基于數字圖像的火焰識別算法研究與仿真

韓美林

摘 要：本文主要研究了火焰識別和分割的方法和步驟，主要包括兩個方面的內容，一是對圖像進行分割，采取基于最大類間方差法（Otsu）圖像閾值分割法，較好的分離背景和對象。二是對火焰的識別和分割。主要是通過火焰的顏色特征，對火焰區域進行識別，再結合Otsu圖像閾值分割法，將火焰分割出來。仿真結果表明本算法能夠根據火焰的特征進行準確的識別和分割出火焰。

關鍵詞：最大類間方差；圖像分割；火焰識別

1 圖像的分割處理

選取合理的閾值是基于閾值圖像分割技術的關鍵所在，閾值分割的原理，實際上是設定某一閾值θ將圖像分為兩個像素群，即原圖像經過閾值分割變換得到一個新的圖像。當f（x，y）=1時，說明該像素是分割的目標區域；當f（x，y）=0時，此時為背景區域。因此在圖像分割的過程中確定合適的閾值是關鍵，選擇一個合理的閾值就可以準確地對圖像進行分割，并得到需要的目標區域。

1.1 基于迭代的閾值選取方法

基于迭代的閾值選取方法的基本思想是：首先選擇圖像灰度中值作為初始閾值，然后根據閾值分割為兩區域并求出兩區域平均灰度值，利用一維最大熵法計算出新閾值，不斷地迭代改變閾值，直到滿足要求。

1.2 Otsu 圖像閾值選取法

Otsu最佳閾值法的基本原理是：通過設定的一個閾值θ把直方圖分成A和B兩部分即前景色和背景色，Nobuyuki Otsu給出的類間方差為：

ICV=PA*MA-M2+PB*（MB-M）^2（1-1）

式中：PA、PB分別為A、B部分里像素數占總像素數的比例；

mMA、MB分別兩部分表示各自的平均值。

最佳的閾值θ就是使得ICV最大的那個值。

2 火焰特征的識別和分割

2.1 火焰特征的識別和分割流程圖

基于顏色特征的火焰識別流程圖如圖1所示：

在火災形成的初級階段火焰的特征如顏色、形狀、輻射強度不斷在變化。將這些變化的特征轉化為其特有的特征信息，作為系統識別火焰的判據。輸入圖像先進行預處理（包括灰度化、圖像增強），再根據火焰的顏色特征進行火焰分割，即判斷火焰和非火焰區。

2.2 最大類間方差閾值法

最大類間方差法（Otsu）是在判決分析或最小二乘原理的基礎上推導出來的。該算法簡單易實現，是一種廣泛使用的閾值選取方法。

設原始灰度圖像的灰度級為L，灰度為i的像素點數為ni，圖像的全部像素為N，那么閾值計算過程如下：

（1）計算輸入圖像灰度級的歸一化直方圖，用表示，且有，；

（2）計算灰度均值μ

3 實驗結果及分析

3.1 圖像的分割處理

對圖像的分割處理采用MATLAB仿真，結果如圖3所示。

從圖4的仿真結果看出，基于 Otsu 圖像閾值選取法能夠有效地區分背景和火焰，而且還能最全面地獲取火焰的疑似區域。

3.2 火焰特征的分割和識別

火焰特征的識別和分割仿真結果如圖4所示：

預處理中主要是對火焰圖像進行了平滑濾波和灰度化處理。在灰度化處理的基礎上選取了基于 Otsu 圖像閾值選取的分割方法進行分割提取。通過多次實驗，結果證明本設計程序能夠根據火焰的特征較好地分離出背景和對象，準確地分割和識別出火焰。

4 總結

本文主要研究內容是通過火焰的顏色特征，對火焰區域進行識別，再結合Otsu圖像閾值分割法，將火焰分割出來。經多次實驗，仿真結果表明本設計程序能夠根據火焰的特征實現準確地分離出火焰目標

區域。

參考文獻：

[1]周忠濤.基于視頻特征的火情監測研究[D].江西農業大學，2017.

[2]戴靜.火焰圖像快速檢測方法研究及應用[D].西南科技大學，2017.

[3]嚴云洋，杜靜，高尚兵，周靜波，劉以安.融合多特征的視頻火焰檢測[J].計算機輔助設計與圖形學學報，2015，27（03）：433-440.

[4]耿慶田，于繁華，趙宏偉，王闖.基于顏色特征的火焰檢測新算法[J].吉林大學學報（工學版），2014，44（06）：1787-1792.

[5]許宏科，房建武，文常保.基于亮度與火焰區域邊緣顏色分布的火焰檢測[J].計算機應用研究，2010，27（09）：3581-3584.

[6]陽婷. 基于視頻監控的火災探測系統的研究與實現[D].東華大學，2016.

[7]Yamagishi H， Yanmaguchi J. Fire flame detection algorithm using a color camera [A].Proceeding of 1999 International Symposium on Micromechatronics and Human Science.Nagoya， Japan， 2012： 255～260.