CN102646191A - 一种石油钻井伴生气燃烧火焰图像识别的方法 - Google Patents
一种石油钻井伴生气燃烧火焰图像识别的方法 Download PDFInfo
- Publication number
- CN102646191A CN102646191A CN2012100829858A CN201210082985A CN102646191A CN 102646191 A CN102646191 A CN 102646191A CN 2012100829858 A CN2012100829858 A CN 2012100829858A CN 201210082985 A CN201210082985 A CN 201210082985A CN 102646191 A CN102646191 A CN 102646191A
- Authority
- CN
- China
- Prior art keywords
- flame
- pixel
- doubtful
- fractal
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明为应用于石油钻井伴生气燃烧所产生火焰图像的识别方法,涉及图像处理技术领域,根据火焰图像的色度特征、运动特征,并结合离散分形布朗随机场,对石油钻井伴生气燃烧火焰进行识别。本发明可应用于陆上、海上石油钻井平台的伴生气燃烧火焰监测,也可以结合油井监测系统,对石油钻井平台的整体安全进行监测。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种气体燃烧所产生火焰图像的识别方法。
背景技术
当前,石油钻井伴生气燃烧火焰识别方法多利用感温、感光技术对火焰进行识别,由于火焰的多变性和不确定性,这些火焰识别技术均要受到所监控环境的面积、湿度、粉尘颗粒以及气流等因素的影响,这些影响在恶劣环境下的石油钻井伴生气燃烧火焰识别中更为明显。公开号为CN1410709的中国专利一种火焰监测诊断测量方法及装置中,只采用了火焰的黑度、色度特征作为判据,不容易排除高亮、移动干扰,且不适用于大空间、恶劣环境的火焰识别。公开号为CN1131275的中国专利火焰检测器自诊断系统中,只采用火焰的光特征作为判据,容易对颜色类似火焰的灯光产生误报。公开号为CN1132889的中国专利探测火焰的方法及实施该方法的火焰报警器中,只采用火焰辐射的强度变化作为判据,对辐射强度类似火焰的干扰物易产生误报。
发明内容
本发明所要解决的技术问题是克服现有技术只适用于较小的空间,且易受到所监控环境的面积、湿度、粉尘颗粒以及气流等因素的影响,因而导致火焰图像识别效率低、误报率高的技术问题;提供一种能在大空间、恶劣环境中对火焰图像进行实时、高效、准确识别的技术。为实现以上目的,本发明解决上述技术问题的技术方案是:提出一种石油钻井伴生气燃烧火焰图像识别的方法,标记核心高亮白区域为可疑火焰区域,检测核心高亮白区域周边的像素颜色,如果属于火焰模型当中的颜色,则将其划入可疑火焰区域,从可疑火焰区域去掉虚假火焰;根据火焰颜色判断可疑火焰区域是否存在真实火焰;基于离散分形布朗随机场DFBIR,计算分形维数和分形拟合误差 ,如果移动滑窗中N个相邻像素目标都为真实火焰(N根据根据移动滑窗数确定),则该区域有火焰燃烧。如果并且,则像素对应的目标为真实火焰。
因此,本发明根据火焰颜色模型,检测可疑火焰区域;然后根据火焰运动特征,初步判定火焰;最后应用DFBIR算法排除假的火焰,并确定真实火焰的燃烧。
本发明利用离散分形布朗随机场(DFBIR)识别火焰,能更准确的识别火焰,很好的解决在大空间、恶劣环境的火焰识别中误报率高的问题。
附图说明
图1 本发明火焰图像识别方法流程图。
具体实施方式
以下针对附图对本发明的实施进行具体描述。
如图1所示为本发明火焰图像识别方法流程图,包括如下步骤:采集原始图像,建立火焰色度模型,去除背景信息,检测可疑的火焰区域;根据火焰运动特征,排除静止干扰,确定初步火焰区域,建立离散分形布朗随机场模型,排除虚假火焰,确定真实火焰燃烧。
一、火焰颜色模型及可疑火焰区域检测
火焰中不同颜色的像素的相对位置确具有比较固定的特征,即在火焰的颜色图像当中,亮白区域构成了火焰的核心,从里到外依次是黄、橙、红色,从而构成了一个分层结构。
为了得到并分析可疑火焰特征,首先必须得到火焰的核心即高亮白区域的位置,可采用如下方法获取,采用传统摄像机获取确实RGB格式的图像,但这种格式不利于得到完整的、正确的核心区域位置,因此,将RGB模型的输入图像转换为YUV模型。在图像的各种颜色模型当中,YUV模型表示亮度、色差空间关系,其中Y为亮度信号,U、V为色差信号。对于描述火焰的核心高亮白区域,将摄像机获取的RGB格式图像转换为YUV模型信号,根据公式:将RGB转换为YUV,当Y值大于预设的阈值时标记该像素点属于高亮白区域,其中,R、G、B分别为图像像素的红、绿、蓝分量,Y为该图像像素点的灰度值,根据实验及计算,设图像像素为255时,阈值设定为160,此时,能够排除大部分干扰物并完整保留火焰区域。
