基于小波融合的雙色空間火焰分割方法

吳 雪，宋曉茹，高 嵩

（西安工業大學 電子信息工程學院，西安710021）

火災作為突發性和破壞性的災害之一，每年都會使經濟和環境造成很大的損失。 因此，火災的初期識別對提高火災探測系統的可靠性起著非常重要的作用。 火焰圖像的分割質量是火災探測系統的重要一步，能夠為火焰圖像特征提取和判斷火災的真假提供重要的依據。

1 火焰圖像分割法的研究現狀

隨著計算機技術的不斷發展，火焰圖像分割方法發展迅速。 文獻[1]利用最大類間方差Otsu 法，以灰度值和紅色值為輸入，對火焰圖像進行分割。 文獻[2]針對現有分割算法的抗噪性差和計算時間長的缺點，提出了改進斜分最大類間方法，該算法提高了圖像分割的抗噪性。文獻[3]針對Otsu 法依賴于雙峰直方圖的缺點，提出了基于灰度積分投影法的火焰圖像分割。 文獻[4]提出了基于火焰閃點位置的交叉性與聚合性的偵差算法，實現了火焰目標區域的分割識別。 文獻[5-6]分別改進了Otsu 法，以提高其最優閾值精度。 以上方法的缺點是丟失了大部分火焰的彩色信息，造成分割精度的下降。

近些年來，研究學者根據火焰含有大量的彩色信息，提出了許多基于彩色空間[7]的火焰圖像分割方法。文獻[8]使用HSV 空間中的強度值和顏色分布2 種特征進行火焰圖像分割， 取得了令人滿意的結果。 文獻[9]提出了基于局部分形維數的林火圖像火焰分割算法，先提取圖像的RGB 三通道分量，然后對每一個分量圖采用四棱柱模型計算局部分形維數，完成對分量圖的分割。 文獻[10]采用基于多尺度顏色特征和小波紋理征的無監督火焰圖像分割方法，來提高火焰圖像分割的質量和速度。 但基于彩色信息分割的方法多采用單色空間， 在背景復雜、干擾較多的情況下，分割精度低。

基于此，文中提出基于小波融合的雙色空間火焰分割方法， 將根據火焰在不同顏色空間的特性，通過分析火焰在HSI 空間和RGB 空間的顏色直方圖，單獨提取出在HSI 和RGB 的可疑區域；利用小波變換的方法對已單獨分割出來的火焰區域進行融合，得到融合后的分割圖像。

2 火焰分割模型的設計

2.1 RGB 彩色模型

顏色在計算機中有不同的表達方式，可以形成不同的顏色空間。

RGB 模型是一類面向顯示和打印的模型，其以R（red 紅），G（green 綠），B（blue 藍）作為彼此獨立的三基色。 RGB 所構成的顏色空間模型如圖1 所示。圖中， 原點代表黑色；3 個坐標軸上的點分別代表R，G 和B；離原點最遠的點代表白色；其他的顏色都可以由這3 種顏色表達。

圖1 RGB 彩色空間模型Fig.1 RGB color space model

2.2 HSI 模型

HSI（hue-saturation-intensity）模型是另一種常用的彩色圖像格式，其中H 為色度、S 為飽和度、I 為度。 該彩色空間模型可由圖2 所示椎體來表示。

圖2 HSI 彩色空間模型Fig.2 HSI color space model

圖中，模型的下頂點代表黑色，上頂點代表白色；H 可由繞圓錐中心軸的角度表示；S 可由一個點到圓錐的橫截面圓心的距離表示，距離越大飽和度S 越大；I 可由圓錐橫截面到頂點的距離表示。 該模型更加適合人的視覺系統。

2.3 基于小波融合的火焰分割模型設計

由于RGB 模型易受到光照變化的影響，直接采用RGB 模型對彩色圖像進行分割，往往達不到很好的效果，而HSI 空間更加符合人的視覺特性。 故在此對2 種空間顏色的信息進行融合，實現了2 種顏色空間信息的互補。 所采用的分割模型如圖3 所示。

