CN105405244A - 一种用于森林防火的干扰源屏蔽方法 - Google Patents

Abstract

本发明的用于森林防火的干扰源屏蔽方法，通过以下步骤来实现：a).利用红外热成像仪获取森林防火区域的红外图像数据；b).红外图像的增强处理；c).提取红外图像中的可疑区域；d).判断可疑区域的增长性，计算出可疑区域的增长面积；e).判断增长面积是否为零；g).圆形度的计算；h).判断圆形度的变化。本发明的用于森林防火的干扰源屏蔽方法，根据诸如人、动物、汽车等干扰源形状较固定的特点，如果可疑区域的圆形度变化超过阈值，认定为火源，如果低于阈值，则判定为干扰源；本发明的计算方法干扰源与火源的识别度高，针对火灾疑似图像进行面积增长情况和边缘圆形度变化情况的判定，最终锁定干扰源，并及时排除。

Description

一种用于森林防火的干扰源屏蔽方法

技术领域

本发明涉及一种用于森林防火的干扰源屏蔽方法，更具体的说，尤其涉及一种通过判断可疑区域的增长面积及其圆形度变化情况，来有效区分干扰源和真实火灾的用于森林防火的干扰源屏蔽方法。

背景技术

近年来，随着安防行业的发展以及红外热成像仪产品的广泛应用与不断升级，利用红外热成像仪进行森林火灾智能远程检测逐渐成为森林火灾视频监测的研究热点。然而，由于检测区域环境的复杂性，检测系统时常会因各种物体发射或反射过量红外线带来的强热源干扰造成误报，本发明基于红外成像仪在森林防火中的干扰源问题提出本发明方法，可以较好地解决所述的问题。

发明内容

本发明为了克服上述技术问题的缺点，提供了一种用于森林防火的干扰源屏蔽方法。

本发明的用于森林防火的干扰源屏蔽方法，其特征在于，通过以下步骤来实现：

a).图像采集，利用红外热成像仪获取森林防火区域的红外图像数据，并将红外图像数据传输至远端的服务器，由服务器进行干扰源屏蔽处理；

b).红外图像的增强处理，采用提升小波正变换、阈值去噪、提升小波逆变换、直方图修正的方法依次对红外图像进行处理，以达到红外图像降噪和增强的目的；

c).提取红外图像中的可疑区域，将红外图像中像素温度值超过t的区域作为需要分割的区域，对需要分割的区域采用区域生长法得到可疑区域；

d).判断可疑区域的增长性，利用公式(1)计算出可疑区域的增长面积ΔS_i(x,y)：

ΔS_i(x,y)＝S_i+1(x,y)-S_i(x,y)(1)

式中，S_i+1(x,y)表示相邻两帧图像中后一帧图像中可疑区域的面积，S_i(x,y)表示前一帧图像中可疑区域的面积，ΔS_i(x,y)表示相邻两帧图像中可疑区域的增长面积；

e).判断增长面积是否为零，如果可疑区域的增长面积ΔS_i(x,y)为零，说明可疑区域没有出现面积变化，对于干扰物体，根据其形状大小一般不发生变化而无法满足成像面积随时间变化的特性，判断出该可疑区域为干扰源，将其屏蔽；如果增长面积ΔS_i(x,y)不为零，执行步骤f)；

f).判断增长面积是否小于阈值T1，如果可疑区域的增长面积ΔS_i(x,y)大于零而小于阈值T1，则利用公式(2)进行面积增长的连续性进行判断，

ΔS_i+1(x,y)＝S_i+2(x,y)-S_i+1(x,y)(2)

式中，S_i+2(x,y)表示相邻两帧图像中后一帧图像中可疑区域的面积，S_i+1(x,y)表示前一帧图像中可疑区域的面积，ΔS_i+1(x,y)表示相邻两帧图像中可疑区域的增长面积；

