（计算机应用技术专业论文）基于图像的火灾烟雾识别算法研究.pdf

西华大学硕士学位论文 基于图像的火灾烟雾识别算法研究 计算机应用技术专业 研究生：焦珂指导教师：罗晓晖 本文提出了一种利用数字图像处理技术对火灾产生的烟雾进行检测识别的 算法，从而可以更好得对火灾的发生产生预警，提高了火灾预警系统的灵敏度， 降低了误报率。 该算法主要分为六部分：图像预处理，背景重建与目标的提取分割，基于图 像静态特征的烟雾识别，基于图像动态特征的烟雾识别，基于图像颜色特征的 烟雾识别，加权判断。 对从监控现场的固定摄像头上采集到的视频图像，进行图像预处理，使用最 长稳定状态法重建出背景图像。在目标提取分割时使用了背景差分法、高斯滤 波、区域填充和区域标记等算法筛选出唯一的目标区域。 本文通过研究和实验，检验了烟雾的诸多有效特征，这些特征可分为静态特 征、动态特征和颜色特征。静态特征包括烟雾形态、高频衰减、形状复杂度。 动态特征包括像素变化及变化频率、发生源位置、形态变化。颜色特征是指烟 雾对背景色彩度的衰减。 本文提出了烟雾具有内部像素变化频率自底向上逐渐减小的特性，提出了烟 雾具有衰减背景色彩度的特性。本文在分析烟雾形态特性时使用了两种烟雾区 域的切分方法；使用了边界链码和圆形度描述轮廓形状的复杂度；使用了图像 分块的方法分析烟雾对背景的高频衰减特性和烟雾内部像素变化的频率特性； 并基于这种区域划分，提出了一种描述运动物体形态变化的简单方法。 针对每种烟雾的特征，均给出了使用此特征进行烟雾识别的方法步骤，对分 割出的目标区域进行检验，可以得出一个结果。将各特征检验的结果进行加权 可以得出一个最终的识别结果。 关键词：图像处理，烟雾识别，烟雾动态特征，烟雾静态特征，烟雾颜色特征。 i 西华大学硕士学位论文 r e s e a r c ho nt h ea l g o r i t h mo f f i r es m o k ed e t e c t i o n b a s e do n d i g i t a li m a g e p r o c e s s c o m p u t e ra p p l i c a t i o nt e c h n o l o g y c o n d i d a t ej i a ok e s u p e r v i s o r l u ox i a o h u i t h i sp a p e rr a i s ea i la l g o r i t h me m p l o y i n gd i g i t a li m a g ep r o c e s st od e t e c tf i r e s m o k e ，i t c a l l p r o m o t e t h e s e n s i t i v i t y o ff i r ea l a r ms y s t e ma n dd e c r e a s e m i s i n f o r m a t i o n t h i sa l g o r i t h mi sc o m p o s e do f6p a r t s ：i m a g ep r e t r e a t m e n t ，b a c k g r o u n dr e b u i l d a n dm o v i n go b j e c te x t r a c t i o n ，s m o k ed e t e c t i o nb ys t a t i cf e a t u r e s ，s m o k ed e t e c t i o nb y d y n a m i cf e a t u r e s ，s m o k ed e t e c t i o nb yc o l o rf e a t u r e s ，c o m p r e h e n s i v ej u d g e t h i sp a p e rd i s c o v e r e ds e v e r a le f f i c i e n tf e a t u r e so fs m o k e ，t h e s ef e a t u r e sc o u l d b e d i v i d e di n t os t a t i cf e a t u r e s ，d y n a m i cf e a t u r e sa n dc o l o rf e a t u r e s s t a t i cf e a t u r e s m a i n l yi n c l u d e ：( 1 ) a r e ab e c o m es m a l lf r o mb o t t o mt ot o p ( 2 ) s m o k ec a na t t e n u a t e t h eh i g hf r e q u e n c ys i g n a lo fb a c k g r o u n d ( 3 ) s m o k es h a p ei sc o m p l e x d y n a m i c f e a t u r e sm a i n l yi n c l u d e ：( 1 ) i n n e rp i x e lv