火焰與煙霧的奇異特征定義與分類算法研究.pdf

1、火焰與煙霧的奇異特征定義和分類算法研究涉及到計算機(jī)圖像處理、圖像模式識別和人工智能等多門學(xué)科的知識。本論文結(jié)合相關(guān)的知識，探索了火焰與煙霧圖像的預(yù)處理、火焰與煙霧區(qū)域的特征選擇提取、火焰與煙霧區(qū)域的搜索策略和分類識別。
　　在火焰與煙霧圖像的預(yù)處理部分，本文研究了火焰與煙霧圖像在 RGB、HSI、CMYK和YCbCr四種顏色模型的視覺特性，并對4個顏色模型共13個分量圖進(jìn)行直方圖均衡化處理，在分析直方圖均衡化處理后的各個分量圖后，

2、采用雙閾值分割法并選擇合適的分量圖和閾值，對火焰區(qū)域和煙霧區(qū)域進(jìn)行了初步的分割。通過形態(tài)學(xué)的膨脹、開運算、閉運動以及區(qū)域空洞填充對初步分割圖進(jìn)行處理，得到效果更好的火焰區(qū)域分割圖和煙霧區(qū)域分割圖。
　　在火焰和煙霧區(qū)域特征選擇和提取部分，在介紹了顏色直方圖特征、顏色矩特征和顏色梯度等多種顏色特征，以及運動物體的動態(tài)特征之后，探索了協(xié)方差描述子在表示火焰與煙霧圖像的應(yīng)用，并且為了將協(xié)方差描述子與后面介紹的分類算法相結(jié)合，提出了協(xié)方差

3、描述子的有效信息等價的向量表達(dá)方式。本文在火焰與煙霧區(qū)域的搜索策略方面，介紹了窮舉法、遺傳算法跟粒子群算法、網(wǎng)格平鋪法及其改進(jìn)方式，并分析了各種搜索策略的優(yōu)劣和適用場景，然后探索了遺傳算法和粒子群算法在火焰與煙霧探索定位中的參數(shù)優(yōu)化設(shè)置。
　　在火焰和煙霧區(qū)域分類識別算法中介紹了最簡單的模板分類法、AdaBoost算法、支持向量機(jī)算法及基于稀疏表達(dá)的分類算法，并探索了 AdaBoost算法和支持向量機(jī)算法在火焰與煙霧區(qū)域分類識別中

4、的參數(shù)設(shè)置，及研究了通過匹配追蹤和正交匹配追蹤求解基于稀疏表達(dá)的分類算法的優(yōu)劣。在本文的火焰和煙霧區(qū)域分類識別實驗中，涉及到顏色矩特征和協(xié)方差描述子兩種特征，遺傳算法跟粒子群算法和網(wǎng)格平鋪法三種搜索策略，以及模板分類法、AdaBoost算法、支持向量機(jī)算法和基于稀疏表達(dá)的分類器四種分類算法，將這些特征提取、搜索策略和分類算法進(jìn)行適當(dāng)?shù)慕M合和集成，并展示和分析火焰和煙霧區(qū)域分類識別實驗的結(jié)果。
　　本文最后綜合所涉及的圖像處理技術(shù)以