如果ΔS_i+1(x,y)＝0，表明可疑区域的面积没有出现连续增长，判断出该可疑区域为干扰源，将其屏蔽；如果ΔS_i+1(x,y)＞0，表示可疑区域的面积出现了连续增长，则用圆形度计算方法进一步来判别，执行步骤g)；

如果可疑区域的增长面积ΔS_i(x,y)大于或等于阈值T1，则直接用圆形度计算方法来判别，执行步骤g)；

g).圆形度的计算，在森林中出现的诸如活动的人或动物、汽车干扰源的形状较为固定，而烟火的形状却复杂多变，所以可以通过计算圆形度的变化情况来区别干扰源与火焰，利用公式(3)计算可疑区域的圆形度：

$\mathrm{\γ}=\frac{L^2}{4\mathrm{\π}S}---\left(3\right)$

式中，γ表示可疑区域的圆形度，L表示可疑区域的边界长度，S表示可疑区域的面积；

h).判断圆形度的变化，利用公式(4)判断可疑区域的圆形度变化：

Δγ_i＝γ_i+1-γ_i(4)

式中，γ_i+1为相邻两帧图像中后一帧图像中可疑区域的圆形度，γ_i为相邻两帧图像中前一帧图像中可疑区域的圆形度，Δγ_i为相邻两帧图像中可疑区域的圆形度变化；

如果Δγ_i为零或小于阈值T2，则判定该可疑区域为干扰源，予以屏蔽；如果Δγ_i大于或等于阈值T2，则判定该物体为火焰，予以报警。

本发明的用于森林防火的干扰源屏蔽方法，步骤b)中所述的提升小波正变换通过公式(5)和(6)来实现：

$h(2n+1)=f(2n+1)-\[\frac{f\left(2n\right)+f(2n+2)}{2}\]---\left(5\right)$

$l\left(2n\right)=f\left(2n\right)+\[\frac{h(2n-1)+h(2n+1)+2}{4}\]---\left(6\right)$

式中，公式(5)为利用红外图像的偶数列预测奇数列，得到的预测误差h(2n+1)为变换的高频分量；公式(6)为利用预测误差来更新红外图像中的偶数列，得到变换的低频分量l(2n)；

所述的提升小波逆变换通过公式(7)和(8)来实现：

$f\left(2n\right)=l\left(2n\right)-\[\frac{h(2n-1)+h(2n+1)+2}{4}\]---\left(7\right)$

$f(2n+1)=h(2n+1)+\[\frac{f\left(2n\right)+f(2n+2)}{2}\]---\left(8\right)$

经公式(7)和(8)的逆变换后，即可得到增强的红外图像。

本发明的用于森林防火的干扰源屏蔽方法，步骤c)中所述的提取红外图像中的可疑区域方法为，首先在需要分割的区域中找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素具有相同或相似性质的像素合并到种子像素所在的区域中，将这些新像素当做新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来，这样一个区域就生长完毕。

本发明的用于森林防火的干扰源屏蔽方法，步骤c)中，当红外图像中像素对应的温度t超过475℃时，则将其视为一个需要分割的区域；步骤f)中区域增长面积阈值T1以及步骤h)中的圆形度变化Δγ_i的阈值T2的大小均与红外热成像仪的分辨率有关。

本发明的有益效果是：本发明的用于森林防火的干扰源屏蔽方法，利用干扰物体具有固定性的特点，首先计算出相邻两帧中可疑区域的面积变化情况，面积无变化则判定为干扰源，如有面积变化，再求出可疑区域的圆形度变化情况，根据诸如人、动物、汽车等干扰源形状较固定的特点，如果可疑区域的圆形度变化超过阈值，认定为火源，如果低于阈值，则判定为干扰源；本发明的计算方法干扰源与火源的识别度高，针对火灾疑似图像进行面积增长情况和边缘圆形度变化情况的判定，最终锁定干扰源，并及时排除。

