基于三角扩散模型的林火图像中被遮情况下林火图像坐标研究

基于三角扩散模型的林火图像中被遮情况下林火图像坐标研究

森林火灾是一种严重的破坏和自发的，一旦发生，就很难进行救援。森林火灾识别后的定位可提供准确的火灾位置信息,为扑救决策和人员财产疏散提供技术支撑图1(a)所示为火源点被山体遮挡导致无法定位,图1(b)所示为摄像机拍摄的视角,此类非可视区域下定位的关键在于图像中火源点的准确确定。王永泽等本文拟通过林火烟雾在上升过程中呈现出的三角扩散特征,在数字视频监控系统的基础上建立三角扩散模型,以此估计出图像中遮挡情况下的林火火源点位置,为基于摄像机标定技术下的林火定位方法提供火源点像素信息,从而实现数字视频监控系统对非可视火源点区域的定位。1低场定位回归前期研究在林火数字视频监控系统平台上已完成林火的烟雾识别和报警,利用摄像机标定和高程地理信息空间分析技术实现了火源点可视情况下的定位。图2所示为该系统监测到的林火火灾,该火灾发生于2011年3月23日北京海淀区苏家坨镇大工村,因村民焚烧枯叶时引发林木燃烧所致。监控系统在检测到林火烟雾后报警并输出报警图像。1.1林火烟事照片的获取在输出林火报警图片的基础上,根据林火烟雾标记区域剪裁出林火烟雾区域,以减少复杂背景对林火烟雾分割边缘提取的干扰。报警图片分辨率为352×288,获取所标记区域范围,截取图片的横坐标范围为Xb图3所示为烟雾图像边缘提取,根据条件截取成主要包含林火烟雾的图片,如图3(a)所示。为将林火烟雾提取出来,需要运用图像分割将烟雾与背景开分,图像分割的方法主要有阈值分割、区域生长分割、边缘分割及基于聚类分析、模糊集理论、基因编码等特定理论的图像分割方法。其中的阈值分割是利用图像的灰度特性,具有计算简明、运算效率高等特点阈值分割的关键是选取将烟雾像素和背景像素分开的阈值θ,利用最大类间方差法可以得到最佳阈值,该方法使用一个阈值将整个数据分成两个类,若两个类之间的方差最大,那么这个阈值就是最佳阈值。取剪裁后的林火烟雾图像,并对该图像进行灰度化处理,使用最大类间方差法获取最佳阈值比为μ,即其最佳分割阈值为θ=μ×255。阈值分割处理后获得的烟雾图像如图3(b)所示。1.2边缘提取实验林火烟雾边缘提取可在分割后的二值图进行,也可单独使用其他边缘提取算法进行边缘提取。本文利用分割后的图像,使用Matlab中的bwboundaries边缘提取函数,该函数可有效地去除烟雾区域的内边缘,减少内边缘的干扰,提取结果如图3(c)所示。另外,为减少背景噪声对边缘提取的干扰,对提取到的边缘点较少的边缘点簇一律滤除,最终提取到的林火烟雾边缘如图3(d)所示。2光流强度的计算林火烟雾在燃烧热以及风力的驱动下呈现出一种朝某一确定方向的光流运动趋势。光流是空间运动物体在观测成像面上像素运动的瞬时速度,光流研究是利用图像序列中像素强度数据的时域变化及其相关性来确定各自像素位置的“运动”。HornSchunck是一种用光流的全局平滑性假设来求解光流的方法。选取报警烟雾相邻的两帧图片,用Horn_Schunck算法得到烟雾光流如图4所示。光流强度w(i,j)和光流方向角θ(i,j)的计算公式分别为:式中:u(i,j)、v(i,j)分别表示在像素点(i,j)上的横向和纵向光流矢量。其中光流强度的分布直方图如图5所示,设光流强度w(i,j)>T3地震条件设计在提取烟雾边缘及确定烟雾扩散运动趋势后,能够准确地估计林火火源点的关键是如何选取烟雾三角扩散模型的两条拟合边。首先,计算出林火烟雾所有边缘点的中点,然后与烟雾主要运动方向的斜率够成一条直线,将烟雾边缘点分离为左右两部分作为拟合边的基础,三角扩散模型确定火源点如图7所示。在截取烟雾图片基础上,其烟雾中线的直线方程为:将烟雾边缘点分离成两部分后,需剔除在烟雾顶端非三角部分的点,设置条件为烟雾最上端的1/6剔除。剔除后其左右边缘的直线拟合方程分别为:两直线交点在截取的图像上像素点为(-10,118),其转换成原图像上火源点的像素点为(112,174),其中原图中的火源点像素坐标为(120,171)。4遮爆麻黄点模拟建立三角扩散模型的目的是为了估计在遮挡情况下林火火源点的位置,这时的遮挡物多为山体或树木,其特征属性通常与附近的背景相似,因此可以使用附近的背景色遮挡烟雾下部来模拟山体等遮挡火源点的情景。分别用附近背景遮挡不同区域面积的林火烟雾,并使用三角扩散模型分别进行火源点的估计,四种不同遮挡面积下估计的林火火源点位置如图8所示。四种不同遮挡面积情况下估计的林火火源点在图像上的像素及其误差见表1。若估计的像素点坐标为(x,y),实际火源点像素为(x5光流法法识别林火烟雾和光流法识别点像素针对林火数字视频监控系统中火源点遮挡情况下无法定位