CN112668426A - 一种基于三种色彩模式的火灾图像偏色度量化方法 - Google Patents
一种基于三种色彩模式的火灾图像偏色度量化方法 Download PDFInfo
- Publication number
- CN112668426A CN112668426A CN202011512225.7A CN202011512225A CN112668426A CN 112668426 A CN112668426 A CN 112668426A CN 202011512225 A CN202011512225 A CN 202011512225A CN 112668426 A CN112668426 A CN 112668426A
- Authority
- CN
- China
- Prior art keywords
- color
- scene
- color cast
- under
- fire
- 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
本发明涉及一种基于三种色彩模式的火灾图像偏色度量化方法,所述偏色度量化方法包括:采集常规场景和火灾场景下针对三种时空情景下的图像,形成火灾现场偏色检测图像库;计算图像分别在RGB、HSV和YCbCr三种色彩模式下的偏色因子方差var的大小及其偏色度;通过统计学分析方法对常规场景和火灾场景下三种时空情景图像的偏色规律和火灾场景对物体颜色失真影响进行分析。本发明的优点在于:有效避免了主流方法易受图像形成过程色温变化和数据测量的偶然误差的综合影响,提高火灾现场救援过程目标识别的准确度,在火灾场景目标识别中具有较强的技术指导和实际应用价值。
Description
技术领域
本发明涉及图像识别处理技术领域,尤其涉及一种基于三种色彩模式的火灾图像偏色度量化方法。
背景技术
火灾现场救援过程中准确及时的识别目标一直是火灾防治领域的重要研究内容之一。传统的火灾检测方法有感温、感烟、感光等。目前针对火灾图像的偏色检测研究甚少,火灾场景包含大量的目标特征,这些特征是火灾图像识别的依据。但是,火灾场景环境复杂,不仅受自然光的影响,同时受燃烧物特性的影响,因此如何正确合理的进行火灾图像偏色检测是火灾现场图像及时准确识别的第一步。
目前,国内外学者对火灾图像处理及图像偏色检测进行了大量的研究。在火灾图像处理领域,主要集中在火灾图像分割、火灾图像识别、森林火灾探测等方面。如Wang Y等提出基于粒子群优化的修改KNN分割算法;辛颖针对阴燃火灾目标采用最大类间方差法对红外图像进行分割;Li S等开发了基于多尺度视网的快速图像恢复方法;马越豪等基于无人机拍摄实时视频通过图像特征自动识别燃火点;冯丽琦等提出新的基于Gabor滤波和局部二值模式(LBP)的多尺度局部纹理特征提取方法;张杰提出基于深度卷积神经网络模型进行火灾检测的方法;朱磊等提出基于图像增强与多特征的森林火灾烟雾检测算法等。
在图像偏色检测领域,主要集中在道路偏色检测,医学细胞偏色检测、偏色检测算法、偏色校正等方面。缪仁拉等针对白细胞图像偏色检测提出一种灰度世界和完美反射相结合的基于Lab颜色空间的细胞图像的偏色校正算法;Chen S等针对视频图像的色偏缺陷检测提出了原始监控视频序列的快速两步自动投射检测算法;阮文等介绍利用阈值精确寻找3个点,并通过调整它们的色阶来处理图像偏色的方法,解决了处理图像时凭感觉而导致效果不理想的问题;祝大伟针对视频图像在获取过程中产生的偏色现象提出了基于加减性色彩系统的视频偏色盲估计方法;Zhu D等为解决偏色图像颜色信息损失、视觉观察、图像分析,提出两阶段图像色偏校正方案。
但是,上述并没有针对火灾现场图像偏色检测以及偏色规律方面的研究,而环境的复杂色彩严重影响了火灾现场救援过程中目标识别的准确性和及时性,因此,如何通过对火灾图像偏色度的量化来帮助火灾现场目标及时准确的识别,是现阶段需要解决的问题。
发明内容
本发明的目的在于克服现有技术的缺点,提供了一种基于三种色彩模式的火灾图像偏色度量化方法,提高火灾现场救援过程目标识别的准确度,通过分析火灾现场偏色检测方法及偏色特征,为火灾现场偏色校正提供必要的帮助。
本发明的目的通过以下技术方案来实现:一种基于三种色彩模式的火灾图像偏色度量化方法,所述偏色度量化方法包括:
采集常规场景和火灾场景下针对三种时空情景下的图像,形成火灾现场偏色检测图像库;
计算图像分别在RGB、HSV和YCbCr三种色彩模式下的偏色因子方差var的大小及其偏色度;
通过统计学分析方法对常规场景和火灾场景下三种时空情景图像的偏色规律和火灾场景对物体颜色失真影响进行分析。
进一步地,所述计算图像分别在RGB、HSV和YCbCr三种色彩模式下的偏色因子方差var的大小包括:
将RGB图像的像素维数依次替换为HSV图像和YCbCr图像的像素维数,并重复上述步骤得到HSV和YCbCr模式下的偏色因子方差var。
进一步地,所述计算图像分别在RGB、HSV和YCbCr三种色彩模式下的偏色度包括:
进一步地,所述通过统计学分析方法对常规场景和火灾场景下三种情景图像的偏色规律和火灾场景对物体颜色失真影响进行分析包括:。
分析常规场景下RGB、HSV和YCbCr三种色彩模式下的偏色度规律:利用三种色彩模型下的偏色因子以及常规场景图像库计算三种情景(纯黑、多红、纯蓝、)的偏色因子大小,找出常规场景下三种情景偏色的一致性;
分析火灾场景下RGB、HSV和YCbCr三种色彩模式下的偏色度规律:利用三种色彩模型下的偏色因子以及火灾场景图像库计算三种情景(纯黑、多红、纯蓝、)的偏色因子大小,找出火灾场景下三种情景偏色的一致性;
