火焰检测 毕业设计论文.doc

江苏科技大学本科毕业设计（论文）学院名称： 电子信息学院 专 业：测控技术与仪器学生姓名： 周振营 学 号： 0840308134 指导教师： 陈庆芳 职 称： 讲 师 二零一二年六月 江苏科技大学本科毕业论文 火焰检测仿真系统设计Flame detection simulation system design 江苏科技大学毕业设计（论文）任务书学院名称： 电子信息学院 专 业：测控技术与仪器学生姓名： 周振营 学 号： 0840308134 指导教师： 陈庆芳 职 称： 讲 师 毕业设计（论文）题目： 火焰检测仿真系统设计 一、毕业设计（论文）内容及要求（包括原始数据、技术要求、达到的指标和应做的实验等） 内容及要求：在通过MATLAB编程对火焰图像进行预处理的前提下，研究火焰检测中用到的火焰图像上的特征量（亮度、灰度、像素面积等）及其提取方法，并通过计算和分析，判断出火焰的燃烧状态。二、完成后应交的作业（包括各种说明书、图纸等）1. 毕业设计论文一份（不少于1.5万字）；2. 外文译文一篇（不少于5000英文单词）；3. 程序；4包含前三项内容的光盘一张。三、完成日期及进度2012年3月12日2012年6月10日（第416周）进入毕业设计阶段，基本要求如下：（1）3月12日3月25日：消化任务书，查找资料；（2）3月26日6月18日：实际设计阶段；（3）4月23日4月29日：毕业设计中期检查；（4）5月21日5月27日：毕业设计后期检查，实物验收，学生离开实验室并准备撰写毕业论文；（5）5月28日6月3日：学生撰写毕业论文；（6）6月4日6月9日：学生上交毕业论文，学院组织答辩。 四、主要参考资料（包括书刊名称、出版年月等）:1. 闫敬文.数字图像处理:MATLAB版.北京:国防工业出版社,2011（校图书索引：TP391.41/2516=2011）2. 杨淑莹.模式识别与智能计算:Matlab技术实现.北京：电子工业出版社，2011（校图书索引：O235/23=2011）3. 火焰检测技术文档（/view/6a1eb536ee06eff9aef807dc.html） 系(教研室)主任： （签章） 年 月 日 学院主管领导： （签章） 年 月 日江苏科技大学本科毕业设计（论文） 摘要火灾是一种具有很大破坏性和多发性的灾害之一，它往往给人们的生命财产造成巨大的危害。传统上，火焰检测主要依靠感烟，感雾，感光等探测器，然而，这种方法却不尽人意，它严重受限于天气，温度，场所等外界条件。为了避免火灾引起的重大事故,基于视频的火焰检测系统引起了人们的重视。火焰颜色是火焰本身的一个固有特征，经过大量的实验发现，火焰有着与众不同的颜色特征。描述其颜色的模型有很多，其中有一种是RGB模型，任何RGB图像中只要满足R=G且GB的颜色都可以看作是火焰。另外，火焰还有动态特征，比如：在火灾发生早期，火焰边缘一直处于动态变化中，乍看起来，毫无规律，但经过大量的实验证明，火焰闪烁频率主要分布在712H z的范围内。因此，可以据此协助判断是否发生火灾。 本文对火焰检测进行了探究,针对火焰的颜色、闪烁性、随灰度的增减性采用了相应的检测算法以及MATLAB仿真。在通过MATLAB编程对火焰图像进行预处理的前提下，研究火焰检测中用到的火焰图像上的特征量（亮度，灰度，像素面积等）及其提取方法，并通过计算和分析，判断出火焰的燃烧状态。关键字：火焰识别，数字图像处理，MATLAB编程，火焰图像特征量 Abstract Fire is a serious destructive and frequently disaster, it often causes great harm to peoples lives and property .Traditionally, flame detection mainly relies on smoke, fog or other sense photosensitive detector, however, this method is not satisfactory, it is severely limited by the weather, temperature, places and other external conditions. In order to avoid accidents caused by fire. Fire detection system has