附图说明

图1为本发明的用于森林防火的干扰源屏蔽的系统图；

图2为本发明的用于森林防火的干扰源屏蔽方法的流程图。

图中：1前端摄像系统，2传输网络，3服务器，4客户端。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

如图1所示，给出了本发明的用于森林防火的干扰源屏蔽的系统图，其由前端摄像系统1、传输网络2、服务器3和客户端组成，前端摄像系统1的主要功能是获取红外原始图像，前端摄像系统1由红外热成像仪、云台、解码器、传输模块组成，红外热成像仪用于获取红外视频，云台用于控制红外热成像仪监控方向，解码器用于解码操作指令，传输设备用于传输视频图像及操作指令。

传输网络2通过有线或无线方式在因特网或专网上实现信息传输，传输信息既有前端摄像系统获取的红外图像，又有各种操作指令。服务器3除了处理视频信息、发出警报及处理云台操作指令外，还可进行屏蔽处理。客户端4主要功能是接收服务器图像服务、发送屏蔽及云台操作指令。

如图2所示，给出了本发明的用于森林防火的干扰源屏蔽方法的流程图，其通过以下步骤来实现：

a).图像采集，利用红外热成像仪获取森林防火区域的红外图像数据，并将红外图像数据传输至远端的服务器，由服务器进行干扰源屏蔽处理；

b).红外图像的增强处理，采用提升小波正变换、阈值去噪、提升小波逆变换、直方图修正的方法依次对红外图像进行处理，以达到红外图像降噪和增强的目的；

该步骤中，所述的提升小波正变换通过公式(5)和(6)来实现：

$h(2n+1)=f(2n+1)-\[\frac{f\left(2n\right)+f(2n+2)}{2}\]---\left(5\right)$

$l\left(2n\right)=f\left(2n\right)+\[\frac{h(2n-1)+h(2n+1)+2}{4}\]---\left(6\right)$

式中，公式(5)为利用红外图像的偶数列预测奇数列，得到的预测误差h(2n+1)为变换的高频分量；公式(6)为利用预测误差来更新红外图像中的偶数列，得到变换的低频分量l(2n)；

所述的提升小波逆变换通过公式(7)和(8)来实现：

$f\left(2n\right)=l\left(2n\right)-\[\frac{h(2n-1)+h(2n+1)+2}{4}\]---\left(7\right)$

$f(2n+1)=h(2n+1)+\[\frac{f\left(2n\right)+f(2n+2)}{2}\]---\left(8\right)$

经公式(7)和(8)的逆变换后，即可得到增强的红外图像。

提升小波变换是传统小波变换的升级算法，它的基本思想是由基本小波逐步构建出一个具有更加良好性质的新小波，其实现步骤有3个：分解、预测和更新。分解是将数据分为偶数序列和奇数序列2个部分，预测是用分解的偶数序列预测奇数序列，得到的预测误差为变换的高频分量，更新是由预测误差来更新偶数序列，得到变换的低频分量。

阈值去噪过程中，可利用高通滤波器和低通滤波器的组合将图像噪声精确过滤，得到干净的高频分量与低频分量。提升变换是一种可逆的整数变换，其逆变换和正变换是可逆的，通过反更新、反预测、合并即可实现图像信号的精确重构。将图像在各个尺度去噪后再进行提升小波逆变换，然后对变换结果再进行直方图修正即可得到增强后的图像。

c).提取红外图像中的可疑区域，将红外图像中像素温度值超过t的区域作为需要分割的区域，对需要分割的区域采用区域生长法得到可疑区域；

该步骤中，所述的提取红外图像中的可疑区域方法为，首先在需要分割的区域中找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素具有相同或相似性质的像素合并到种子像素所在的区域中，将这些新像素当做新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来，这样一个区域就长成了。

d).判断可疑区域的增长性，利用公式(1)计算出可疑区域的增长面积ΔS_i(x,y)：

ΔS_i(x,y)＝S_i+1(x,y)-S_i(x,y)(1)

