原理

根据火灾火焰的颜色特性、闪烁频率特性、形态变化特性及其发生发展在图像上所表现出来的趋势特征,设计分析了图像型火灾火焰的序列帧识别原理,并结合工程应用的分类特性,论述了图像型火灾火焰的干扰及其使用图像的小块分割算法和外形判断的干扰排除方法.     

基于红外热成像的隧道火焰检测技术研究

精准的火焰检测是有效避免火灾发生的关键,针对传统的火灾探测算法在公路隧道等大空间环境中存在及时性与准确性相互制约的问题,通过研究隧道火焰初期在图像中呈现的静态和动态特征,提出了一种基于红外热成像的公路隧道火灾初期火焰检测方法。利用温度阈值获取疑似火焰区域,根据红外图像在引导滤波器作用下降噪,同时利用区域增长法分割疑似火焰区域;从疑似区域中提取的特征值构成特征向量,进行数据归一化提高SVM收敛速度;利用人工蜂群算法优化参数。结果表明:ABC-SVM能够实现公路隧道火灾初期的火焰识别,检测正确率相较于RBF方法提升了2.26%,运行时间缩短了2.29 ms;检测正确率相较于SVM方法提升了0.87%,运行时间缩短了2.22 ms。本方法可以对初期隧道火灾进行快速、有效检测,并有良好的环境适用性。     

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。     

基于 K-means聚类算法的沥青烟电除尘器火花分析

为了保证沥青烟电除尘器的除尘效率、降低除尘设备的火灾风险,采用了K-means聚类的方法分析ESP放电信号。首先将ESP伏安特性曲线的二维空间进行了分割,确定了不同运行状态与聚类中心的关系,然后使用K-means聚类算法计算其聚类中心,最后根据当前ESP输入参数与各个聚类中心欧氏距离的关系,从而判断出ESP是否处于火花放电状态。仿真结果表明该方法可以准确地判断出所有火花放电信号。     

面向视频火灾火焰识别的轻量化卷积神经网络模型

深度学习在基于视频的火灾火焰识别技术中得到了广泛应用。为解决当前常用的卷积神经网络模型由于层数和训练参数过多，导致存储和速度问题突出，很大程度上限制了其在一些硬件平台上使用的问题，基于轻量级卷积神经网络模型SqueezeNet,通过适当修改模型结构，构建了一种适用于火灾火焰识别的新网络模型。将获取的各类火灾火焰图像数据，采用数据增强的方法来增加数据量，制作火灾火焰图像数据集，形成学习样本，并使用运动探测算法提取图像的火焰区域进行模型训练和识别前预处理。试验结果表明：该模型所需存储空间仅为0.28 MB,为VGG16的1/200;火灾火焰识别预测准确率达98%,比SqueezeNet提高了近4个百分点，且具有良好的抗干扰能力，有效缓解了当前卷积神经网络中存在的存储和速度问题。     

基于数字图像处理技术的金相分析研究

采用和改进了人际交互式图像分割算法Live-wire,对电气火灾中的典型火烧金相图和一次短路金相图进行处理,结合数字形态学操作,精确提取了两类金相图中的典型胞状晶和柱状晶结构;分析和讨论了多种结构描述子对晶格分类的作用,结果表明,离心率和晶格标记方差两个描述子能有效区分两类晶格结构;采用聚类分析和Fisher判别法,实现了对两类金相图的自动分类.     

低气压下火焰视频图像特征研究

为了进行非密封飞机机舱内视频火灾探测技术的研究,借助中国科学技术大学QR0-12步入式环境低气压试验舱开展低气压下(100kPa,90kPa,70kPa,50kPa和30kPa)火焰视频图像特征研究。在实验舱中用正庚烷作为可燃物进行点火实验,拍摄火焰视频,研究低气压环境下火焰的颜色、空间变化、运动、相对稳定性、边缘粗糙度、相邻帧火焰区域面积变化率、面积重叠率、相关性特征。实验结果表明,火焰的颜色、空间变化特征不会随气压变化而变化;而火焰动态特征等都会因气压的不同而发生变化。因此,火焰的颜色和空间变化特征在低气压环境中仍可用于火焰区域分割和识别,而其他动态特征会随着气压发生变化,不能用常压下的方法来训练分类模型,但仍可以用以区别火焰和静止的疑似区域。     

阵列燃烧诱发火焰融合的判据及其可行性研究

为了探究一种判定多火源等间距阵列燃烧时火源参与火焰融合程度的判据,基于多火源等间距阵列燃烧试验,获得n×n(n取3~7）阵列各火源层在不同火源间距条件下的无量纲平均燃烧速率,采用自定义拟合的方法,拟合出各火源层的无量纲平均燃烧速率随无量纲火源间距的变化曲线,将所得拟合曲线与火源参与火焰融合的临界值曲线相交,便可得到各火源层的临界无量纲火源间距值。分析该值,发现其与火源层数呈良好的线性关系,且此线性直线与试验结果吻合度较高。从而,获得一种应用无量纲火源间距判定阵列火源参与火焰融合程度的简易判据。     

地下复杂组合受限空间火灾分区现象与初期模式实验研究

主要介绍地下狭长与组合受限空间油料介质火灾分区现象、初期火灾主要模式模拟实验研究结果与讨论;地下组合受限空间火灾呈现出特殊的分区现象。一般可分为燃烧区、新鲜空气补充区、烟气流区、过渡区和火焰后面的“惰化区”五区。有上下两层的地下复杂组合受限空间可分为燃烧区、烟气流区、新鲜空气补充区和“惰化区”4区。地下受限空间(包括组合受限空间、容积式受限空间和狭长受限空间)密闭条件下火灾初期模式主要有：爆炸、爆炸减弱、爆炸增强、燃烧、爆燃向爆轰发展。地下复杂组合受限空间下部与下部狭长受限空间分别全开口条件下着火后火灾主要模式为爆炸、燃烧、爆炸后持续燃烧、爆炸后短时燃烧、爆炸后发展为出口外爆炸;爆炸又可分为爆炸强度逐步加强、爆炸由爆燃发展为爆轰、爆炸强度逐步减弱。     

基于改进水平集算法的锅炉承压视觉预警技术

传统锅炉承压预警技术主要依靠人工巡查发现问题,在检测过程中受工作人员自身操作不稳定因素影响,存在故障预警实时性差、盲点多等问题,达不到相应的预警要求.针对此问题,提出基于改进采用水平集算法的锅炉承压预警技术.利用图像处理技术从图像中分割出锅炉承压关键部件,统计关键部件灰度值,并利用灰度值设定特征图像及初始轮廓,设计采用...