aroused the attention of people. Colour of flame is itself an intrinsic feature, after a lot of experiments, We find that the flame is different from the ordinary color feature. There are many color models , among them, there is an RGB model, any RGB image as long as R=G and GB color can be regarded as a flame. In addition, the flame has dynamic characteristics, For example: the early fire flame edge is always in the dynamic change, at first glance, there is no law, but a lot of experiments prove that flame flicker frequency is mainly distributed in the 712HZ range. Therefore, this feature can also determine whether the flame.This paper relate to the flame detection .It includes the flame color, flicker, regional growth, with the increase of gray used the corresponding detection algorithm and MATLAB simulation. Through the MATLAB programming pretreatment for flame image, and extract the flames image characteristic quantity ( brightness, gray, pixel area) and its extraction method in the flame detection. At last, through calculation and analysis, determine the burning state of the flame.Keywords: Flame recognition, Digital image processing, MATLAB programming,Flame image features. 目 录第一章 绪 论-1 1.1 火焰研究背景-1 1.1.1 火焰检测背景-1 1.1.2 火焰检测的源起和发展-1 1.1.3 火焰检测的研究现状-2 1.2 数字图像处理背景-2 1.2.1 数字图像-2 1.2.2 数字图像处理-31.2.3 数字图像处理的目的-31.3 本文研究内容和结构-4 1.4 本章小结-4第二章 MATLAB使用概述-5 2.1 MATLAB软件包使用精要-5 2.2 Matlab桌面-5 2.3 数字图像预处理操作-5 2.3.1 图像的读取-5 2.3.2 图像的显示-5 2.3.3 图像的保存-6 2.3.4 直方图处理与函数绘图-6 2.3.5 标记连通分量-6 2.3.6 使用edge函数的边缘检测-6 2.3.7 全局阈值处理-7第三章 火焰图像处理-8 3.1 数字图像-8 3.1.1 RGB图像-8 3.1.2 灰度图像-9 3.1.3 图像二值化-9 3.1.4 索引图像-10 3.2 图像滤波-10 3.2.1 均值滤波-11 3.2.2 中值滤波-12 3.2.3 维纳滤波-13 3.2.4 小波去噪-13 3.3 图像分割-14 3.4火焰直方图统计-15 3.5 火焰图像增强显示-15 3.6 本章小结-16第四章 火焰识别-17 4.1 静态特征检测-17 4.1.1 RGB颜色识别-17 4.1.2 火焰的尖角特征-18 4.2 动态分析-19 4.2.1 火焰频率检测-19 4.2.2 火焰像素面积-20 4.2.3 火焰边缘检测-21 4.2.4 火焰区域增长性检测-22 4.3 本章小结-23结 语-24致 谢-25参考文献-26 III江苏科技大学本科毕业设计（论文）第一章 绪 论1.1 火焰研究背景 1.1.1火焰检测背景 火灾是常见的严重灾害之一，它往往给人们的生命财产造成巨大的危害，据不完全统计，全球每年约发生火灾700多万起，每年有70000人左右死于火灾。 