復(fù)雜大空間下圖像型火焰特征選擇與識別算法研究.pdf

1、火災(zāi)常常事發(fā)突然、破壞性大，嚴(yán)重威脅人們的生命和財(cái)產(chǎn)安全。隨著社會的不斷發(fā)展和經(jīng)濟(jì)的高速增長，越凸顯出火災(zāi)檢測工作的重要性。傳統(tǒng)的火災(zāi)檢測主要是通過各種傳感器對區(qū)域內(nèi)溫度、光譜、煙霧顆粒、可燃?xì)怏w含量等指標(biāo)進(jìn)行分析，判斷是否有火災(zāi)發(fā)生。然而，這些感應(yīng)設(shè)備存在傳播速度慢、信息量損失大、穩(wěn)定性較差和實(shí)時(shí)信息無法存儲等缺陷。而基于圖像處理技術(shù)的火災(zāi)探測技術(shù)可以有效彌補(bǔ)傳統(tǒng)探測方式的上述弊端，擁有更加廣闊的應(yīng)用前景。
　　本文首先介紹了傳

2、統(tǒng)火災(zāi)探測技術(shù)的研究背景及視頻火災(zāi)探測技術(shù)的發(fā)展現(xiàn)狀，基于視頻圖像的火災(zāi)探測技術(shù)能夠很大程度上避免傳統(tǒng)探測方式存在的缺陷而達(dá)到探測火災(zāi)的目的。本文主要分為三個(gè)部分：首先對分幀獲取的圖像序列進(jìn)行去噪，濾除圖像中夾雜的噪聲，然后在提取火焰疑似區(qū)域時(shí)使用了一種改進(jìn)的幀差法，通過專門的算法提取可疑區(qū)域的七個(gè)特征變量，分別是紅綠面積分量比、圓形度，尖角數(shù)三種靜態(tài)特征，面積變化率、相關(guān)系數(shù)、相似度和整體移動(dòng)特性四種動(dòng)態(tài)特征。最后，本文將粗糙集理論與

3、支持向量機(jī)理論相結(jié)合，建立RS-SVM分類模型。利用兩種屬性約簡算法對分類器的輸入向量即七個(gè)特征變量進(jìn)行降維處理，去除冗余信息，將約簡結(jié)果輸入分類器模型進(jìn)行分類判定。
　　針對復(fù)雜大空間下圖像型火災(zāi)火焰的檢測，本文進(jìn)行了大量的仿真實(shí)驗(yàn)。通過實(shí)驗(yàn)可以發(fā)現(xiàn)，將粗糙集理論的屬性約簡算法與支持向量機(jī)相結(jié)合，能夠很大程度的消除條件屬性中的冗余屬性。實(shí)驗(yàn)結(jié)果表明：較單純使用支持向量機(jī)分類模型而言，本文所設(shè)計(jì)的RS-SVM分類器模型能夠在保證識