式中，S_i+1(x,y)表示相邻两帧图像中后一帧图像中可疑区域的面积，S_i(x,y)表示前一帧图像中可疑区域的面积，ΔS_i(x,y)表示相邻两帧图像中可疑区域的增长面积；

e).判断增长面积是否为零，如果可疑区域的增长面积ΔS_i(x,y)为零，说明可疑区域没有出现面积变化，对于干扰物体，根据其形状大小一般不发生变化而无法满足成像面积随时间变化的特性，判断出该可疑区域为干扰源，将其屏蔽；如果增长面积ΔS_i(x,y)不为零，执行步骤f)；

f).判断增长面积是否小于阈值T1，如果可疑区域的增长面积ΔS_i(x,y)大于零而小于阈值T1，则利用公式(2)进行面积增长的连续性进行判断，

ΔS_i+1(x,y)＝S_i+2(x,y)-S_i+1(x,y)(1)

式中，S_i+2(x,y)表示相邻两帧图像中后一帧图像中可疑区域的面积，S_i+1(x,y)表示前一帧图像中可疑区域的面积，ΔS_i+1(x,y)表示相邻两帧图像中可疑区域的增长面积；

如果ΔS_i+1(x,y)＝0，表明可疑区域的面积没有出现连续增长，判断出该可疑区域为干扰源，将其屏蔽；如果ΔS_i+1(x,y)＞0，表示可疑区域的面积出现了连续增长，则用圆形度计算方法进一步来判别，执行步骤g)；

如果可疑区域的增长面积ΔS_i(x,y)大于或等于阈值T1，则直接用圆形度计算方法来判别，执行步骤g)；

g).圆形度的计算，在森林中出现的诸如活动的人或动物、汽车干扰源的形状较为固定，而烟火的形状却复杂多变，所以可以通过计算圆形度的变化情况来区别干扰源与火焰，利用公式(3)计算可疑区域的圆形度：

$\mathrm{\γ}=\frac{L^2}{4\mathrm{\π}S}---\left(3\right)$

式中，γ表示可疑区域的圆形度，L表示可疑区域的边界长度，S表示可疑区域的面积；

h).判断圆形度的变化，利用公式(4)判断可疑区域的圆形度变化：

Δγ_i＝γ_i+1-γ_i(4)

式中，γ_i+1为相邻两帧图像中后一帧图像中可疑区域的圆形度，γ_i为相邻两帧图像中前一帧图像中可疑区域的圆形度，Δγ_i为相邻两帧图像中可疑区域的圆形度变化；

如果Δγ_i为零或小于阈值T2，则判定该可疑区域为干扰源，予以屏蔽；如果Δγ_i大于或等于阈值T2，则判定该物体为火焰，予以报警。

Claims (4)

1.一种用于森林防火的干扰源屏蔽方法，其特征在于，通过以下步骤来实现：

a).图像采集，利用红外热成像仪获取森林防火区域的红外图像数据，并将红外图像数据传输至远端的服务器，由服务器进行干扰源屏蔽处理；

b).红外图像的增强处理，采用提升小波正变换、阈值去噪、提升小波逆变换、直方图修正的方法依次对红外图像进行处理，以达到红外图像降噪和增强的目的；

c).提取红外图像中的可疑区域，将红外图像中像素温度值超过t的区域作为需要分割的区域，对需要分割的区域采用区域生长法得到可疑区域；

d).判断可疑区域的增长性，利用公式(1)计算出可疑区域的增长面积ΔS_i(x,y)：

ΔS_i(x,y)＝S_i+1(x,y)-S_i(x,y)(1)

式中，S_i+1(x,y)表示相邻两帧图像中后一帧图像中可疑区域的面积，S_i(x,y)表示前一帧图像中可疑区域的面积，ΔS_i(x,y)表示相邻两帧图像中可疑区域的增长面积；

e).判断增长面积是否为零，如果可疑区域的增长面积ΔS_i(x,y)为零，说明可疑区域没有出现面积变化，对于干扰物体，根据其形状大小一般不发生变化而无法满足成像面积大小随时间变化的特性，判断出该可疑区域为干扰源，将其屏蔽；如果增长面积ΔS_i(x,y)不为零，执行步骤f)；

f).判断增长面积是否小于阈值T1，如果可疑区域的增长面积ΔS_i(x,y)大于零而小于阈值T1，则利用公式(2)进行面积增长的连续性进行判断，

ΔS_i+1(x,y)＝S_i+2(x,y)-S_i+1(x,y)(2)