1950年以来，中国年均发生森林火灾13067起，受害林地面积653019公顷，因灾伤亡580人。其中1988年以前，全国年均发生森林火灾15932起，受害林地面积947238公顷，因灾伤亡788人（其中受伤678人，死亡110人）。1988年以后，全国年均发生森林火灾7623起，受害林地面积94002公顷，因灾伤亡196人（其中受伤142人，死亡54人），分别下降52.2%、90.1%和75.3%1。 近几年，欧洲一些国家森林火灾频发，其中主要包括：2005年8月4日，葡萄牙发生严重森林火灾，起火点多达31处，并不断蔓延至葡11个行政区。火灾共烧毁林地13万多公顷。2005年8月7日，西班牙南部哈恩省卡索拉国家森林公园发生大火，有5100多公顷林木被烧毁。2006年8月4日，西班牙西北部的加利西亚自治区发生严重森林火灾。火灾历时12天，约6.5万公顷林木被毁。2007年7月，保加利亚东南部和南部地区因连续高温引发大面积森林火灾。持续的大火共焚毁森林636.2公顷。2007年7月27日，西班牙加纳利群岛发生两起山林大火，造成至少24万公顷林木被毁，1万多人被迫撤离住所。2008年6月9日，挪威南部发生严重森林火灾，持续数日的大火烧毁了4000多公顷林木。2009年7月31日，西班牙度假胜地拉帕尔马岛遭遇森林大火，造成至少2000公顷森林被烧毁，约4000人被疏散。1.1.2 火焰检测的源起和发展火焰科学研究肇始于20世纪70年代初。美国哈佛大学的埃蒙斯教授巧妙的将质量守恒、动量守恒、能量守恒和化学反应原理应用到建筑火灾的研究上，开创了火灾过程机理研究的先河。1985年国际火灾安全科学学会成立，标志着人类对火灾问题进行系统的科学攻关和研究的开始。火灾科学主要针对危害人类社会，自然资源和生态环境的灾害问题，集中并深入研究其共性基础，即火灾发生、发展的机理和规律以及防治工程技术基础。80年代末，由于燃烧理论，系统安全理论，科学计算技术、信息科学技术皆得以建立或者迅速发展，从而极大的推动了火灾科学研究的进程。而火灾科学的建立和发展又促进了火灾研究的发展，推动着火灾防治技术的进步。将火灾科学的理论与现代高新技术相结合，依据传感技术获得的火灾信息，运用体现火灾规律的智能识别手段，判断火灾类型、规律和发展趋势，做出火灾防治技术实施的相应决策。然而随着计算机技术的发展，通过图像识别，基于视频的火灾监控技术对收集到的图像信息 通过一定的处理之后进行火焰的识别，由于图像信息的丰富和直观，大大增加了判别的可靠性，从而 成为火焰检测的主流方向。 基于视频的火灾监控技术的关键技术主要有颜色特征检测，火焰的形态特征检测。 本文结合颜色特征中的RGB模型和火焰的形态特征研究，对比传统的图像检测方法效果优越。1.1.3 火焰检测的研究现状由于世界火灾态势不容乐观，因此火灾科学研究和火灾防治技术的研究在世界范围内受到重视，各个领域各个课题的研究都表现出蓬勃发展的态势。新中国成立以来，我国的火灾防治和火灾科学的研究也得到了长足发展，取得了许多令人瞩目的成就。但是，随着中国经济的高速发展，火灾形势变得越来越严峻，火灾发生的次数和火灾所造成的损失也逐年递增。因此，为了适应国民经济和社会发展的需要，我国的火灾科学和火灾防治技术研究需要更快速、更高效的发展：火灾科学的研究体系、消防法规体系和消防标准体系需要不断修改完善，火灾科学的研究范围和研究深度需要不断延伸。火灾探测技术是根据CO、烟气浓度和温度及其变化量等火灾现象与火灾发生发展过程相对应而发展起来的。在火灾探测领域，伴随着离子感烟、光电感烟和感温探测等火灾探测技术的缓慢发展，国内外火灾探测的理论和技术均取得了某些成就，火灾探测的范围和种类也已扩大到几乎每一种火灾，但是传统的火灾探测概念一直没有突破性发展，导致目前占据市场主导地位的火灾防治体系效率低下，信任度不高。新的基于视频图像的火灾探测技术由于现代图像处理技术发展的推动市场进程正在加快，并且逐渐发展成为火灾火焰和火灾烟气探测两个应用分支，每个应用分支也出现了许多探测算法，呈现出蓬勃发展的势头。1.2 数字图像处理背景 1.2.1 数字图像 图像是用各种观测系统以不同形式和手段观测客观世界而获得的，可以直接或间接作用于人眼并进而产生视知觉的实体。