a l u ec h a n g ec o n t i n u o u s l y , a n dc h a n g e f r e q u e n c i e ss u c c e s s i v e l yd e c r e a s ef r o mb o t t o mt ot o p ( 2 ) t h ep o s i t i o no fs m o k e s o u r c es p o ti si m m o v a b l e ( 3 ) s h a p eo fs m o k ec h a n g ec o n t i n u o u s l y c o l o rf e a t u r ei s t h a ts m o k ec a na t t e n u a t et h ec o l o rd e g r e eo f b a c k g r o u n d t h i sp a p e rr a i s e dt o wm e t h o d st h a th o wt od i v i d et h es m o k er e g i o n u s e c o n c e p t i o n ss u c ha s b o u n d a r yc h a i nc o d e a n d r o u n dd e g r e e t od e s c r i b ec o n t o u r s h a p ec o m p l e x i t y d i v i d et h ei m a g ei n t oal a r g en u m b e r o fs m a l lb l o c k si na n a l y z i n g h i g hf r e q u e n c ya t t e n u a t i o na n di n n e rp i x e lc h a n g e b a s e do nt h ed i v i s i o n ，t h ep a p e r p r o v i d e saw a yt od e s c r i b et h es h a p ec h a n g i n go fm o v i n go b j e c t s k e y w o r d ：d i g i t a li m a g ep r o c e s s ，s m o k ed e t e c t i o n ，s m o k es t a t i cf e a t u r e s ，s m o k e d y n a m i cf e a t u r e s ，s m o k ec o l o rf e a t u r e s i i 西华大学硕士学位论文 声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人己经 发表或撰写过的研究成果，也不包含为获得西华大学或其他教育机构的学位或 证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论 文中作了明确的说明并表示谢意。 本学位论文成果是本人在西华大学读书期间在导师指导下取得的，论文成果 归西华大学所有，特此声明。 作者签名：焦- 彳函学年期门日 导师签名砀劲哮睁f 月7 7 日 u l f 西华大学硕士学位论文 1 、引言 1 1 研究的背景及意义 火灾的预防和探测一直是人类与火灾作斗争过程中所追求的目标。目前，在 某些场所已找到了比较成熟的火灾探测的方法。如感烟、感温、感光探测器，它 们分别利用火灾火焰的烟雾、温度、光的特性来对火灾作探测。但是长期以来， 在高大空间或具有高速气流的场合，尤其是在户外，早期烟雾探测在世界范围 内都是一个难题。因为在这类环境下，存在着许多影响火灾探测的因素，主要 包括：探测方式、空间高度、热量屏障、覆盖范围、气流速度、易爆有毒气 体、可以接受的误报率、警报信息管理以及远程信号传输等等。传统的探测手 段往往在这样的环境中失去了作用。在这种情况下，由于图像型火灾探测技术 对于火灾探测具有非接触式探测的特点，不受空间高度、热障、易爆有毒等 环境条件的限制，使得该项技术成为在大型工厂、仓库、森林等大空间和室外 开放空间进行火灾探测的有效手段。 在火灾发生时，最早出现的就是烟雾，它比火焰更早的出现，所以对烟雾的 实时监控对于火灾发生的极早期预警有着相当重要的意义。但是光照条件、气 流变化、场地环境和其他移动物体等因素，都可能使检测系统出现漏报或误判 等。这些都给使用图像处理技术对烟雾进行识别和检测带来了难度。 所以，本文的研究目的就是克服这些困难，使得使用图像处理技术识别检测 烟雾这种方案对烟雾的检测拥有高灵敏度，而又不失准确性，使误报率始终在 可以接受的范围内。 1 2 图像型烟雾探测技术简介 数字图像处理技术是研究模似人眼的功能来完成人们某些工作的一门感兴 学科。随着数字通讯技术、计算机技术的发展，数字图像处理获得了广泛的应 用。数字图像处理技术已应用于卫星遥感、遥测、气象预报、医疗诊断等诸多 领域。并获得了较好的成效。可以说凡是人眼所能感知的地方都能用数字图像 处理系统来替代人眼的功能。