CN102760295A - 基于边缘检测算子用火灾图像探测系统 - Google Patents

Abstract

本发明涉及一种基于边缘检测算子用火灾图像探测系统，用CCD摄像头进行摄取火焰图像，通过MV8000视频采集卡把火焰的模拟图像转化为数字图像，用MV8000自带的SDK软件开发包获取帧图像，经过数字图像处理实现图像模式的转换，经灰度拉伸提高图像的对比度后，利用边缘检测算子对单帧图像进行边缘检测，检测后的数据进行计算火焰特征参数，从而结果输出。本发明的基于边缘检测算子用火灾图像探测系统，采用此种系统，能够快速提取火焰图像，使用Matlab对火焰图像进行边缘检测，从而找出适合进行火焰图像边缘检测的最佳算子，确保提取火焰参数的准确性和提高火灾的判别精度。

Description

基于边缘检测算子用火灾图像探测系统

技术领域

本发明涉及火灾图像探测的领域，尤其是一种基于边缘检测算子用火灾图像探测系统。

背景技术

火焰图像是火灾图像探测方法的主要信息来源，其信息的丰富和直观，为早期火灾的辨识和判断奠定了基础，对火焰图像进行边缘检测既可以为火焰图像的恢复、增强和重构提供理论与方法，又可以为火焰特征的提取提供依据，成为火灾图像探测方法中不可缺少的一步。

边缘一般是指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合，可以粗略地分为阶跃边缘(step edge)与屋顶边缘(roof edge)，它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。边缘对图像识别和分析十分有用，它能勾画出目标物体轮廓，使观察者一目了然，包含了丰富的信息（如方向、阶跃性质、形状等），是图像识别中抽取的重要属性。近年来，随着数学和人工智能的发展，出现了一些新的边缘检测方法，如数学形态法、小波变换法、神经网络法、模糊检测法、IFS边缘检测算子等等。而常用的方法有：基于一阶微分算子的罗伯特（Roberts）算子、索贝尔（Sobel）算子、Prewitt算子、坎尼（Canny）算子方法和基于二阶微分算子的拉普拉斯（Laplacian）算子。本文简要地介绍了几种经典算子的原理，设计了相关实验来提取火焰图像，并使用Matlab对火焰图像进行边缘检测，分析这几种经典算子的优劣，找出适合进行火焰图像边缘检测的最佳算子，以确保提取的火焰参数的准确性，提高火灾的判别精度。

发明内容

本发明要解决的技术问题是：为了克服上述中存在的问题，提供一种基于边缘检测算子用火灾图像探测系统，其能够有效地提高火灾的判别精度。

本发明解决其技术问题所采用的技术方案是：一种基于边缘检测算子用火灾图像探测系统，用CCD摄像头进行摄取火焰图像，通过MV8000视频采集卡把火焰的模拟图像转化为数字图像，用MV8000自带的SDK软件开发包获取帧图像，经过数字图像处理实现图像模式的转换，经灰度拉伸提高图像的对比度后，利用边缘检测算子对单帧图像进行边缘检测，检测后的数据进行计算火焰特征参数，从而结果输出。

边缘检测算子为罗伯特边缘算子、索贝尔边缘算子、Prewitt边缘算子、拉普拉斯边缘算子、高斯-拉普拉斯边缘算子或坎尼边缘算子，

罗伯特边缘算子是一种斜向偏差分的梯度计算方法，梯度的大小代表边缘的强度，梯度的方向与边缘走向垂直；

索贝尔算子是一组方向算子，从不同的方向检测边缘。索贝尔算子不是简单求平均再差分，而是加强了中心像素上下左右四个方向像素的权重，运算结果是一幅边缘图像；

Prewitt边缘算子是一种边缘样板算子，利用像素点上下、左右邻点灰度差，在边缘处达到极值检测边缘，对噪声具有平滑作用。由于边缘点像素的灰度值与其邻域点像素的灰度值有显著不同，在实际应用中通常采用微分算子和模板匹配方法检测图像的边缘；

拉普拉斯算子是一个二阶导数算子，而前面提到的三种算子均为一阶导数算子。该算子是一个与方向无关的各向同性（旋转轴对称）边缘检测算子。若只关心边缘点的位置而不顾其周围的实际灰度差时，一般选择该算子进行检测；

