图像处理与模式识别在火灾探测领域的应用

【摘要】： 森林火灾是一种世界性的重要自然灾害，越来越受到各国政府的重视。由于森林火灾具有传播速度快、灭火和营救都比较困难等特点，所以如何有效的进行森林火灾的安全防范以及尽早发现火灾的问题就变得越来越紧迫。作为一种新型有效的火灾探测技术，图像型火灾探测技术不受室外大空间和恶劣环境的影响，适合于森林火灾的监测报警。本文通过对数字图像处理技术的研究和讨论，设计了针对森林火灾的多种检测方法。 论文系统地讨论了森林火灾产生的原因、传统火灾探测技术存在的缺陷，并将其与新型火灾探测技术进行了对比，在此基础上分析了图像型火灾探测技术的特点及其适合于森林火灾监测工作的原因。 本文详细地研究了火灾图像的噪声滤除、差影检测、阈值分割等算法及其在火灾图像处理中的应用，针对日光强烈时火灾图像分割困难的问题，提出了一种新的火灾图像分割算法，能够在图像序列中较为准确地提取出火焰目标。 本文详细地分析了火灾火焰和其它一些干扰现象的颜色、纹理和形态特征，并且针对每一种特征分别提出相应的图像识别算法。通过这些算法，可以识别出早期火灾的火焰图像并能够区别其它的干扰现象。 最后，讨论了基于神经网络的火灾探测方案。给出了神经网络的具体结构和输入输出单元的设计方案。在此基础上，设计了基于BP神经网络的火灾探测系统，并使用一系列的火灾图像样本和干扰模式的图像进行了验证。实验结果表明，基于BP神经网络的火灾识别算法能够有效的识别出火灾火焰并且具有良好的抗干扰能力。