标记高亮白区域为可疑火焰区域;检测核心高亮白区域周边的像素颜色,如果像素属于火焰模型当中的颜色,则将其划入可疑火焰区域;提取高亮白区域周边的可疑火焰颜色像素,与高亮白区域比较,如果高亮白区域周边的可疑火焰颜色像素和高亮白区域相比,如颜色像素所占比例小于高亮白区域中该颜色像素设置的预定阈值(如10%),则认为是虚假火焰,并将该像素点的灰度值设定为0。
二、根据火焰运动特征,初步判定火焰
采集疑似火焰图像,根据火焰像素变化率及背景变化率,初步对疑似火焰区域进行判断,是否存在火焰。
采集疑似火焰部分的连续n帧图像,调用公式:计算疑似火焰部分的像素变化率DIFFS(x, y),其中,是连续n帧图像中的第i帧图像强度,I为图像像素颜色的强度,I=, 变化率为,设定阈值T,(阈值T可由已确定存在火焰图像的火焰部分变化与背景变化差值确定),如果满足步骤一的疑似火焰区域满足(其中为火焰部分的变化率与背景部分变化率的差值),则可以初步判断该疑似区域为火焰。
三、基于离散分形布朗随机场(DFBIR)的火焰识别
(1)选取离散分形布朗随机场(DFBIR)识别火焰所用的阈值:
初始化,根据标准火焰选取分形维数(a1,a2)、矩形滑窗尺寸,以及分形拟合误差阈值。
其中,M为选取的矩形滑窗尺寸。
Claims (5)
5.根据权利要求2所述的识别方法,其特征在于,当图像像素为255时,阈值设定为160。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210082985.8A CN102646191B (zh) | 2012-03-27 | 2012-03-27 | 一种石油钻井伴生气燃烧火焰图像识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210082985.8A CN102646191B (zh) | 2012-03-27 | 2012-03-27 | 一种石油钻井伴生气燃烧火焰图像识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102646191A true CN102646191A (zh) | 2012-08-22 |
CN102646191B CN102646191B (zh) | 2014-07-09 |
Family
ID=46659007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210082985.8A Active CN102646191B (zh) | 2012-03-27 | 2012-03-27 | 一种石油钻井伴生气燃烧火焰图像识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102646191B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678295A (zh) * | 2016-01-04 | 2016-06-15 | 武汉科技大学 | 基于roi平均图像分析的燃气加热炉火焰实时监测方法 |
CN106599911A (zh) * | 2016-12-05 | 2017-04-26 | 清华大学 | 基于线性群和广义特征优化的浮法玻璃熔窑火焰识别方法 |
CN107169966A (zh) * | 2017-06-27 | 2017-09-15 | 国网湖南省电力公司 | 一种基于温度分布的输电线路山火辨识方法 |
CN110634259A (zh) * | 2019-09-25 | 2019-12-31 | 云南电网有限责任公司电力科学研究院 | 一种森林火灾的检测方法 |
CN112643719A (zh) * | 2020-12-11 | 2021-04-13 | 国网智能科技股份有限公司 | 一种基于巡检机器人的隧道安防检测方法及系统 |
CN113092481A (zh) * | 2021-03-11 | 2021-07-09 | 南京理工大学 | 一种扩散火焰碳烟生成转捩点的判别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090054522A (ko) * | 2007-11-27 | 2009-06-01 | 계명대학교 산학협력단 | 비전 기반의 화재 감지 시스템 및 방법 |
CN101908142A (zh) * | 2010-08-04 | 2010-12-08 | 丁天 | 一种基于特征分析的视频火焰检测方法 |
-
2012
- 2012-03-27 CN CN201210082985.8A patent/CN102646191B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090054522A (ko) * | 2007-11-27 | 2009-06-01 | 계명대학교 산학협력단 | 비전 기반의 화재 감지 시스템 및 방법 |
CN101908142A (zh) * | 2010-08-04 | 2010-12-08 | 丁天 | 一种基于特征分析的视频火焰检测方法 |
Non-Patent Citations (2)
Title |
---|