对比分析常规场景下和火灾场景下RGB、HSV和YCbCr三种色彩模式下的偏色度规律:通过比较三种色彩模式下常规场景与火灾场景分别在三种情景下一致性规律的差异性,找出火灾场景与常规场景偏色规律,依据规律并结合三种色彩模式,提出混合色彩模式下的欧式距离偏色度量化方法能够满足各类情景火灾偏色的检测,从而克服了单一色彩模型下欧式距离量化火灾图像偏色的局限性。
本发明具有以下优点:一种基于三种色彩模式的火灾图像偏色度量化方法,有效避免了主流方法易受图像形成过程色温变化和数据测量的偶然误差的综合影响,提高火灾现场救援过程目标识别的准确度,在火灾场景目标识别中具有较强的技术指导和实际应用价值。
附图说明
图1为本发明的流程示意图;
图2为情景1-RGB色彩模式下常规—常规场景图像偏色因子分布图;
图3为情景2-RGB色彩模式下常规—常规场景图像偏色因子分布图;
图4为情景3-RGB色彩模式下常规—常规场景图像偏色因子分布图;
图5为情景1-HSV色彩模式下常规—常规场景图像偏色因子分布图;
图6为情景2-HSV色彩模式下常规—常规场景图像偏色因子分布图;
图7为情景2-HSV色彩模式下常规—常规场景图像偏色因子分布图;
图8为情景1-YCbCr色彩模式下常规—常规场景图像偏色因子分布图;
图9为情景2-YCbCr色彩模式下常规—常规场景图像偏色因子分布图;
图10为情景3-YCbCr色彩模式下常规—常规场景图像偏色因子分布图;
图11为情景1-RGB色彩模式下火灾—火灾场景图像偏色因子分布图;
图12为情景2-RGB色彩模式下火灾—火灾场景图像偏色因子分布图;
图13为情景3-RGB色彩模式下火灾—火灾场景图像偏色因子分布图;
图14为情景1-HSV色彩模式下火灾—火灾场景图像偏色因子分布图;
图15为情景2-HSV色彩模式下火灾—火灾场景图像偏色因子分布图;
图16为情景3-HSV色彩模式下火灾—火灾场景图像偏色因子分布图;
图17为情景1-YCbCr色彩模式下火灾—火灾场景图像偏色因子分布图;
图18为情景2-YCbCr色彩模式下火灾—火灾场景图像偏色因子分布图;
图19为情景3-YCbCr色彩模式下火灾—火灾场景图像偏色因子分布图;
图20为情景3-YCbCr色彩模式下火灾—火灾场景图像偏色因子分布图;
图21为情景2-RGB色彩模式下常规—火灾场景图像偏色因子分布图;
图22为情景3-RGB色彩模式下常规—火灾场景图像偏色因子分布图;
图23为情景1-HSV色彩模式下常规—常规场景偏色因子分布图;
图24为情景2-HSV色彩模式下火灾—火灾场景偏色因子分布图;
图25为情景3-HSV色彩模式下常规—火灾场景偏色因子分布图;
图26为情景1-YCbCr色彩模式下常规场景与火灾场景偏色因子分布;
图27为情景2-YCbCr色彩模式下常规场景与火灾场景偏色因子分布;
图28为情景3-YCbCr色彩模式下常规场景与火灾场景偏色因子分布;
图29为RGB色彩模式下不同情景火灾图像偏色度分布图;
图30为HSV色彩模式下不同情景火灾图像偏色度分布图;
图31为YCbCr色彩模式下不同情景火灾图像偏色度分布图;
图32为混合色彩模式下不同情景火灾图像偏色度分布图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
如图1所示,本发明涉及一种基于三种色彩模式的火灾图像偏色度量化方法,其包括以下内容:
首先,利用相机在自然光场景(以下简称常规场景)和火灾场景下针对三种情景进行拍摄,每种情景拍摄16张,总计2×3×16=96张图像;
进一步地,利用偏色因子及偏色因子间方差来研究常规场景与火灾场景下图像偏色问题;偏色因子及其方差var计算过程如下(以RGB色彩模式为例):
其中,dr、dg、db为RGB图像各个分量信息的平均值,M、N为图像的像素维数;mr、mg、mb为RGB图像各个分量信息偏色平均值;kr、kg、kb均为三个分量偏色因子,var为偏色因子方差。
其中,表示两偏色因子向量之间的欧式距离;表示特定时空特定场景某情景图像偏色因子方差组成的8维单位化向量;表示另一特定时空相同场景相同情景图像偏色因子方差组成的8维单位化向量;i=1,n=8;j取1、2、3,其中j=1表示常规—常规场景,j=2表示火灾—火灾场景;l1表示第1时空,l2表示第2时空;k=1表示RGB色彩模式,k=2表示HSV色彩模式,k=3表示YCbCr色彩模式。
最后,利用统计学方法分析常规场景与火灾场景下3种情景图像的偏色规律,分析火灾场景对物体颜色失真的影响。
进一步地,三种拍摄情景,情景1为纯黑色背景、情景2为大多数红色背景、情景3为纯蓝色背景。选取基于纯黑色对光的吸收性最好,大多数红色背景最接近火灾颜色特征,纯蓝色是图像的三原色之一等色彩原理。常规场景是指在自然光条件下,先定义拍摄时的白平衡,在此白平衡模式下拍摄3种情景,认为此白平衡下的3种情景均无偏色,颜色信息符合人类视觉反映。火灾场景是指在常规场景拍摄时定义的白平衡模式下,在暗室中(无自然光)拍摄3种情景,同时,利用热电偶记录火的温度,约600℃。
一、常规场景三种色彩模式下偏色度规律分析
1、RGB色彩模式下偏色度规律分析