其最广义的观点是指视觉信息。例如照片、图画、电视画面以及光学成像等。人类的大部分信息都是从图像中获得的。用计算机进行图像处理的前提是图像必须以数字格式存储，人们把以数字格式存放的图像称之为数字图像。而我们常见的照片、海报、广告招贴画等都属于模拟图像。若要将模拟图像数字化后生成数字图像，需要使用诸如扫描仪之类的数字化设备。模拟图像经过扫描仪进行数字化后，或者由数码照相机拍摄的图片，在计算机中均是以数字格式存储的。为了把图像数字化，必须进行在空间点阵上的抽样和灰度量化两个方面的工作。被抽样的点称为像素，抽样的精度随图像的种类而不同。这样一来，所谓数字图像就是灰度值的二维数组。一个单色静止图像可以用一个二维的光强度函数f（x,y）来表示，其中x与y表示空间坐标，而在任意点（x,y）的f值与在该点图像的亮度（或灰度）成正比。一个数字图像是图像f（x,y）在空间坐标和亮度上都数字化后的图像。可将数字图像视作一个矩阵，矩阵行与列的值决定一个点，而对应的矩阵元素值就是该点的灰度。这种矩阵的元素就是像素，所对应的灰度就是像素值。1.2.2 数字图像处理 所谓数字图像处理（digital image processing），就是利用计算机对图像进行去除噪声、增强、分割、提取特征等的理论、方法和技术。由于图像处理是利用计算机和实时硬件实现的，因此也被称为计算机图像处理（computer image processing）。在计算机处理出现之前，图像处理都是光学、照相处理和视频信号处理等模拟处理。例如，在利用透镜或棱镜的光学演算中使用各种滤光镜，利用胶卷具有的特性曲线进行的处理，在电子回路中的视频信号的处理等，都属于这一范畴。在人们的日常生活中，图像处理已经得到广泛的应用。例如，利用指纹、虹膜、面部特征等进行身份识别；自动售货机钞票的识别；电脑成像技术等。而在医学领域，计算机图像处理已经成为疾病诊断的重要的手段，譬如显微镜照片、X射线透视、X射线CT（Computer Tomograph，计算机断层摄像）等。1.2.3 数字图像处理的目的 数字图像处理是利用计算机的计算，实现与光学系统模拟处理相同效果的过程。一般来说，数字图像处理具有如下的目的： （1）提高图像的视觉质量，以达到赏心悦目的目的。例如，去除称之为噪声等图像质量的退化因素；改变图像的亮度、颜色；增强图像中的某些成份、抑制某些成份；对图像进行几何变换等，从而改善图像的质量，以达到各种想要的艺术效果。 （2）提取图像中所包含的某些特征或特殊信息，以便于计算机分析。如用作模式识别，计算机视觉的预处理等等。这些特征包括很多方面，如频域特性、纹理特性、灰度/颜色特性、边界/区域特性、形状/拓扑特性以及关系结构等。 （3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。1.3 本文研究内容与结构 本文利用MATLAB软件，对火焰图像进行预处理，以期优化图像，进而为火焰识别做准备，然后，利用火焰的静态特征和动态特征，进行火焰识别的任务。鉴于此，本文结构内容和结构如下：第一章：主要介绍了火焰研究的背景和数字图像的一些基本内容。第二章：主要介绍了MATLAB软件包使用精要，该章节详细的介绍了各个操作的含义，包含了本文要使用的各个语句。第三章：主要介绍了结合火焰图片进行图像预处理的各个操作及仿真结果。为下章火焰识别做铺垫。第四章： 主要介绍了结合火焰的固有特征进行火焰识别的内容，指出根据数字图像的识别火焰是预防火灾的一种有效方法。该方法具有广阔的应用前景。1.4 本章小结本章主要从国内外火灾发生的数据统计引出火焰检测的必要性及紧迫性，并列举了国内外目前主要进行的火灾科学研究方向和领域，以及所取得的成果。同时对国内外视频火灾探测技术进行了概略性论述，阐述了国内外视频火灾探测技术的研究现状和所取得的成果。另外，本章又介绍了数字图像的一些基本知识，并为下几个章节文作了铺垫。 第二章 MATLAB软件包使用精要2.1 MATLAB软件包概述 MATLAB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境2。2.2 Matlab桌面2 桌面包括5个子窗口：命令窗口、工作空间窗口、当前目录窗口、历史命令窗口、一个或多个图形窗口（仅在用户显示图形式出现）。命令窗口是用户在提示符（）处键入MATLAB命令和表达式的地方，也是显示那些命令输出的地方。