仇国庆 等: "基于图像特征的火焰识别与检测技术研究", 《自动化与仪器仪表》 * |
陈俊 等: "早期油料火灾图像检测及识别技术研究", 《计算机工程与科学》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678295A (zh) * | 2016-01-04 | 2016-06-15 | 武汉科技大学 | 基于roi平均图像分析的燃气加热炉火焰实时监测方法 |
CN105678295B (zh) * | 2016-01-04 | 2019-03-19 | 武汉科技大学 | 基于roi平均图像分析的燃气加热炉火焰实时监测方法 |
CN106599911A (zh) * | 2016-12-05 | 2017-04-26 | 清华大学 | 基于线性群和广义特征优化的浮法玻璃熔窑火焰识别方法 |
CN106599911B (zh) * | 2016-12-05 | 2020-02-21 | 清华大学 | 基于线性群和广义特征优化的浮法玻璃熔窑火焰识别方法 |
CN107169966A (zh) * | 2017-06-27 | 2017-09-15 | 国网湖南省电力公司 | 一种基于温度分布的输电线路山火辨识方法 |
CN107169966B (zh) * | 2017-06-27 | 2020-03-20 | 国网湖南省电力公司 | 一种基于温度分布的输电线路山火辨识方法 |
CN110634259A (zh) * | 2019-09-25 | 2019-12-31 | 云南电网有限责任公司电力科学研究院 | 一种森林火灾的检测方法 |
CN112643719A (zh) * | 2020-12-11 | 2021-04-13 | 国网智能科技股份有限公司 | 一种基于巡检机器人的隧道安防检测方法及系统 |
CN113092481A (zh) * | 2021-03-11 | 2021-07-09 | 南京理工大学 | 一种扩散火焰碳烟生成转捩点的判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102646191B (zh) | 2014-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105160924B (zh) | 基于视频处理的智能信号灯状态检测方法及检测系统 | |
CN105788142A (zh) | 一种基于视频图像处理的火灾检测系统及检测方法 | |
CN102646191A (zh) | 一种石油钻井伴生气燃烧火焰图像识别的方法 | |
CN106373320B (zh) | 基于火焰颜色离散度和连续帧图像相似度的火灾识别方法 | |
US9704060B2 (en) | Method for detecting traffic violation | |
CN107767390B (zh) | 监控视频图像的阴影检测方法及其系统、阴影去除方法 | |
CN101908142A (zh) | 一种基于特征分析的视频火焰检测方法 | |
CN107169966B (zh) | 一种基于温度分布的输电线路山火辨识方法 | |
CN103324910A (zh) | 一种基于视频检测的火灾报警方法 | |
CN103208126A (zh) | 一种自然环境下运动物体监测方法 | |
CN106204602B (zh) | 元件反件检测方法和系统 | |
CN109300110A (zh) | 一种基于改进颜色模型的森林火灾图像检测方法 | |
CN102663345A (zh) | 自动识别红绿灯的方法及装置 | |
CN105225235A (zh) | 一种基于多光谱特征的视频火焰检测方法 | |
CN103310422A (zh) | 获取图像的方法及装置 | |
CN102567722A (zh) | 一种基于码本模型和多特征的早期烟雾检测方法 | |
CN104811586A (zh) | 场景变换视频智能分析方法、装置、网络摄像机及监控系统 | |
CN109360370B (zh) | 一种基于机器人烟火检测的方法 | |
Shidik et al. | Multi color feature, background subtraction and time frame selection for fire detection | |
CN108200353A (zh) | 一种安防监控摄像机环境光检测方法 | |
CN103324957B (zh) | 信号灯状态的识别方法及识别装置 | |
CN109035331B (zh) | 一种信号灯组的位置矫正方法及设备 | |
KR101476764B1 (ko) | 카메라의 명암 영상신호를 이용한 화염 검출방법 | |
CN106228540B (zh) | 一种多光谱视频火焰检测方法 | |
Wang et al. | A new fire recognition model based on the dispersion of color component |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |