基于提升小波的图像型火灾检测技术 第12页
视频中第4、29、48帧RGB图像和阂值分割后的图像;图(g)、(h)、(i)分别为提升
小波biors.5对(d)、(e)、(O作提升变换二层分解后的水平高频分量，图O)、(k)、(l)
分别为提升小波biors.5对(d)、(e)、(匀作提升变换二层分解后的垂直高频分量，图
(m)、(n)、(o)分别为提升小波biors.s对(d)、(e)、(幻作提升变换二层分解后的对角
方向高频分量;图印)、(q)、(r)分别为水平、垂直、对角方向三个高频分量采用闽
值迭代融合法获取的视频帧图像的边缘图像。
结论:通过对图4.5和图4.6对比，传统的边缘检测算子Sobel、Log忽略了一
些重要的边缘部分，视觉效果也较本文提出的方法逊色;Canny算子检测效果较好，
细节边缘丰富，但该算子通过高斯函数求得，故耗时较长，不适宜实时图像的检
测。通过比较可以看出本文提出的检测方法效果较好。
4.6.4火灾判别
运用基于提升小波的火灾图像边缘检测方法获得图像的边缘信息后，通过面
积判据、尖角判据和形体相似度判据来确定是否有火灾发生。为了保证实验结果
的准确性和可靠性，实验中提取实时视频中300张连续帧图像，拍摄实时视频时
对现场的亮度也有一定的人为变化。在连续帧图像中取不同阶段三组相邻6帧图
像2一7帧、27一犯帧、46一51帧，分析其边缘变化的规律，并确定了边缘变化的闭
，确定目标物边缘，进而得到相邻两帧图像的面积差值峪(x，少)、尖角数差值。，
着对连续6帧相邻帧图像之间的差值图像二值化，并对相邻二值化的图像序列
分别进行逻辑与运算和逻辑或运算，根据式(4一11)求取形体相似度值。具体实验数
如表4.2一4.4:
表4.2火灾火焰2一7帧的面积、尖角相似度特性
相相邻帧组别别2一3333~4444一5555一6666~777平均值值综合判别别
表4.3火灾火焰27一32帧的面积、尖角相似度特性
表4.2中2一7帧图像以纸为燃烧物，纸、背景柜面亮度值与火焰亮度值较相近，
拍摄时室内光线也较强，纸燃烧火焰很小，存在漏报现象;表4.3中27一32帧图像
随着火焰面积的增大，尖角数也在增加，但相似度变化不稳定，存在部分不能识
别的现象;视频中犯帧(l.285)以后，火焰面积呈现不断增大的趋势，火焰尖角
的尖角数目呈现不规则变化，火灾现场的相邻帧图像的相似度变化范围较小，用
综合判据均能识别是否有火灾发生。
再取不同阶段三组相邻6帧图像2一7帧、27一32帧、50一55帧，应用Sobel和
Log边缘检测算子获取边缘，来实现对火灾的判别，实验数据如表4.5一4.7:
表4.5火灾火焰2一7帧的面积、尖角相似度特性
相相邻帧组别别2~3333~4444~5555~6666~777平均值值综合判别别
表4.6火灾火焰27弓2帧的面积、尖角相似度特性
相相邻帧组别别2~3333科科4~5555~6666~777平均值值综合判别别
表4.5中2一7帧图像以纸为燃烧物，纸、背景柜面亮度值与火焰亮度值较相近，
摄时室内光线也较强，纸燃烧火焰很小，存在漏报现象;表4.6、4.7中27一犯
50一55帧图像随着火焰面积、尖角数也和相似度都有，且变化不稳定，存在部
不能识别的现象;Sobel、Log边缘检测算子丢失的边缘信息较多，尖角识别较
，在300帧图像中，发生漏报误报现象较多，实验中Prewitt、RobertS等算子检
效果发生漏报误报现象也较多，基于提升小波变换的边缘检测方法获取图像的
缘信息较多，在火灾发生时可有效降低漏报误报，提高火灾的预警能力。
.6.5加噪后火灾判别
实际获取的图像中，由于各种各样的原因，噪声是不可避免的。火灾现场的
噪声通常和椒盐噪声很相似，现对原视频帧图像添加椒盐噪声(T=0.02)，用不同
的边缘检测算子提取火焰边缘信息，并用本文提出的算法综合判别加噪后视频图
像中的火灾火焰，通过实验分析算法对加噪视频的灵敏性和鲁棒性。实验中采集
火灾时的实时帧图像，分别选取实时视频第4帧、第29帧、第48帧图像(每帧
时间间隔0.045)。实验结果如图4.7。
(a)视频第4帧加噪图像(b)视频第29帧加噪图像(c)视频第48帧加噪图像
(d)第4帧图像加噪灰度图(e)第29帧图像加噪灰度图仍第48帧图像加噪灰度图
(v)对0提升小波边缘检测(w)对(k)提升小波边缘检测(x)对(l)提升小波边缘检测
图4.7加噪后边缘检测图
图(a)、(b)、(c)分别为火灾视频第4帧、第29帧、第48帧图像添加椒盐噪声
(T=0.02)后图像，图(d)、(e)、(匀分别为(a)、(b)、(e)的灰度图，图(g)、(h)、(i)
别为(d)、(e)、(幻的灰度图去相关拉伸对比度增强后的图像，图巾、(k)、(l)分别
为(g)、(h)、(i)的闽值分割图，图(m)、(n)、(o)分别为sobel算子对图白)、(k)、(l)
检测的边缘图，图印)、(q)、(r)分别为109算子对图巾、(k)、(l)作检测的边缘图，
图(s)、(t)、(u)分别为canny算子对图O)、(k)、(l)作检测的边缘图，图(v)、(w)、(x)
分别为提升小波算法对图巾、(k)、(l)作检测的边缘图。
通过对图4.5和图4.7对比分析，Sobel、RobertS、Prewitt算法鲁棒性差，在
提高抗噪声的同时增加了计算量，而且还会检测到伪边缘，定位精度不高153〕。Log
缘算子为二阶差分，双倍增强了噪声的影响，会产生双像素宽的边缘，不能提
边缘方向信息。Canny边缘检测算子通过一阶微分的极大值确定边缘点，图像中
灰度变化剧烈的点与变化缓慢的点对应二阶导数零交叉点，也会引入伪边缘点。
基于提升小波的边缘检测算法，在加噪后，提取的边缘图像中边缘定位较清晰，
抗干扰性较强。
获得加噪后图像的边缘信息后，面积判据、尖角判据和形体相似度判据来确
定是否有火灾发生。在连续加噪帧图像中取不同阶段三组相邻6帧图像9一14帧、
7一32帧、46一51帧，各判据实验结果如表4.8一4.10:
表4.8火灾火焰9一14帧的面积、尖角相似度特性
<< 上一页 [11] [12] [13] 下一页
基于提升小波的图像型火灾检测技术 第12页下载如图片无法显示或论文不完整，请联系qq752018766