工作空间窗口显示对话中创建的变量和它们的某些信息。当前目录窗口显示当前目录的内容（即路径）。历史命令窗口包含用户已在命令窗口中输入的命令的纪录。图2.1 MATLAB界面2.3 数字图像预处理操作 2.3.1 图像的读取 语法：imread ( filename ) ：读取图像 2.3.2 图像的显示 语法：imshow ( f, G) ;G是显示该图像的灰度级数； imshow (f, low high);小于或等于low的值都显示为黑色， 大于或等于high的值都显示为白色。 2.3.3 图像的保存 语法：imwrite ( f, filename) ;保存图像 表2-1 图像类型间转换名称 描述亮度图像uint8类范围为0 255、double类归一化为0 1二值图像图像取值只有0和1的逻辑数组索引图像索引图像RGB图像彩色图像 gray2ind：灰度图像或二值图像向索引图像转换。 im2bw：设定阈值将灰度、索引、RGB图像转换为二值图像。 ind2gray：索引图像向灰度图像转换。 rgb2gray：RGB图像向灰度图像转换或将彩色色图转换成灰度色图。 label2rgb：标志图像向RGB图像转换。 2.3.4 直方图处理与函数绘图 生成并绘制图像的直方图 语法：h=imhist(f, b) ：b是用于形成直方图的灰度级的个数。直方图均衡化 语法：g=histeq(f, nlev)：nlev是为输出图像制定的灰度级数。 2.3.5标记连通分量语法：L, num=bwlabel(f, conn)：conn用于指定连接类型（4连通或8连通），num给出所找到的连接分量总数，L成为标记矩阵。 2.3.6 使用edge函数的边缘检测语法：g,t=edge(f, method, parameter)说明：g是一个逻辑数组，其值为：在f中检测到边缘的位置为1，其他位置为零；t是edge是用的阈值；method为边缘监测器方法，可选为：prewit, log, canny ，sobel, 等，其中本文主要采用后两种；parameter包含两部分：T为指定的阈值，第二部分为dir（检测边缘的首选方向： horizontal, vertical, both），或sigma（标准方差），或H（指定的滤波函数）。 2.3.7 全局阈值处理语法：T=graythresh(f)：T是阈值，归一化为0至1之间的值。第三章 数字图像预处理3.1 数字图像概述 数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像3。3.1.1 RGB图像 RGB图像又称为真彩图像，它是利用R,G,B三个分量表示一个像素的颜色，R,G,B分别代表红，绿，蓝3种不同的颜色，通过三基色可以合成出任意颜色。所以对一个尺寸为的彩色图像来说，在MATLAB种则存储为一个的多维数据数组，其中数组中的元素定义了图像中每一个像素的红，绿，蓝颜色值。RGB模式是数码图像中最重要的一个模式。 RGB模式是24位颜色深度。它共有三个通道，每个通道都有8位深度。三个通道合成一起可生成一千六百七十七万种颜色，我们也称之谓“真彩色” 但是，RGB存在如下一些不足: RGB空间用红，绿，蓝三原色的混合比例定义不同的色彩，从而，不同的色彩难以用准确的数值来表示，定量分析比较困难。 RGB系统中，彩色通道之间的相关性很高，从而合成图像的饱和度偏低，色调变化较小，图像的视觉效果较差。对相关性较高的图像做对比度扩展，通常只是扩大了图像的明亮程度，对增强色调差异作用较小。 人眼只能通过感知颜色的亮度、色调以及饱和度来区分物体，不能够直接感觉红、绿、蓝三色的比例，此外，色调和饱和度与红、绿、蓝的关系是非线性的，因此，RGB空间中对图像进行分析与处理，难以控制其结果。 clear;首先清除MATLAB所有的工作平台。 close all; 关闭已打开的图形窗口。 I=imread(Photo0901.jpg); 读取图像 imshow(I); 显示上述图片图3.1 彩色图3.1.2 灰度图像灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑色与白色两种颜色；灰度图像在黑色与白色之间还有许多级的颜色深度。但是，在数字图像领域之外，“黑白图像”也表示“灰度图像”， I2=rgb2gray(I);将真彩图像变为灰度图像 figure,imshow(I2); 图3.2 灰色图 3.1.3 图像二值化二值图像是指每个像素不是黑就是白，其灰度值没有中间过渡的图像。