图像型烟雾探测报警系统是运用通用的数字图像 l 西华大学硕士学位论文 处理技术和模式识别技术，依据火灾烟雾的图像特性来解决某些特殊场所的火 灾探测的难题，实现火灾自动报警的目的。 视频烟雾检测有如下优点： ( 1 ) 成本低 近年来随着集成电路和计算机技术的迅猛发展，视频图像检测系统所要求的 硬件设备成本大大降低，而且能很好地满足要求。 ( 2 ) 工程量小、系统安装相对灵活 火灾烟雾图像检测不像其他检测方案需要安装特殊的检测设备，比如多个烟 雾粒子探头、光电感应器等，它只需将摄像头安装于需检测的场地即可，甚至 可以直接利用安全监控用的摄像头，无需大的工程，安装方便灵活。 ( 3 ) 检测范围广、检测信息量大 与传统式火灾烟雾检测方式不同，视频烟雾检测不受空间大小、距离远近、 风力风向的影响，只要在视频画面之内出现火灾烟雾，就可以准确判断并报警。 目前在我国国内应用的图像型烟雾探测技术中，大都使用专用的前端检测设 备，并且在监控范围及应用环境上受到了较大限制。检测范围吏广、安装使用 更灵活、消除复杂环境干扰能力更强的图像型烟雾探测技术成为满足大空间及 户外火灾探测需求的发展方向。 1 3 视频烟雾检测的研究状况 由于视频烟雾检测具有上述优点，近年来有很多科技人员在该领域内作了大 量研究。 ( 1 ) 文献 2 针对火灾烟雾的分形特征引入分形编码技术，分析了通过基于k 均值聚类方法的分形编码技术进行烟雾图像分割的实用性。 ( 2 ) 文献 1 3 分析了烟气颗粒团聚对火灾图像探测的影响，得出了基于烟气 颗粒团聚的火灾图像探测的新判据。 ( 3 ) 文献 6 0 提出基于火灾发生概率与模糊聚类分析相结合的烟气模式分类 的思想，利用烟气自身多参数待征的特点，形成了一多参数特征的火灾图像探 测方法。 ( 4 ) 文献 6 1 就火灾烟气的湍流效应对火灾图像探测的影响进行了研究，提 2 西华大学硕士学位论文 出火灾烟气的热湍流效应和由其影响的外加光源的光学特性的变化均可作为早 期火灾图像探测的基础，而光电流的“突变”或为“定值 和斑点面积的“突 变”，则可作为火灾探测中的火灾新判据。 ( 5 ) 中国科技大学火灾科学国家重点实验室从1 9 9 1 年开始图像型大空间建 筑的早期火灾探测技术研究，到目前为止主要开发实现了三种图像型火灾探测 技术，即双波段火灾探测技术，光截面图像感烟火灾探测技术，空气采样式激 光图像感烟火灾探测技术。 ( 6 ) 文献 2 2 提出和分析了烟雾的几个明显的特征。第一个特征是对背景高 频信息产生的衰减作用，并使用单尺度二维小波分解对此进行分析；第二个特 征是烟雾边乔像素的闪烁变化，并使用二阶段一维小波分解进行分析；第三个 特征是烟雾可以降低y u v 颜色空间中u 、v 通道的值；最后，讨论了烟雾的形状 复杂性。 ( 7 ) 文献 3 5 提出了运用小波和光流的方法计算和检测森林火灾烟雾。 ( 8 ) 德国汉堡的一家电子仪器公司m u t 在2 0 0 4 年开发出一套早期火灾探测系 统i m u s & a r t u s ，这套系统包括红外摄像头和相应的后台处理软件，因此，它可 以不直接接触实物，远程地测量燃烧体表面的温度。上述几种图像型探测技术 有一定的有效性和实用性，但大都局限于专用视频探测器，在成本和实用性上 不具备推广优势。 ( 9 ) 2 0 0 4 年7 月，英国伦敦的d - t e c 的公司针对大空间室内的防火工作开发出 一种新的烟雾探测系统( v s d ，v i d e os m o k ed e t e c t i o n ) ，利用闭路电视( c c t v ) 拍摄现场图像，并通过发现图像中的特殊图案来发现烟雾。由于该系统克服了 大空间建筑中传统火灾探测器的空间局限，因此特别适用于仓库等大面积的区 域。同时，它能够有效利用建筑内原有的安全监控系统，有效降低了系统成本。 由于v s d 系统所具备的明显优点，在可以预见的未来，v s d 系统将是火灾图像探 测领域的重要发展方向。 西华大学硕士学位论文 1 4 本文的研究方法 本文研究的基于图像的火灾烟雾识别方法如下图所示： f i g u r e l - 1i m a g ea n a l y s i sa n d r e c o g n i z ea l g o r i t h m 图1 1 图像分析与识别算法流程 通过固定的摄像机实时连续得采集视频图像帧，每帧图像都需要通过图像预 处理算法进行预处理。对于本文提出的烟雾动态特征的提取，不需要生成背景 图像，只需将采集到的图像逐帧差分，并将结果图像切分为许多小区域进行统 计分析即可。而对于静态和颜色特征的提取，首先需要通过背景重建算法从连 续帧中重建出背景图像，然后使用背景差分、高斯滤波、区域填充等算法进行 目标区域的分割，然后提取特征进行分析。最后，将所有特征的分析结果进行 加权判断得出识别结果。 本文通过研究和实验，选取了烟雾的一系列特征，可以分为静态特征、动态 4 西华大学硕士学位论文 特征和颜色特征三大类。 静态特征： 特征l ：扩散开的烟雾具有一种“薄纱”效果，可以对背景产生遮蔽和模糊， 使背景的高频细节信息产生衰减。无论烟雾发生在距离摄像头较远处还是较近 处，这个特征都适用。但是，很多监控场景的背景图像往往含有较少的高频信 息，比如背景是天空或色彩单调的墙壁等。