Marr和Hildreth将高斯滤波和拉普拉斯边缘检测结合在一起，形成了高斯-拉普拉斯算子，即高斯-拉普拉斯算子，也常称为马尔算子（Marr-Hildreth），该算子先用高斯算子对图像进行平滑，然后采用拉普拉斯算子根据二阶微分过零点来检测图像边缘；

坎尼算子是一类最优边缘检测算子，它在许多图像处理领域得到了广泛应用。Canny考核边缘检测算子的指标是：（1）低误判率，即尽可能地把边缘点误认为是非边缘点；（2）高定位精度，即准确地把边缘点定位在灰度变化最大的像素上；（3）抑制虚假边缘。

本发明的有益效果是，本发明的基于边缘检测算子用火灾图像探测系统，采用此种系统，能够快速提取火焰图像，使用Matlab对火焰图像进行边缘检测，从而找出适合进行火焰图像边缘检测的最佳算子，确保提取火焰参数的准确性和提高火灾的判别精度。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的火焰图像探测原理框图；

图2是本发明的火焰图像边缘检测结构示意图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1所示的基于边缘检测算子用火灾图像探测系统，用CCD摄像头进行摄取火焰图像，通过MV8000视频采集卡把火焰的模拟图像转化为数字图像，用MV8000自带的SDK软件开发包获取帧图像，经过数字图像处理实现图像模式的转换、环境光的消除、图像平滑及增强等处理，经灰度拉伸提高图像的对比度后，利用边缘检测算子对单帧图像进行边缘检测，检测后的数据进行计算火焰特征参数，从而结果输出，其中一幅火焰图像的边缘检测结果如图2所示。

一般认为，边缘线清晰、连贯性较好、能检测结果。从火焰图像边缘检测效果图中可以看构成封闭边界线的边缘检测图为理想的图像边缘出，Roberts算子、Sobel算子和Prewitt算子的结果图边缘连续性较差（如边缘检测结果图中箭头指示部分，出现了断边），不利于火焰图像特征参数的提取。高斯-拉普拉斯算子和Canny算子的检测结果图边缘连续性好，由于Canny算子能检查出真正的弱边缘，其边缘定位比较精确，但边缘连续性稍差于高斯-拉普拉斯算子（如边缘检测结果图中箭头指示部分，出现了断边），并且容易受噪声的影响，如果配合理想的滤波器首先滤除背景噪声，Canny算子也是一种很好的火焰图像边缘检测算子，但这将使操作变得比较复杂，由此可知，高斯-拉普拉斯算子相对来说比较简单，且效果理想，是相对比较有效的火焰图像边缘检测算子。

高斯-拉普拉斯算子通常具有如下形式：

${\▿}^{2}G\left(r\right)=\frac{-1}{\mathrm{\π}{\mathrm{\σ}}^4}(1-\frac{r^2}{2{\mathrm{\σ}}^2})\exp (-\frac{r^2}{2{\mathrm{\σ}}^2})$

式中，σ是方差，r是离原点的径向距离，即r²=x²+y²，x、y为图像的横坐标和纵坐标。

高斯拉普拉斯算子是两种算子的结合，既具备高斯算子的平滑特点又具备拉普拉斯算子锐化特点。平滑和锐化，积分和微分是一对矛盾的两个侧面，统一在一起后就变成了最佳因子。因为图像中包含噪声，平滑和积分可以滤掉这些噪声，消除噪声后再进行边缘检测(锐化和微分)会得到较好的效果。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (2)

1.一种基于边缘检测算子用火灾图像探测系统，其特征是：用CCD摄像头进行摄取火焰图像，通过MV8000视频采集卡把火焰的模拟图像转化为数字图像，用MV8000自带的SDK软件开发包获取帧图像，经过数字图像处理实现图像模式的转换，经灰度拉伸提高图像的对比度后，利用边缘检测算子对单帧图像进行边缘检测，检测后的数据进行计算火焰特征参数，从而结果输出。

2.根据权利要求1所述的基于边缘检测算子用火灾图像探测系统，其特征是：边缘检测算子为罗伯特边缘算子、索贝尔边缘算子、Prewitt边缘算子、拉普拉斯边缘算子、高斯-拉普拉斯边缘算子或坎尼边缘算子。

Images