二值图像一般用来描述文字或者图形，其优点是占用空间少，缺点是，当表示人物，风景的图像时，二值图像只能描述其轮廓，不能描述细节。这时候要用更高的灰度级。 二值化是图像处理的基本操作，任何图像处理基本离不开二值化的操作。一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（BINARIZATION）。图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。 level=graythresh(I2); bw=im2bw(I2,level); figure,imshow(bw); 图3.3 二值图3.1.4 索引图像 索引图像是一种把像素值直接作为RGB调色板下标的图像。索引图像可把像素值“直接映射”为调色板数值。索引模式和灰度模式比较类似，它的每个象素点也可以有256种颜色容量，但它可以负载彩色。灰度模式的图像最多只能有256种颜色。当图像转换成索引模式时，系统会自动根据图像上的颜色归纳出能代表大多数的256种颜色，就象一张颜色表，然后用这256种来代替整个图像上所有的颜色信息。 索引模式的图像就像是一块块由彩色的小瓷砖所拼成的，由于它最多只能有256种彩色，所以它所形成的文件相对其它彩色要小得多。索引模式的另一个好处是它所形成的每一个颜色都有其独立的索引标识。当这种图像在网上发布时，只要根据其索引标识将图像重新识别，它的颜色就完全还原了。 图3.4 索引图3.2 图像滤波图像平滑主要目的是减少图像噪声。图像噪声来自于多方面，有来自于系统外部的干扰（如电磁波或经电源传进系统内部的外部噪声），也有来自于系统内部的干扰（如摄像机的热噪声，电器机械运动而产生的抖动等内部噪声）。实际获得的图像大都因受到干扰而含有噪声，噪声产生的原因决定了噪声分布的特性及与图像信号的关系。减少噪声的方法可以在空间域或在频率域处理，即：在空间域进行时，基本方法就是求像素的平均值或中值；在频域中则运用低通滤波技术。燃烧过程是一个动态过程，加上各种随机干扰，理想的稳定火焰是不存在的。由彩色摄像头摄取并经过图像采集卡量化后的数字图像信号包含了大量的噪声，必须首先进行噪声滤除，本文分别利用均值滤波法，中值滤波，维纳滤波，小波去噪法对火焰图像进行去噪4。3.2.1 均值滤波均值滤波也称为线性滤波，其采用的主要方法为领域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点，选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个，即 ，m为该模板中包含当前像素在内的像素总个数。 总之均值滤波相对较为简单, 其基本实现是以像点附近点的平均值替代该像点的灰度值。具体程序如下: h=111 对变换后灰度图进行均值滤波 111 111; h=h/9; J=conv2(I,h);I为灰度图像 figure,imshow(J,); 显示滤波后图像. 图3.5 经均值滤波后的图像3.2.2 中值滤波 中值滤波是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。实现方法： 1：通过从图像中的某个采样窗口取出奇数个数据进行排序。 2：用排序后的中值取代要处理的数据。 中值滤波在图像处理中,常用于用来保护边缘信息,是经典的平滑噪声的方法 总之，中值滤波是一种非线性处理技术, 可用来抑制图像中的噪声而不使边缘模糊，中值滤波法是对一个滑动窗口内诸像素灰度排序, 用中值代替窗口中心像素的原来灰度, 作为中值滤波的输出。具体程序如下: Z=medfilt2(I); 中值滤波,I是灰度图像 figure,imshow(Z)；显示经过中值滤波后的图像。 图3.6 中值滤波后图像3.2.3 维纳滤波 维纳（Wiener）滤波是滤波的一种最基本的方法，适用于需要从噪声中分离出的有用信号是整个信号（波形）。设维纳滤波器的输入为含噪声的随机信号。期望输出与实际输出之间的差值为误差，对该误差求均方，即为均方误差。因此均方误差越小，噪声滤除效果就越好。为使均方误差最小，关键在于求冲激响应。如果能够满足维纳霍夫方程，就可使维纳滤波器达到最佳。根据维纳霍夫方程，最佳维纳滤波器的冲激响应，完全由输入自相关函数以及输入与期望输出的互相关函数所决定。 实现维纳滤波的要求是： 1，输入过程是广义平稳的。 