所以在这些情况下此特征不适用。 特征2 ：烟雾形态上大下小的特性。火灾发生点周围空气温度较高，烟雾产 生后受到空气热涨和上升气流的双重作用，它的运动轨迹是自下向上的，这在 横向气流较弱的情况下最为明显。并且烟雾粒子在上升的过程中不断的向四周 扩散，在图像中就表现为烟雾区域的上大下小。此特征只有在背景比较单一， 与一般的烟雾的灰度值相差较大时才适用。 特征3 ：烟雾的形状较一般的运动物体更加不规则，形状的复杂度可以作为 识别烟雾的一个依据。本文使用圆形度来描述目标区域的轮廓形状复杂程度。 动态特征： 特征1 ：烟雾在升腾的过程中，具有内部不断翻滚变化的特性，轻烟与背景 间还会发生交替变化，图像中表现为像素的不断变化。而且变化频率随着烟雾 的向上升腾而不断减小。此特征在烟雾发生点距离摄像头较近时特别明显。 特征2 ：烟雾具有发生源位置不变的特性，发生源即火灾的发生点。利用这 个特征可以排除位置不断移动的运动物体，如行人、汽车等。但是在很多情况 中，火灾的发生源并不在摄像头所监控的画面中，画面中的烟雾有可能是已经 充分扩散开的，这种情况下不能使用此特征进行判别。 特征3 ：烟雾具有形态不断变化的特性，可以作为区分烟雾和一般刚性运动 物体的一种依据。 颜色特征：烟雾像素的颜色在均匀的光照下接近灰度值，即三原色分量 rzgz b 。 综上所述，每个特征都在理论上或实际应用上存在局限性和不足，所以需要 根据监测需求和监测环境来人工设置或动态调整所使用的特征和特征的权重。 西华大学硕士学位论文 1 5 论文的结构与内容 第二章叙述了图像检测系统的组成原理，并介绍了硬件知识。介绍了存储 于计算机的数据格式，视频图像的采集，图像基本知识和开发工具。 第三章对图像进行预处理，包括彩色图像转换成灰度图像和用中值法对图 像进行滤波去噪两个部分。 第四章采用最长状态稳定法，利用采集到的连续视频图像帧重建出背景图 像。将当前采集图像与背景图像做带阈值的减法，得到变化部分， 然后使用高斯滤波去除零碎孤立的区域，使用区域填充算法填充区 域中的孔洞，并使用区域标记算法去除面积非最大的区域，最终保 留的面积最大的孤立区域即是待分析的目标。 第五章基于图像静态特征的烟雾识别。将目标区域自下而上划分为三个等 高区域，通过检验这三个区域的面积是否是逐渐增大的，来判断目 标是否满足烟雾的形态特征。将目标区域划分为许多小块，逐一计 算各小块区域所包含的高频信息量，将之与背景图像相应小块的高 频信息量进行对比，看是否有明显的衰减，用以检查运动目标是否 满足衰减背景高频信号这个特征。使用四邻域法得出目标轮廓，然 后对轮廓进行编码得出边界链码，通过边界链码计算出轮廓的周 长，并进一步计算出圆形度，以此描述轮廓的形状复杂程度。 第六章基于图像动态特征的烟雾识别。将图像划分为若干特定大小的区 域，利用摄像头取到的连续的图像帧来计算各区域内像素的变化频 率。根据变化频率从低处到高处逐渐减小的特性、烟雾发生源位置 不变的特性以及形态不断变换的特性来识别烟雾。 第七章基于图像颜色特征的烟雾识别。取得待检测图像中目标区域各像素 的r g b 颜色值，计算它们与r g b 颜色空间中的直线厂= g = b 的距离， 计算背景图像对应像素颜色值与直线，= g = b 的距离，将两者做比 较。 第八章分类器设计。介绍了多特征融合的概念和多分类器组合的方法，阐 述了本文采用的加权投票表决模型和权重的设置方法。 第九章实验结果。介绍如何根据监测要求和监测环境的不同，综合得选择 和利用烟雾的各种特征来智能得识别烟雾；并给出实验结果。 6 两华大学硕士学位论文 2 、视频检测系统的组成原理及硬软件知识 视频交通流量检测系统是通过摄像机拍摄交通视频信号，再将这些捕捉到的 序列图像送入计算机进行数字化处理、图像处理、图像分析和图像理解，从而 得到交通流数据和交通状况等交通信息。 2 1 视频检测系统工作原理 ( 1 ) 通过系统初始化，对系统中的参数进行设定，如每秒采集图像的帧数等。 由图像采集系统将摄像机摄取的视频图像按序列连续捕捉下来并数字化，存 入帧缓存中。 ( 2 ) 将这些采集到的序列数字图像进行预处理( 灰度化、滤波除噪) 。 ( 3 ) 对预处理后的图像进行背景重建、目标提取，并对目标图像进行进一步 处理。 ( 4 ) 根据监测需求和环境智能得选择特征，进行特征提取与分析，通过相应 的算法和规则生成判断结果。 2 2 视频检测系统的硬件构成 视频交通流量检测系统的硬件由摄像机、图像采集卡、控制处理计算机、显 示打印设备组成。 l 、摄像机 视频检测系统的摄像机采用c c d 摄像机。c c d 摄像机是通过强光照射在加有 外加驱动时钟脉冲电压驱动下的c c d 光敏面上完成电荷注入、电荷转移、电荷 输出实现视觉信息的获取、保留、传输的仪器。c c d 摄像机采用c c d 电子藕合器 件替代摄像管，在硅片上集成了以阵列分布的成像单元及相应的控制电路、输 出电路。c c d 摄像器件具有小型、轻重量、长寿命、低工作电压、图像无几何失 真、抗灼伤等优点。目前，工业用的摄像机绝大多数的为c c d 摄像机。c c d 摄像 机拍摄的图像质量与c c d 的数量、c c d 的感光面积、c c d 的工作方式有很大关系。 2 、图像采集卡 西华大学硕士学位论文 摄像头传送过来的电信号与计算机之间的接口是图像采集卡。采集卡就是将 其他数据源( 如电视机，模拟录像机、v c d 机、数字摄像机) 等输出的视频数据 或者视频音频的混合数据导入电脑，并转换成电脑可辨别的数据，存在电脑中， 成为可以编辑处理的数字信号。模拟图像经过采样、量化以后转换为数字图像 并输入、存储到帧存储器的过程，称为采集、数字化、获取、捕获、捕捉、抓 取、抓帧等，因此视频采集卡也称捕获卡、获取卡、视频输入等。 目前图像采集卡种类繁多，其性能特征主要有以下几点， ( 1 ) 是否支持视频数据的硬件级处理 这点影响处理速度。 ( 2 ) 帧速率的高低 帧速率的高低直接影响采集卡制作的视频文件能否流畅，以及c p u 占用率的 高低。 ( 3 ) 分辨率的高低 分辨率是视频文件质量好坏的主要参数，如一般v c d 的分辨率为3 5 2 2 8 8 ( p a l $ i j 式) 和3 2 0 x2 4 0 ( n t s c 制式) ，而d v d 的分辨率一般为7 0 4x4 8 0 ( 3 0 f p s ) 或7 0 4 5 7 6 ( 2 5 f p s ) 。大多数视频卡都具备硬件压缩的功能，在采集视频信号时首 先在卡上对视频信号进行压缩，然后再通过p c i 接口把压缩的视频数据传送到 主机上。采集卡都是把获取的视频序列先进行压缩处理，然后再存入硬盘，也 就是说视频序列的获取和压缩是在一起完成的，免除了再次进行压缩处理的不 便。不同档次的采集卡具有不同质量的采集压缩性能。视频采集卡的工作方式 可以是单帧采集或连续采集，可将采集的图像序列放在内存或磁盘上，可对图 像进行压缩或不压缩。 3 、控制处理计算机 由于模拟视频输入端可以提供不问断的信息源，视频采集卡要采集模拟视频 序列中的每帧图像，并在采集下一帧图像之前把这些数据传入系统。因此，实 现实时采集的关键是每一帧所需的处理时间。如果每帧视频图像的处理时间超 过相邻两帧之间的相隔时间，则要出现数据的丢失，也即丢帧现象。性能越高 的采集卡其处理每一帧所需的时间越短，因此数据率也越高，这要求c p u 处理 速度也越高。因此选用较高的c p u 并有效地利用内存是采集视频的基本要求。 4 、显示设备 西华大学硕士学位论文 显示是将数字图像转化为适合人们使用的形式，便于人们观察和理解。早期 的图像处理设备一般都有专门的图像监视器供显示专用，目前一般直接用计算 机的图形终端显示图像，图像窗口只是图形用户界面的一个普通的窗口。为方 便处理，通常图像都表现为一矩形区域的位图形式。 5 、存储设备 2 5 6 m 的内存可以提供足够的内存带宽和容量大小，适合捕捉图像和转换数 据。硬盘需要大容量的，而且存储速度要快。选择1 0 0 0 0 转的s c s i 硬盘，缓存 最低需要2 m ，一般的这种s c s i 硬盘都可以达到这个缓存，容量在4 0 g 可以基本 满足采集时的要求。 6 、传输电缆 视频信号的传输质量也是保证图像处理效果的重要环节，对速率和带宽的要 求很高。例如，传输m p e g i 方式的普通电视信号，要求速率为1 2 0 一- - 1 4 0 k b i t s s ； 传输m p e g 2 电视信号，要求5 0 0 b i t s s 的速率，传输双工或更高质量的信号， 对带宽的要求还要高。另外，视频传输对延迟及延迟抖动要求较高。所以，视 频传输不但要有较宽的带宽，还要有较好的稳定性和可伸缩性。光纤具有很高 的带宽，其传输容量是非常巨大的。视频检测系统的摄像机安装在公路，选择 光缆传输可满足要求。 2 3 位图文件格式 视频图像的采集就是从摄像机拍摄的模拟图像到计算机读取并存储的过程。 文件格式最常见的是位图格式，将采集数据时得到的图像存为b m p 格式， 在进行处理时以b m p 格式读取。下面对b m p 格式作简要介绍。 2 3 1 调色板 如果一幅图像的每个像素都用r g b 分量表示，每个分量有2 5 6 个等级，需要 有1 个字节表示。那么一个像素的颜色信息需要用3 个字节表示，图像文件将 会变得非常大。 实际上，一幅2 0 0 2 0 0 的1 6 色图像，它共有4 0 0 0 0 个像素，如果一个像素 都用r 、g 、b 三个分量来表示，一个像素需要3 个字节，送样保存整个图像要 9 西华大学硕士学位论文 用2 0 0 2 0 0 3 ，即1 2 0 0 0 0 个字节。由于图像只有1 6 种颜色，可以创建一个颜 色表，表中的每一行表示一种颜色的r 、g 、b 值。这样当表示一个像素的颜色 时，只需指出该颜色是在第几行，即该颜色在表中的索引值。这里的r g b 颜色 表，就是通常所说的调色板。在w i n d o w s 位图中，就用到了调色板技术。 2 3 2 设备无关位图( d i b ) d i b 是d e v i c ei n d e p e n d e n tb it m a p 的缩写，它自带颜色信息，调色板管理 非常容易。d i b 是w i n d o w s 标准的的位图格式，它通常以b m p 文件格式保存。一 个b m p 文件包含一个d i b 位图。一个b m p 文件大体上分成如下4 个部分。 