火焰與煙霧的融合特征提取和分類算法研究.pdf

1、在火災的防治過程中，對火災發(fā)生的自動檢測與識別顯得尤為重要。而傳統(tǒng)的火災探測技術(shù)有很多的不足,不僅容易受到環(huán)境因素的干擾，也無法記錄火災發(fā)生時的情況，為后續(xù)的調(diào)查帶來了困難。因此國內(nèi)外學者對基于視頻圖像的火災識別進行了研究?；谝曨l圖像的火災識別不僅可以增加火災探測的速度，還可以記錄火災發(fā)生時的情況，同時對于大范圍的火災監(jiān)控也有著很大的優(yōu)勢。本論文結(jié)合相關(guān)的知識，探索了火焰與煙霧圖像的預處理、火焰與煙霧區(qū)域的特征選擇提取和火焰與煙霧區(qū)域

2、的分類識別，并做了相關(guān)的實驗。
　　在火焰和煙霧區(qū)域特征的選擇和提取部分，研究了基于火焰和煙霧區(qū)域的協(xié)方差特征，通過Relief、PCA等特征選取方法選擇適應火焰和煙霧探測的在不同彩色空間和變換空間下的各通道和運動分量的最佳分類特征順序，并用協(xié)方差矩陣驗證各特征對分類的區(qū)分性貢獻率。探索用光流直方圖和有向梯度直方圖描述火焰和煙霧的時空特征，提出在時空塊內(nèi)對不同通道下的光流直方圖的分析，探索火災區(qū)域的梯度方向直方圖的靜動態(tài)特征的描述

3、方法，將HOFHOG和其他特征通過k-means方法構(gòu)成特征詞典。
　　在火焰區(qū)域特征和煙霧區(qū)域特征的分類算法方面，研究了支持向量機算法和隨機森林算法。提出將支持向量機分類和最近鄰分類相結(jié)合的方法，形成了一種分類器。并對隨機決策森林樹訓練過程中的參數(shù)、性能進行了選擇和分析，同時探測了火焰與煙霧區(qū)域各特征的空間分布和時序關(guān)系并由決策森林投票給出更邏輯合理的判斷。
　　本文最后綜合所涉及的圖像處理技術(shù)以及實驗結(jié)果，實驗證明基于H