如图2所示为不同时空条件下情景1-RGB色彩模式下常规场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var1R11,第2时空条件下的偏色因子单位化向量为var1R21,根据偏色度计算公式计算情景1-RGB色彩模式下第2时空对于第1时空的偏色度d(var1R11,var1R21)=0.6793。如图3所示为不同时空条件下情景2-RGB色彩模式下常规场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var1R12,第2时空条件下的偏色因子单位化向量为var1R22,根据偏色度计算公式计算情景2-RGB色彩模式下第2时空相对第1时空的偏色度d(var1R12,var1R22)=0.7425。如图4所示为不同时空条件下情景3-RGB色彩模式下常规场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var1R13,第2时空条件下的偏色因子向量为var1R23,根据偏色度计算公式计算情景3-RGB色彩模式下第2时空对于第1时空的偏色度d(var1R13,var1R23)=0.0636。
var1R11=[0.1021,0.1252,0.6442,0.6430,0.0748,0.1644,0.2492,0.2253]
var1R21=[0.2678,0.4010,0.1430,0.5707,0.1086,0.3147,0.5253,0.1863]
var1R12=[0.4741,0.3389,0.4506,0.2901,0.0786,0.4034,0.3916,0.2257]
var1R22=[0.3912,0.0712,0.0181,0.3923,0.0680,0.5666,0.0606,0.5985]
var1R13=[0.3527,0.3668,0.3598,0.3399,0.3319,0.3631,0.3456,0.3668]
var1R23=[0.3342,0.3303,0.3593,0.3606,0.3707,0.3596,0.3596,0.3521]
2、HSV色彩模式下偏色度规律分析
如图5所示为不同时空条件下情景1-HSV色彩模式下常规场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var1H11,第2时空条件下的偏色因子单位化向量为var1H21,根据偏色度计算公式计算情景1-HSV色彩模式下第2时空对于第1时空的偏色度为d(var1H11,var1H21)=0.0353。如图6所示为不同时空条件下情景2-HSV色彩模式下常规场景图像偏色因子分布图,其在第一时空条件下的偏色因子单位化向量为var1H12,第2时空条件下的偏色因子单位化向量为var1H22,根据偏色度计算公式计算情景2-HSV色彩模式下第2时空对于第1时空的偏色度为d(var1H12,var1H22)=0.1129。如图7所示为不同时空条件下情景3-HSV色彩模式下常规场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var1H13,第2时空条件下的偏色因子单位化向量为var1H23,根据偏色度计算公式计算情景3-HSV色彩模式下第2时空对于第1时空的偏色度为d(var1H13,var1H23)=0.1585。
var1H11=[0.3844,0.3384,0.3294,0.3639,0.3375,0.3645,0.3584,0.3486]
var1H21=[0.3687,0.3507,0.3450,0.3676,0.3450,0.3504,0.3669,0.3324]
var1H12=[0.3490,0.3613,0.3304,0.3431,0.4073,0.3302,0.3528,0.3483]
var1H22=[0.2854,0.3471,0.3679,0.3649,0.3476,0.3504,0.4042,0.3501]
var1H13=[0.3670,0.4064,0.3403,0.3171,0.3143,0.3741,0.3305,0.3685]
var1H23=[0.3137,0.3097,0.3381,0.3428,0.3489,0.3415,0.3415,0.4679]
3、YCbCr色彩模式下偏色度规律分析
如图8所示为不同时空条件下情景1-YCbCr色彩模式下常规场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var1Y11,第2时空条件下的偏色因子单位化向量为var1Y21,根据偏色度计算公式计算情景1-YCbCr色彩模式下第2时空对于第1时空的偏色度d(var1Y11,var1Y21)=0.8284。如图9所示为不同时空条件下情景2-YCbCr色彩模式下常规场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var1Y12,第2时空条件下的偏色因子单位化向量为var1Y22,根据偏色度计算公式计算情景2-YCbCr色彩模式下第2时空对于第1时空的偏色度d(var1Y12,var1Y22)=0.2510。如图10所示为不同时空条件下情景3-YCbCr色彩模式下常规场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var1Y13,第2时空条件下的偏色因子单位化向量为var1Y23,根据偏色度计算公式计算情景3-YCbCr色彩模式下第2时空对于第1时空的偏色度d(var1Y13,var1Y23)=0.0551。
var1Y11=[0.3205,0.3149,0.8456,0.2182,0.0391,0.0739,0.1677,0.0181]
var1Y21=[0.1774,0.0746,0.5469,0.2619,0.0033,0.0593,0.2333,0.7330]
var1Y12=[0.4327,0.3300,0.4110,0.3162,0.2213,0.3972,0.3715,0.3004]