式中，S_i+2(x,y)表示相邻两帧图像中后一帧图像中可疑区域的面积，S_i+1(x,y)表示前一帧图像中可疑区域的面积，ΔS_i+1(x,y)表示相邻两帧图像中可疑区域的增长面积；

如果ΔS_i+1(x,y)＝0，表明可疑区域的面积没有出现连续增长，判断出该可疑区域为干扰源，将其屏蔽；如果ΔS_i+1(x,y)＞0，表示可疑区域的面积出现了连续增长，则用圆形度计算方法进一步来判别，执行步骤g)；

如果可疑区域的增长面积ΔS_i(x,y)大于或等于阈值T1，则直接用圆形度计算方法来判别，执行步骤g)；

g).圆形度的计算，在森林中出现的诸如活动的人或动物、汽车干扰源的形状较为固定，而烟火的形状却复杂多变，所以可以通过计算圆形度的变化情况来区别干扰源与火焰，利用公式(3)计算可疑区域的圆形度：

$\mathrm{\γ}=\frac{L^2}{4\mathrm{\π}S}---\left(3\right)$

式中，γ表示可疑区域的圆形度，L表示可疑区域的边界长度，S表示可疑区域的面积；

h).判断圆形度的变化，利用公式(4)判断可疑区域的圆形度变化：

Δγ_i＝γ_i+1-γ_i(4)

式中，γ_i+1为相邻两帧图像中后一帧图像中可以区域的圆形度，γ_i为相邻两帧图像中前一帧图像中可以区域的圆形度，Δγ_i为相邻两帧图像中可疑区域的圆形度变化；

如果Δγ_i为零或小于阈值T2，则判定该可疑区域为干扰源，予以屏蔽；如果Δγ_i大于或等于阈值T2，则判定该物体为火焰，予以报警。

2.根据权利要求1所述的用于森林防火的干扰源屏蔽方法，其特征在于，步骤b)中所述的提升小波正变换通过公式(5)和(6)来实现：

$h(2n+1)=f(2n+1)-\[\frac{f\left(2n\right)+f(2n+2)}{2}\]---\left(5\right)$

$l\left(2n\right)=f\left(2n\right)+\[\frac{h(2n-1)+h(2n+1)+2}{4}\]---\left(6\right)$

式中，公式(5)为利用红外图像的偶数列预测奇数列，得到的预测误差h(2n+1)为变换的高频分量；公式(6)为利用预测误差来更新红外图像中的偶数列，得到变换的低频分量l(2n)；

所述的提升小波逆变换通过公式(7)和(8)来实现：

$f\left(2n\right)=l\left(2n\right)-\[\frac{h(2n-1)+h(2n+1)+2}{4}\]---\left(7\right)$

$f(2n+1)=h(2n+1)+\[\frac{f\left(2n\right)+f(2n+2)}{2}\]---\left(8\right)$

经公式(7)和(8)的逆变换后，即可得到增强的红外图像。

3.根据权利要求1或2所述的用于森林防火的干扰源屏蔽方法，其特征在于：步骤c)中所述的提取红外图像中的可疑区域方法为，首先在需要分割的区域中找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素具有相同或相似性质的像素合并到种子像素所在的区域中，将这些新像素当做新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来，这样一个区域就生长完毕。

4.根据权利要求1或2所述的用于森林防火的干扰源屏蔽方法，其特征在于：步骤c)中，当红外图像中像素对应的温度t超过475℃时，则将其视为一个需要分割的区域；步骤f)中区域增长面积阈值T1以及步骤h)中的圆形度变化Δγ_i的阈值T2的大小均与红外热成像仪的分辨率有关。