第一部分：位图文件头b i t m a p f i l e h e a d e r ，该结构的长度是固定的，为1 4 个字节。 t y p e d e fs t r u c tt a g b i t m a p f i l e h e a d e r w o r db f t y p e ：文件类型，必须为“b m d w o r db f s i z e ：文件的大小 w o r db f r e s e r v e d l ：为0 w o r db f r e s e r v e d 2 ：为o d w o r db f o f f b i t s ：存储的像素阵列相对于文件头的偏移量 )b i t m a p f i l e h e a d e r ： 第二部分：位图信息头b i t m a p i n f o h e a d e r ，该结构的长度为4 0 字节。 t y p e d e fs t r u c tt a g b i t m a p i n f o h e a d e r d w o r db i s i z e ：该结构的大小 l o n gb i w i d t h ：位图的宽度( 以像素为单位) l o n gb i h e i g h t ；位图的高度( 以像素为单位) w o r db i p l a n e s ：必须为l w o r db i b i t c o u n t 每个像素的位数( i 、4 、8 、1 6 、2 4 或3 2 ) d w o r db i c o m p r e s si o n ：压缩方式，一般为0 或b i r g b d w o r db i s i z e i m a g e ：以字节为单位的图象大小 l o n gb i x p e l s p e r m e t e r ；位图的水平分辨率 l o n gb i y p e l s p e r m e t e r ：位图的垂直分辨率 d w o r db i c l r u s e d ；颜色表的颜色数 1 0 西华大学硕士学位论文 d w o r db i c l r i m p o r t a n t ：重要颜色的数目 )b i t m a p i n f o h e a d e r ： 第三部分调色板 调色板实际上是一个数组，共有b i c l r u s e d 个元素( 如果该值为0 ，则为2 的b i b i t c o u n t 次幂) 。数组中每个元素的类型为一个r g b q u a d 结构，占4 个字 节。结构定义如下： t y p e d e fs t r u c tt a g r g b q u a d b y t er g b b l u e ：蓝色的强度 b y t er g b g r e e n ：绿色的强度 b y t er g b r e d ；红色的强度 b y t er g b r e s e r v e d ：保留字节，为0 ) r g b q u a d ： 第四部分：图像数据 对于用到调色板的位图，图像数据就是该像素颜色在调色板中的索引值；对 于真彩色图，图像数据就是实际的r 、g 、b 值。对于2 色位图，用1 位就可以 表示该像素的颜色，因此一个字节可以表示8 个像素；对于1 6 色位图，用4 位 可以表示一个像素的颜色，所以1 个字节可以表示2 个像素：对于2 5 6 色位图， 一个字节刚好表示一个像素；对于真彩色图，3 个字节表示1 个像素。 2 4 开发工具 本文所采用的开发工具是v i s u a lc + + 6 0 。 v i s u a lc + + 6 0 是m i c r o s o f t 公司开发的基于c c + + 的集成开发工具，它是 v i s u a ls t u d i o 中功能最为强大、代码效率最高的开发工具。 v i s u a lc + + 6 0 与以前的版本相比有了多方面的改进。它的编译器、调试 器、连接器、编辑器、资源编辑器都有所加强，在编辑器中还提供了自动语句 生成功能，编辑器会像v i s u a lb a s i c 一样自动提示函数的参数、对象的成员。 另外，v i s u a lc + + 6 0 还提供了很多向导。m f c 提供了一些新的类，提供了更 强大的数据访问功能。 西华大学硕士学位论文 d 1 1 z m tn 竹吐。r t r f l _ t l d1 1 - t l 舢th h 一一x f i g u r e 2 1f a c i l i t yt o o l 图2 - 1 开发工具 用户可利用v is u a lc + + 6 0 以两种方式编写w i n 3 2 应用程序，一种方式是 基于w i n 3 2a p i 的c 编程方式，另一种是基于m f c 的c + + 编程方式。c 编程方式 是传统的编程方式，代码的效率较高，但开发难度与开发的工作量大。c + + 编程 方式代码运行效率相对较低，但开发难度小、开发工作量小、源代码效率高。 本文是基于c + + 的编程方式。 西华大学硕士学位论文 3 、图像预处理 图像被采集到计算机后，出于种种原因会存在噪声，或者存在不利于进一步 处理的地方。为了方便进一步处理，需要对采集的原始图像先进行预处理。