var1Y22=[0.4137,0.2752,0.2908,0.3103,0.3396,0.4313,0.2732,0.4430]
var1Y13=[0.3496,0.3636,0.3593,0.3388,0.3367,0.3626,0.3507,0.3658]
var1Y23=[0.3375,0.3313,0.3595,0.3595,0.3689,0.3605,0.3605,0.3490]
二、火灾场景三种色彩模式下偏色度规律分析
1、RGB色彩模式下偏色度规律分析
如图11所示为不同时空条件下情景1-RGB色彩模式下火灾场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var2R11,第2时空条件下的偏色因子单位化向量为var2R21,根据偏色度计算公式计算情景1-RGB色彩模式下第2时空对于第1时空的偏色度d(var2R11,var2R21)=0.2896。如图12所示为不同时空条件下情景2-RGB色彩模式下火灾场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var2R12,第2时空条件下的偏色因子单位化向量为var2R22,根据偏色度计算公式计算情景2-RGB色彩模式下第2时空对于第1时空的偏色度d(var2R12,var2R22)=0.5869。如图13所示为不同时空条件下情景3-RGB色彩模式下火灾场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var2R13,第2时空条件下的偏色因子单位化向量为var2R23,根据偏色度计算公式计算情景3-RGB色彩模式下第2时空对于第1时空的偏色度d(var2R13,var2R23)=0.4833。
var2R11=[0.4268,0.3021,0.2871,0.3029,0.3203,0.4086,0.4063,0.3432]
var2R21=[0.3982,0.3863,0.4462,0.3913,0.3174,0.2615,0.2625,0.3194]
var2R12=[0.2821,0.3753,0.2715,0.5341,0.2325,0.5655,0.1711,0.1322]
var2R22=[0.5820,0.1344,0.1877,0.3858,0.5408,0.3040,0.1932,0.1920]
var2R13=[0.2431,0.1267,0.3082,0.4726,0.4623,0.2842,0.4726,0.2979]
var2R23=[0.2444,0.1667,0.6481,0.1667,0.3481,0.2666,0.3889,0.3481]
2、HSV色彩模式下偏色度规律分析
如图14所示为不同时空条件下情景1-HSV色彩模式下火灾场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var2H11,第2时空条件下的偏色因子单位化向量为var2H21,根据偏色度计算公式计算情景1-HSV色彩模式下第2时空对于第1时空的偏色度d(var2H11,var2H21)=0.0295。如图15所示为不同时空条件下情景2-HSV色彩模式下火灾场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var2H12,第2时空条件下的偏色因子单位化向量为var2H22,根据偏色度计算公式计算情景2-HSV色彩模式下第2时空对于第1时空的偏色度d(var2H12,var2H22)=0.1247。如图16所示为不同时空条件下情景3-HSV色彩模式下火灾场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var2H13,第2时空条件下的偏色因子单位化向量为var2H23,根据偏色度计算公式计算情景3-HSV色彩模式下第2时空对于第1时空的偏色度d(var2H13,var2H23)=0.3420。
var2H11=[0.3644,0.3533,0.3505,0.3533,0.3429,0.3388,0.3658,0.3585]
var2H21=[0.3503,0.3499,0.3609,0.3557,0.3462,0.3577,0.3529,0.3546]
var2H12=[0.3572,0.3322,0.3317,0.3066,0.4014,0.3174,0.3853,0.3843]
var2H22=[0.3377,0.3875,0.3650,0.3456,0.3301,0.3547,0.3723,0.3312]
var2H13=[0.3568,0.2036,0.2721,0.3836,0.4883,0.3723,0.3534,0.3288]
var2H23=[0.2753,0.2549,0.5042,0.2452,0.3376,0.3221,0.4464,0.3575]
3、YCbCr色彩模式下偏色度规律分析