圖3 火焰分割模型Fig.3 Flame splitting model

先分別對RGB 空間和HSI 空間進行單獨分割，然后利用小波方法對2 種分割后的圖像進行融合，得到最終的火焰分割圖。

2.4 小波融合算法的設計

圖像融合算法是將獲得的同一目標的2 幅或者多幅圖像，通過一種特定算法合成為一種新的圖像的方法。 圖像融合可以分為像素級融合、特征級融合和決策級融合等3 個等級。

基于小波變換的圖像融合是一種像素級的融合方法，由小波正變換和小波逆變換組成。 其中，小波正變換能夠把圖像分解成水平、垂直和對角的高頻分量與低頻分量， 分別對應于圖像的不同結構。小波變化的二級分解由圖4 所示。 小波的逆變換變換能夠對圖像進行重構，保證在分解的過程中沒有信息的損失。

圖4 小波分解過程Fig.4 Wavelet decomposition process

利用小波的特性， 對經過HSI 空間和RGB 空間分割后的圖像進行融合，模型如圖5 所示。 具體方法如下： 對經過HSI 彩色空間和RGB 彩色空間分割后的源圖像，分別進行一級小波分解，得到相應源圖像的近似低頻分量和3 個高頻分量；對分解后的低頻分量和高頻分量，采用不同的融合規則進行融合；利用小波逆變換重構圖像，得到最終的分割圖像。

圖5 小波融合方法Fig.5 Wavelet fusion method

3 試驗結果與分析

所做試驗選取一幅圖像中含有多前景，且背景復雜的火災圖像作為研究對象，所選圖像如圖6 所示。 為了說明提出算法的有效性，利用融合后的分割圖像， 分別與單獨采用HSI 彩色空間和RGB 彩色空間的火焰區域進行分割后的圖像做比較。

圖6 火焰原圖Fig.6 Flame artwork

3.1 HSI 空間的火焰圖像分割

火焰具有色調特性和飽和度較高的特性。 因此，為了分析火焰在HSI 彩色空間的像素值分布特點， 對HSI 彩色空間的H，S 和I 空間進行分離，并分析其H 和S 分量的直方圖，如圖7（a）和（b）所示。火焰的色度一般在0～60 度之間，飽和度在0.6～1 之間。 通過分析原圖的直方圖，試驗將選取H 通道閾值為0.2 和飽和度空間閾值為0.6 進行HSI 空間的火焰區域分割。 經過HSI 彩色空間分割后的火焰區域圖像如圖7（c）所示。

圖7 HSI 空間分割Fig.7 HSI space segmentation

3.2 RGB 空間的火焰圖像分割

火焰在燃燒時具有發光發亮的特性，一般的變化范圍在紅色與黃色之間， 存在很明顯的偏色現象。 該特性在圖像上表現為紅色分量像素值高，綠色和藍色通道的像素值比較低。 該試驗將同樣分析原圖在RGB 空間上的紅色通道直方圖和藍色通道直方圖，如圖8（a）和（b）所示。將R 通道閾值設定為180，藍色通道閾值設定為50。經過HSI 彩色空間分割后的火焰區域圖像如圖8（c）所示。

圖8 RGB 空間分割Fig.8 RGB space segmentation

3.3 基于小波變換融合的雙色空間分割

分別對經過HSI 空間和RGB 空間分割后的圖像進行小波分解。 采用級小波分解，以sym4 作為函數空間基，對于高頻和低頻均采用加權平均的融合方法， 融合再利用小波的逆變換進行小波重構，得到融合后的火焰分割圖。 在利用小波方法融合后的圖像如圖9 所示。

圖9 融合后的圖像分割Fig.9 Image segmentation after fusion

由圖可見， 對火焰圖像經過HSI 和RGB 空間單獨分割后，再采用小波變化的方法對分割后的圖像進行融合， 其更好地包含了圖像火焰區域的信息，優于單色空間的分割效果。

4 結語

針對單色空間對火焰分割的信息丟失， 提出了基于小波融合的HSI 和RGB 雙彩色空間的火焰分割方法。 該方法利用各原圖信息的互補，增加了對原始圖像分割后包含信息的豐富性， 得到更全面的圖像信息。 仿真試驗對比結果表明，該方法相比于傳統的單色空間分割方法， 提高了分割的精度。