本 系统图像预处理的内容有： l 、将彩色图像转换成灰度图像，以在不影响处理效果的情况下减少处理的 信息量，加快处理的速度。 2 、采用中值滤波器对原始图像进行滤波，消除或减少噪声对后续处理的影 响。 3 1 彩色图像转换为灰度图像 一般图像传感器采用彩色摄像机，这样使得图像数据量很大，影响处理速度。 因此为了系统对实时性的要求，有必要把彩色的图像转换为灰度图像，这样既 满足了处理需要又减少了信息运算量，缩短处理时间。 由第二章分析可知，图像以b m p 格式存储，每个像素出b m p 三个分量组成。 因此，只需取每个像素的亮度分量即可。 其亮度方程为： y - , - 0 3 9 r + o 5 g + 0 1 1 日( 3 1 1 ) 其中，y 是像素的亮度分量。这样便可得到一幅灰度图像。 f i g u r e 3 1r g bi m a g e 图3 - 1r g b 图像 1 3 西华大学硕士学位论文 3 2 图像滤波 f i g u r e 3 2g r a yi m a g e 图3 - 2 灰度图像 图像噪声是图像在摄取时或传输时所受到的随机干扰信号。这些干扰信号 的抑制称为图像的噪声抑制。几乎所有的图像都或多或少的存在噪声，这将影 响图像处理的效果。在视频图像处理中，图像传感器带来的噪声为主要噪声来 源。一般将其划分为三部分：电子噪声( 用高斯白噪声模拟) 、光电子噪声( 用 泊松分布的光电噪声模型模拟) 、感光颗粒噪声( 用高斯白噪声模拟) 。因此在 图像处理之前，应该将其去除，以便得到良好的处理效果。 滤波的方法主要有两种：频域法和空域法。频域法的计算速度快，但是比较 复杂。为了保证实时性，一般采用空域法。应当指出，任何方法在去除噪声的 同时，都会对图像的质量产生影响，使图像变得模糊。因此，必须在图像质量 和去除噪声之间做出折衷。中值滤波既能去除高频噪声，抑制脉冲干扰，又能 很好的保持轮廓的清晰，它是一种非线性的平滑滤波器。本算法采用中值滤波 去噪。 3 2 1 频域法 频域处理法的基础是卷积定理，并将图像函数转换到频域来处理。根据要求 1 4 两华大学硕士学位论文 利用各种脉冲函数( 如矩形脉冲、三角脉冲、高斯脉冲等) 与原函数作卷积，用 局部平均来压制高频起伏，保留原图像的基本波形。 3 2 2 空域法 空域处理法是直接对图像中的像素进行处理，基本上是以灰度映射变换为基 础。 1 、局部模板平均法 局部模板平均法是一种直接在空域上进行处理的简单方法。这种方法的基本 思路是用几个像素的平均值来代替每个像素的灰度。处理后的图像g ( x ，y ) 中的 每个像素的灰度值均由包含在( x ，y ) 的预定域中的f ( x ，y ) 的几个像素的灰度 值的平均值来决定。它是通过原始图像与模板做离散二维卷积来实现的。常用 的卷积模板如下： 111 l11 1 11 a 1 一 9 f i g u r e 3 3f i l t e rt e m p l a t e 图3 3 滤波器模板 121 242 121 b 1 1 6 这是两个3 3 平滑( 均值) 滤波器掩模。每一个掩模前边的乘数等于它的系数 值的和，以计算平均值。 西华大学硕士学位论文 f i g u r e 3 - 4o r i g i n a li m a g e 图3 _ 4 原始图像 荔缓 f i g u r e 3 5 d e n o i s eu s i n gt e m p l a t ea 图3 5 使用模板a 降噪后的图像 2 、中值滤波 虽然均值滤波器对噪声有抑制作用，但同时会使图像变得模糊。为了改善这 一状况，必须采用新的滤波器。中值滤波就是一种有效的方法。中值滤波是一 种去除噪声的非线性处理方法，开始用于时间序列分析，后来被用于图像处理， 在去噪中得到了较好的结果。多数线性滤波器具有低通特性，在去除噪声的同 时也使图像的边缘变得模糊，而中值滤波器在某些条件下可以既去除噪声又保 护图像边缘，对去除脉冲干扰和椒盐噪声有很好的效果。因此本系统采用中值 1 6 西华大学硕士学位论文 滤波器。 ( 1 ) 中值滤波的设计思想： 因为噪声的出现，使该点像素比周围的像素亮( 暗) 许多，给出滤波器的模 板，对模板中的像素值由小到大排列，最终待处理像素的灰度取这个模板中的 灰度的中值。 ( 2 ) 中值滤波器的基本原理： 中值滤波器的基本原理是把数字图像或数字序列中的值用该点的一个邻域 中各点值的中值代替。一组数x l ，x 2 ，x n ，把n 个数按值的大小顺序排列，取 y = m e d x 1 ，x 2 ，勋) ，则y 称为序列的中值。 在一维情形下，中值滤波器是一个含有奇数个像素的滑动窗口。窗口正中间 那个像素的值用窗口内各像素值的中值代替。而在二维情形下是指设定一个n 乘n 的奇数窗口，当窗口在空间域中按逐个像素滑动平移过程中，将窗口内的 像素灰度值按大d , j 1 1 页序排列，以中间的一个值( 中值) 替代窗口中心的像素灰 度值。 排序 | ， 3 7 f i g u r e 3 - 6m e d i a n f i l t e rs k e t c hm a p 图3 - 6 中值滤波示意图 对整个图像进行同样的处理就完成了中值滤波。 