如图17所示为不同时空条件下情景1-YCbCr色彩模式下火灾场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var2Y11,第2时空条件下的偏色因子单位化向量为var2Y21,根据偏色度计算公式计算情景1-YCbCr色彩模式下第2时空对于第1时空的偏色度d(var2Y11,var2Y21)=0.1189。如图18所示为不同时空条件下情景2-YCbCr色彩模式下火灾场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var2Y12,第2时空条件下的偏色因子单位化向量为var2Y22,根据偏色度计算公式计算情景2-YCbCr色彩模式下第2时空对于第1时空的偏色度d(var2Y12,var2Y22)=0.3858。如图19所示为不同时空条件下情景3-YCbCr色彩模式下火灾场景图像偏色因子分布图,其在第1时空条件下的偏色因子单位化向量为var2Y13,第2时空条件下的偏色因子单位化向量为var2Y23,根据偏色度计算公式计算情景3-YCbCr色彩模式下第2时空对于第1时空的偏色度d(var2Y13,var2Y23)=0.4652。
var2Y11=[0.3647,0.3410,0.3347,0.3347,0.3726,0.3979,0.3379,0.3395]
var2Y21=[0.3914,0.3968,0.3752,0.2747,0.3429,0.3357,0.3393,0.3573]
var2Y12=[0.3391,0.3882,0.3862,0.4468,0.2709,0.4570,0.2333,0.2212]
var2Y22=[0.5150,0.2151,0.2650,0.4187,0.4793,0.2982,0.2143,0.2799]
var2Y13=[0.2399,0.1371,0.3085,0.4685,0.4570,0.2856,0.4799,0.2971]
var2Y23=[0.2414,0.1690,0.6397,0.1810,0.3500,0.2776,0.3862,0.3500]
三、不同场景三种色彩模式下偏色度规律分析
1、RGB色彩模式下偏色度规律分析
如图20所示为情景1-RGB色彩模式下常规场场景与火灾场景图像偏色因子分布图,其在常规场景下的偏色因子单位化向量为var1R1,火灾场景下的偏色因子单位化向量为var2R1,根据偏色度计算公式计算情景1-RGB色彩模式下火灾场景的偏色度d(var1R1,var2R1)=0.7427。如图21所示为情景2-RGB色彩模式下常规场景与火灾场景图像偏色因子分布图,其在常规场景下的偏色因子单位化向量为var1R2,火灾场景下的偏色因子单位化向量为var2R2,根据偏色度计算公式计算情景2-RGB色彩模式下火灾场景下的偏色度d(var1R2,var2R2)=0.7213。如图22所示为情景3-RGB色彩模式下常规场景与火灾场景图像偏色因子分布图,其在常规场景下的偏色因子单位化向量为var1R3,火灾场景下的偏色因子单位化向量为var2R3,根据偏色度计算公式计算情景3-RGB色彩模式下火灾图像的偏色度d(var1R3,var2R3)=0.3661。其中:
var1R1=[0.1093,0.6895,0.0801,0.2667,0.2866,0.1530,0.1162,0.5622]
var2R1=[0.4146,0.2789,0.3112,0.3947,0.3868,0.4335,0.3083,0.2550]
var1R2=[0.5478,0.5207,0.0908,0.4525,0.4520,0.0209,0.0786,0.0700]
var2R2=[0.2909,0.2800,0.2398,0.1764,0.6002,0.1936,0.5577,0.1992]
var1R3=[0.3527,0.3668,0.3598,0.3399,0.3319,0.3631,0.3456,0.3668]
var2R3=[0.2431,0.1267,0.3082,0.4726,0.4623,0.2842,0.4726,0.2979]
2、HSV色彩模式下偏色度规律分析
如图23所示为情景1-HSV色彩模式下常规场景与火灾场景偏色因子分布图,其在常规场景下的偏色因子向量为var1H1,火灾场景下的偏色因子向量为var2H1,根据偏色度计算公式计算情景1-HSV色彩模式下火灾情景的偏色度d(var1H1,var2H1)=0.0413。如图24所示情景2-HSV色彩模式下常规情景与火灾场景偏色因子分布图,其在常规场景下的偏色因子向量为var1H2,火灾场景下的偏色因子向量为var2H2,根据偏色度计算公式计算情景2-HSV色彩模式下火灾图像偏色度d(var1H12,var3H22)=0.0705。如图25所示为情景3-HSV色彩模式下常规情景与火灾情景偏色因子分布图,其在常规场景下的偏色因子向量为var1H3,火灾场景下的偏色因子向量为var2H3,根据偏色度计算公式计算情景3-HSV色彩模式下火灾图像偏色度d(var1H3,var2H3)=0.2876。其中:
var1H1=[0.3830,0.3282,0.3363,0.3571,0.3674,0.3438,0.3438,0.3656]
var2H1=[0.3636,0.3497,0.3422,0.3650,0.3495,0.3601,0.3454,0.3521]
var1H2=[0.3452,0.3268,0.4028,0.3489,0.2823,0.3639,0.3438,0.3998]
var2H2=[0.3499,0.3249,0.3932,0.3774,0.3308,0.3576,0.3234,0.3647]
var1H3=[0.3848,0.3568,0.3296,0.3465,0.3289,0.3545,0.3658,0.3581]
var2H3=[0.3246,0.2476,0.4443,0.3215,0.2505,0.4588,0.3072,0.4062]
3、YCbCr色彩模式下偏色度规律分析