2，输入过程的统计特性是已知的。 具体程序如下: K=wiener2(I,5,5); 自适应维纳滤波 figure,imshow(K);显示经过维纳滤波后的图像 图3.7 维纳滤波处理后图像3.2.4 小波去噪 小波去噪法是将信号映射到小波域，根据噪声和噪声的小波系数在不同尺度上具有不同的性质和机理，对含噪信号的小波系数进行处理。实质是减少剔除噪声产生的小波系数，最大限度的保留真实信号的系数。 小波去噪法是近年来研究较多的一种去噪方法, 是一种窗口大小不一固定不变但其形状可以改变的时频局部化分析方法。小波变换在信号的高频部分,可以取得较好的时间分辨率;在低频部分,可以取得较好的频率分辨率,从而能有效地从信号中提取信息。下面用全局域值小波去噪, 具体程序如下: thr,sorh,keepapp=ddencmp( den , wv ,I3); xd=wdencmp( gbl ,I3, sym4 ,2,thr,sorh,keepapp); figure,imshow(xd,map) 图3.8 小波去噪后图像3.3 图像分割 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。近年来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。 基于阈值的分割方法5 图像阈值分割是一种使用广泛的图像分割技术，它利用了图像中要提取的目标物体与背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合，选取一个阈值，以确定图像中每一个像素点应该属于目标还是背景区域，从而产生一个二值图像。阈值的选取是图像阈值分割中的一项关键技术，它决定了图像最终分割质量的优劣，直接影响到后续处理与分析以及更高层次的图像理解与识别的精度和可靠性的高低，从而决定了整个系统的性能。迄今为止，诸多学者致力于图像分割技术的研究，提出了形形色色的阈值确定方法如直方图阈值、类间方差阈值、最大熵阈值法、二维最大熵阈值等方法。尽管阈值选取的方法很多，但迄今还未找到一种对所有图像都可以有效分割的方法，某种阈值方法只能适用于某一类或几类图像。因此，在实际应用中采用哪种阈值法必须根据图像的特性来确定。根据当前视频帧图像与背景的差值图像的直方图寻找合适的阈值，该阈值的确定机理如下：图像中的主要部分是由背景组成，所以差值图像是由大量具有低值的像素（即背景）及少量具有高值的像素（即前景）组成，为了获取阈值需要在直方图中寻找一个谷点，该值所对应的灰度值即被当作分割图像的阈值。基于上述原理的阈值确定方法速度快、简单易操作，在对实时性要求较高的工程应用中也能使用。 灰度阈值分割法是一种最常用的并行区域技术，它是图像分割中应用数量最多的一类。阈值分割方法实际上是输入图像f到输出图像g的如下变换： (31) 其中T为阈值，由此可见，阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值比较和像素分割可对各像素并行地进行，分割的结果直接给出图像区域。阈值分割的优点是计算简单、运算效率较高、速度快。在重视运算效率的应用场合，它得到了广泛应用。 3.4 火焰直方图统计 直方图是统计学中的术语, 图像处理技术引用了这一概念, 主要用来说明图像各亮度像素的分布情况。它反映了一幅图像中不同亮度等级像素所占的比例, 可以看出各亮度像素数的多少和它的分布, 其形状可以提供许多关于火焰状态的线索。在图像处理中所说的直方图是指灰度直方图, 描述的是图像中具有该灰度值的像素个数, 其横坐标表示像素的灰度级别，纵坐标是该灰度出现的概率。任意一幅图像一旦以直方图表示, 图像的空间位置信息全部隐去, 直方图只展示具有某一灰度的像素相对数目, 并不提示像素原来处于图像的哪个位置 图3.9 原灰度图直方图3.5 火焰图像增强显示 图像增强即用来增强图像的一些特征，以用于作进一步的分析或显示。图像增强技术可以主观地改善图像的质量。因此，图像增强技术是为了改善图像感官质量而采取的一种方法。它主要通过增强图像对比度等方法来实现。如：对比度的增强是用来使对比度低的图像更容易显现其特征，而对比度低的可能原因包括光线不足、图像感应器的动态范围不够等。图像增强的过程本身并没有增加原始资料所包含的信息，仅仅是把图像某些部分的特征更加强调罢了6。 火焰图像存在灰度以及各色分量相对集中的特点, 为了能准确观察火焰动态变化, 需对火焰图像作