o 、2 5 、2 4 西华大学硕士学位论文 f i g u r e 3 7m e d i a n - f i l t e rr e s u l ti m a g 图3 7 中值滤波后图像 ( 3 ) 加权的中值滤波 以上讨论的中值滤波窗口内各点对输出的作用是相同的。如果希望强调中间 或距中间点最近的几个点的作用，可以采用加权中值滤波。其基本原理是改变 窗口中变量的个数，可以使一个以上的变量等同于同一点的值，然后对扩张后 的数字集求中值。 西华大学硕士学位论文 运动目标的提取与分割 图像分割是图像识别、分析和理解的基础。不同种类的图像，不同应用所要 求提取的特征各不相同。所以特征提取的方法也就不尽相同。目前尚未发现一 种能普遍适用于所有应用的最优图像分割方法。必须根据具体的应用条件提出 适合具体应用环境下的图像分割算法。 目前图像分割领域已经提出的绝大部分分割方法的基础是像素间的相似性 和跳变性。如依据工作对象来分，大致可以分为： 1 、相似性分割。将具有同一灰度级或者相同组织结构的像素提取出来，聚 集在一起以描述图像中的不同区域，这种基于相似性原理的图像分割方法通常 也被称为基于区域图像分割。 2 、非连续性分割。首先检测局部不连续性，然后将它们连接起来形成边界， 这些边界把图像分割成不同的区域，这种基于不连续性原理检测物体边缘的方 法也可称之为基于点相关的图像分割。 在图像的实时采集与处理的在线系统中，图像分割的快速性要求高。所使用 的分割方法与一些比较精细然而必须离线的分割方法相比，有几个显著的特点： l 、必须是快速的，由于图像检测过程中需要处理大量的数据( 图像序列 输入) ，对处理速度要求高，整个处理过程必须环环相扣。因此分割 算法必须在保证准确的前提下，尽可能快速地完成计算以便及时地与 前、后处理衔接配合。 2 、 数字图像处理部分必须无人机交互，由计算机自动完成。在一定条件 下具有一定的适应性，能够满足在一定限度范围内的参数的自动调 整。 较准确地提取图像中目标物所占区域，即提取目标物图像时，还需要根据实 际应用的特点，利用附加信息做进一步处理。本文所讨论的则是当需要分割的 目标物是一个运动物体，同时背景基本保持静止时，如何进行目标物图像的分 割并且消除各种干扰所产生的影响。 图像分割的两种方法也可归纳为：一种是基于区域的方法，另一种是使用边 缘检测的轮廓预估方法。在基于区域的方法中，把所有对应于一个物体的像素 组合在一起，并进行标记，以表示它们属于一个区域，这一处理过程称为分割。 在某一评判标准下，把像素分配给某一区域，就可以把这些像素同图像其余部 1 9 西华大学硕士学位论文 分分开。图像分割中的两个最基本的原则是数值相似性和空间接近性。如果两 个像素具有相似的强度特性，或它们之间十分靠近，则可以把它们分配到同一 区域，例如，两个像素之间的数值相似性度量可以是它们的灰度值之差，也可 以是区域灰度值分布。 相似性和接近性原则来源于如下假设：同一物体上的点投影到图像上得到的 像素点在空间上十分靠近，且具有相似的灰度值。很显然，这一假设并不是在 任何情况下都成立。然而可以使用这一假设来组合图像中的像素，然后利用相 关域知识来匹配物体模型和区域。 分割也可以通过求取区域边界上的像素来进行。这些像素点也称为边缘可以 通过搜寻邻近像素的方法来得到。由于边缘像素是在边界上，在边界两边的区 域具有不同的灰度值，这样，区域的边界可以通过测量邻近像素差值来求取。 多数边缘检测器使用强度特性作为边缘检测的基础。 在理想的图像中，一个区域是由一条封闭轮廓线包围着。原则上，区域分割 和边缘检测应该产生相同的结果，即使用边界跟踪算法可以得到区域的边缘( 或 封闭的轮廓线) 。反过来，使用区域填充算法也可以得到边缘所包围的区域。但 在实际的图像中，很少能够从区域中得到正确的边缘，由于噪声和其它因素的 影响，不论是区域分割还是边缘检测，都无法提供完整的信息。 在视频检测中，对于运动目标的分割，探索了许多种不同的方法。 文献 2 6 针对序列图像中运动目标的分割定位，给出了在复杂环境下一种识 别运动目标、去除背景噪声及运动目标定位的方法该方法主要由运动目标检测 和运动目标定位分割两部分组成对运动目标检测采用简单差分方法提取运动目 标，快速中值滤波与数学形态学方法结合去除噪声对运动目标定位提出了一种 区域生长分割算法定位目标，并求出目标重心。 文献 2 7 提出了将高阶统计运动检测和多尺度分水岭相结合的视频目标分 割算法。该算法首先利用高阶统计运动检测算法检测出运动区域，通过后处理 得到运动目标的初始模板。然后，用小波变换对视频图像进行多分辨率分解。 在最低分辨率上应用分水岭算法分割得到具有精确边缘的分割区域，通过将区 域融合后的区域逐步投影到高分辨率图像上并结合高分辨率图像上的分水岭算 法逐步提取出具有精确边缘的区域。最后，将运动目标的初始模板和多尺度分 水岭分割得到的区域结合起来提取出具有精确边缘的视频对象。 2 0 西华大学硕士学位论文 文献 2 8 提出了一种基于差分图像运动检测和轮廓提取的跟踪与分割图像 的方法。该方法首先提取目标的轮廓，然后利用相邻帧之间的差分图像初步确 定目标在每帧图像中的粗略位置，最后把从上一帧图像中得到的目标轮廓置于 该位置，并作为轮廓提取的初始值，由此可得