如图26所示为情景1-YCbCr色彩模式下常规场景与火灾场景偏色因子分布图,其在常规场景下的偏色因子单位化向量为var1Y1,火灾场景下的偏色因子单位化向量为var2Y1,根据偏色度计算公式计算情景1-YCbCr色彩模式下火灾图像偏色度d(var1Y1,var2Y1)=0.7910。如图27所示为情景2-YCbCr色彩模式下常规场景与火灾场景偏色因子分布图,其在常规场景下的偏色因子单位化向量为var1Y2,火灾场景下的偏色因子单位化向量为var2Y2,根据偏色度计算公式计算情景2-YCbCr色彩模式火灾图像偏色度d(var1Y2,var2Y2)=0.2551。如图28所示为情景3-YCbCr色彩模式下常规场景与火灾场景偏色因子分布图,其在常规场景下的偏色因子单位化向量为var1Y3,火灾场景下的偏色因子单位化向量为var2Y3,根据偏色度公式计算情景3-YCbCr色彩模式下的偏色度d(var1Y3,var2Y3)=0.3529。
var1Y1=[0.2887,0.7617,0.0352,0.1511,0.1598,0.4926,0.0030,0.2102]
var2Y1=[0.3603,0.3306,0.3681,0.3338,0.3867,0.3706,0.3387,0.3352]
var1Y2=[0.4351,0.4133,0.2225,0.37360.4160,0.2924,0.3415,0.2747]
var2Y2=[0.3386,0.3856,0.2705,0.2329,0.5142,0.2646,0.4786,0.2140]
var1Y3=[0.3501,0.3599,0.3372,0.3513,0.3380,0.3601,0.3695,0.3611]
var2Y3=[0.2079,0.2674,0.3961,0.4160,0.2092,0.5545,0.3034,0.3347]
如图29所示为RGB色彩模式下火灾图像偏色度趋势图,据图可知此色彩模式下火灾图像偏色度检测方法针对情景3类图像偏色度检测效果较好,而针对情景1、情景2类图像的偏色检测效果不明显。如图30所示为HSV色彩模式下火灾图像偏色度趋势图,据图可知此色彩模式下火灾图像偏色度检测方法针对情景2类图像偏色检测效果较好,而针对情景1、情景3类图像检测效果不明显。如图31所示为YCbCr色彩模式下火灾图像偏色度趋势图,据图可知,此色彩模式下火灾图像偏色度检测方法针对情景3类图像检测效果较好,而针对情景1、情景2类图像偏色检测效果不明显。因此,单一色彩模式下的图像偏色检测方法具有一定的局限性,无法满足所有情景下的火灾图像偏色检测。
考虑到单一色彩模式下偏色度检测方法针对火灾图像偏色度检测具有局限性,对三种色彩模式进行混合叠加。如图32所示为混合色彩模式下火灾图像偏色度趋势图,据图可知,混合色彩模式下图像偏色度检测方法针对情景1、2、3类火灾图像偏色检测效果较好,完全能够满足各类情景下的火灾图像偏色检测。因此,混合色彩模式叠加的火灾图像偏色度量化方法能够很好的检测各类火灾图像偏色度。
本发明仿真实验表明:(1)单一色彩模式下的欧氏距离偏色度量化方法具有一定的局限性,而混合色彩模式下的欧式距离偏色度量化方法能够满足各类情景火灾图像偏色检测;(2)不同时空条件下常规场景与火灾场景内比三种情景偏色因子趋势均相互交叠,同时随情景颜色色温的变化,偏色因子交叠趋势也发生着变化;(3)同一时空条件下常规场景与火灾场景之间的三种情景偏色度呈现明显的欧式距离特征。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (4)
1.一种基于三种色彩模式的火灾图像偏色度量化方法,其特征在于:所述偏色度量化方法包括:
采集常规场景和火灾场景下针对三种时空情景下的图像,形成火灾现场偏色检测图像库;
计算图像分别在RGB、HSV和YCbCr三种色彩模式下的偏色因子方差var的大小及其偏色度;
通过统计学分析方法对常规场景和火灾场景下三种时空情景图像的偏色规律和火灾场景对物体颜色失真影响进行分析。
4.根据权利要求1所述的一种基于三种色彩模式的火灾图像偏色度量化方法,其特征在于:所述通过统计学分析方法对常规场景和火灾场景下三种时空情景图像的偏色规律和火灾场景对物体颜色失真影响进行分析包括:。
分析常规场景下RGB、HSV和YCbCr三种色彩模式下的偏色度规律:利用三种色彩模型下的偏色因子以及常规场景图像库计算三种情景的偏色因子大小,找出常规场景下三种情景偏色的一致性;
分析火灾场景下RGB、HSV和YCbCr三种色彩模式下的偏色度规律:利用三种色彩模型下的偏色因子以及火灾场景图像库计算三种情景的偏色因子大小,找出火灾场景下三种情景偏色的一致性;
对比分析常规场景下和火灾场景下RGB、HSV和YCbCr三种色彩模式下的偏色度规律:通过比较三种色彩模式下常规场景与火灾场景分别在三种情景下一致性规律的差异性,找出火灾场景与常规场景偏色规律,依据规律并结合三种色彩模式,根据混合色彩模式下的欧式距离偏色度量化方法实现各类情景火灾偏色的检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011512225.7A CN112668426B (zh) | 2020-12-19 | 2020-12-19 | 一种基于三种色彩模式的火灾图像偏色度量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011512225.7A CN112668426B (zh) | 2020-12-19 | 2020-12-19 | 一种基于三种色彩模式的火灾图像偏色度量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112668426A true CN112668426A (zh) | 2021-04-16 |
CN112668426B CN112668426B (zh) | 2021-11-16 |
Family
ID=75407562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011512225.7A Active CN112668426B (zh) | 2020-12-19 | 2020-12-19 | 一种基于三种色彩模式的火灾图像偏色度量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668426B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114220046A (zh) * | 2021-11-25 | 2022-03-22 | 中国民用航空飞行学院 | 基于灰色综合关联度的火灾图像模糊隶属度识别方法 |
CN114818883A (zh) * | 2022-04-07 | 2022-07-29 | 中国民用航空飞行学院 | 一种基于颜色特征最优组合的cart决策树火灾图像识别方法 |
CN116593408A (zh) * | 2023-07-19 | 2023-08-15 | 四川亿欣新材料有限公司 | 一种重质碳酸钙粉体色度检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1553476A2 (en) * | 2004-01-06 | 2005-07-13 | Microsoft Corporation | Digital goods representation based upon matrix invariances |
CN102905160A (zh) * | 2011-07-25 | 2013-01-30 | 深圳英飞拓科技股份有限公司 | 一种偏色检测的方法及系统 |
CN103065334A (zh) * | 2013-01-31 | 2013-04-24 | 金陵科技学院 | 一种基于hsv颜色空间的偏色检测、校正方法及装置 |
CN103402117A (zh) * | 2013-08-06 | 2013-11-20 | 夏东 | 基于Lab色度空间的视频图像偏色检测方法 |
US20160290831A1 (en) * | 2015-04-02 | 2016-10-06 | Schaeffler Technologies AG & Co. KG | Encoder disc |
CN106127674A (zh) * | 2016-06-15 | 2016-11-16 | 公安部第三研究所 | 基于lbp的图像白平衡方法 |
CN109300110A (zh) * | 2018-08-24 | 2019-02-01 | 哈尔滨理工大学 | 一种基于改进颜色模型的森林火灾图像检测方法 |
CN110070524A (zh) * | 2019-04-03 | 2019-07-30 | 北京东舟技术股份有限公司 | 一种智能终端面板视觉故障检测系统 |
CN110459304A (zh) * | 2019-07-19 | 2019-11-15 | 汕头大学 | 一种基于面部图像的健康状态诊断系统 |
CN110458803A (zh) * | 2019-07-04 | 2019-11-15 | 深圳市玩瞳科技有限公司 | 基于彩带校准的帧图像偏色和亮度检测方法及装置 |
-
2020
- 2020-12-19 CN CN202011512225.7A patent/CN112668426B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1553476A2 (en) * | 2004-01-06 | 2005-07-13 | Microsoft Corporation | Digital goods representation based upon matrix invariances |
CN102905160A (zh) * | 2011-07-25 | 2013-01-30 | 深圳英飞拓科技股份有限公司 | 一种偏色检测的方法及系统 |
CN103065334A (zh) * | 2013-01-31 | 2013-04-24 | 金陵科技学院 | 一种基于hsv颜色空间的偏色检测、校正方法及装置 |
CN103402117A (zh) * | 2013-08-06 | 2013-11-20 | 夏东 | 基于Lab色度空间的视频图像偏色检测方法 |
US20160290831A1 (en) * | 2015-04-02 | 2016-10-06 | Schaeffler Technologies AG & Co. KG | Encoder disc |
CN106127674A (zh) * | 2016-06-15 | 2016-11-16 | 公安部第三研究所 | 基于lbp的图像白平衡方法 |
CN109300110A (zh) * | 2018-08-24 | 2019-02-01 | 哈尔滨理工大学 | 一种基于改进颜色模型的森林火灾图像检测方法 |
CN110070524A (zh) * | 2019-04-03 | 2019-07-30 | 北京东舟技术股份有限公司 | 一种智能终端面板视觉故障检测系统 |
CN110458803A (zh) * | 2019-07-04 | 2019-11-15 | 深圳市玩瞳科技有限公司 | 基于彩带校准的帧图像偏色和亮度检测方法及装置 |
CN110459304A (zh) * | 2019-07-19 | 2019-11-15 | 汕头大学 | 一种基于面部图像的健康状态诊断系统 |
Non-Patent Citations (3)
Title |
---|
LI F ET AL: "《A color cast detection algorithm of robust performance》", 《IEEE》 * |
吕亚静: "《高清摄像机背光补偿和色彩校正算法研究》", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
李海等: "《基于色彩空间模型的火灾图像偏色检测研究》", 《消防科学与技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114220046A (zh) * | 2021-11-25 | 2022-03-22 | 中国民用航空飞行学院 | 基于灰色综合关联度的火灾图像模糊隶属度识别方法 |
CN114818883A (zh) * | 2022-04-07 | 2022-07-29 | 中国民用航空飞行学院 | 一种基于颜色特征最优组合的cart决策树火灾图像识别方法 |
CN116593408A (zh) * | 2023-07-19 | 2023-08-15 | 四川亿欣新材料有限公司 | 一种重质碳酸钙粉体色度检测方法 |
CN116593408B (zh) * | 2023-07-19 | 2023-10-17 | 四川亿欣新材料有限公司 | 一种重质碳酸钙粉体色度检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112668426B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112668426B (zh) | 一种基于三种色彩模式的火灾图像偏色度量化方法 | |
CN111666834A (zh) | 一种基于图像识别技术的森林火灾自动监测识别系统及方法 | |
Basilio et al. | Explicit image detection using YCbCr space color model as skin detection | |
CN107480676B (zh) | 一种车辆颜色识别方法、装置和电子设备 | |
Marcial-Basilio et al. | Detection of pornographic digital images | |
CN105678318B (zh) | 交通标牌的匹配方法及装置 | |
CN111753805A (zh) | 安全帽佩戴检测方法和装置 | |
CN111046789A (zh) | 一种行人重识别方法 | |
Amato et al. | Moving cast shadows detection methods for video surveillance applications | |
Huerta et al. | Exploiting multiple cues in motion segmentation based on background subtraction | |
CN111985314B (zh) | 一种基于ViBe与改进LBP的烟雾检测方法 | |
Du et al. | A comparative study of different color spaces in computer-vision-based flame detection | |
CN111489330A (zh) | 基于多源信息融合的弱小目标检测方法 | |
CN114331946A (zh) | 一种图像数据处理方法、设备以及介质 | |
Wang et al. | Research on flame detection algorithm based on multi-feature fusion | |
CN113837154A (zh) | 一种基于多任务辅助的开放集过滤系统及方法 | |
CN113743378A (zh) | 一种基于视频的火情监测方法和装置 | |
Berbar | Novel colors correction approaches for natural scenes and skin detection techniques | |
CN109377524B (zh) | 一种单幅图像深度恢复方法和系统 | |
Ying et al. | Region-aware RGB and near-infrared image fusion | |
CN115909196A (zh) | 一种视频火焰检测方法及系统 | |
CN109325946A (zh) | 一种危险化学品堆垛监测方法和系统 | |
CN115100240A (zh) | 视频中的物体追踪方法及装置、电子设备、存储介质 | |
CN108537771A (zh) | 基于hsv的mc-siltp运动目标检测方法 | |
CN111415372A (zh) | 一种基于hsi颜色空间和上下文信息的运动目标归并方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |