[发明专利]针对火灾图像视频中烟雾笼罩场景的烟火目标分割方法

说明书

技术领域

本发明涉及火灾的自动视频监控和数字图像处理技术领域，尤其涉及一种针对火灾图像视频中烟雾笼罩场景的烟火目标分割方法。

背景技术

在针对火灾的自动视频监控系统中，烟火目标的分割精度是影响最终识别结果的关键因素。烟火的自动分割方法大致分为阈值分割、边缘检测分割、区域特性分割、特征空间聚类分割等。阈值分割法主要包括直方图阈值、最大类间方差（Otsu）阈值、二维最大熵值、模糊阈值、共生矩阵阈值等；边缘检测法主要包括Sobel算子、Canny算子、Laplacan算子、Roberts算子、Prewitt算子等；区域分割法主要包括区域增长、区域分开合并等；空间聚类法主要包括K均值、模糊C均值、Mean-Shift等。具体而言，烟火目标获取最常使用的方法是借助于颜色特征的分割，如火的彩色范围与烟的灰度范围，常用颜色模型包括RGB、HSI、YCbCr等；而颜色范围的确定通常基于样本数据的分析与学习，如经验阈值、直方图、样本分布曲线拟合、核密度估计等。

然而，现有的烟火识别方法往往只处理烟或只处理火，极少的同时识别烟火的系统也只是把烟识别算法与火识别算法封装于同一个程序。但在实际的火灾图像视频中，烟火通常是共存的，火焰常被浓度不均匀、颜色不单一、形状不规则且持续变化的半透明烟雾笼罩。前景中烟的存在会严重影响火的识别精度，即烟的遮挡使火的细节变模糊而造成火焰分割、特征提取、匹配跟踪等出现误差；反之，背景中火的存在也会改变前景中烟的外观，从而造成烟的判断与定位出现错误。另外，仅仅判断出图像视频中烟火的存在与位置是不够的，只有获取更多的烟与火的细节才能提供更充分的火灾信息。针对这个问题目前尚无专门的处理方法，虽有相关文献对遮挡物或被遮挡物的单独分割展开研究，但仍无法做到对烟雾笼罩场景中烟雾与火焰的有效分割与细节恢复。

针对遮挡物的分割，已有方法认为烟雾扩散使得图像中背景的纹理和边缘变得模糊，而纹理和边缘对应着图像中的高频信息，与之关联的是小波子图像能量值的减少，这样通过监控视频中图像分块的小波系数变化情况来检测相应区域是否有烟雾出现；另有方法除了提出高通滤波半透明遮挡快速模型用于表征烟雾的模糊性外，还提出了基于运动累积量和主运动方向的烟雾特征，进而判断各图像分块是否为烟雾。这些方法虽能判断遮挡物烟雾的存在与位置，但难以得到浓度与颜色等细节，同时无法恢复被遮挡物的信息。

针对被遮挡物的分割，已有的图像去雾算法估算局部雾气浓度与环境光，再根据物理学中雾的形成公式在一定程度上去除笼罩的薄雾，还原被遮挡物的细节，但算法处理对象仅局限于相对均匀的白雾。与雾相比，火灾中烟的浓度、颜色、形状等均处于动态变化中，去雾算法无法应用于均匀白烟之外的场合。此外，去雾算法在恢复被遮挡物的同时，难以获取遮挡物详情，而在火灾识别中除烟的位置、形状、运动方向外，其浓度分布、颜色变化等细节往往是更有价值的火灾信息。

发明内容

针对上述存在的技术问题，本发明的目的是提供一种针对火灾图像视频中烟雾笼罩场景的烟火目标分割方法，以实现烟雾笼罩情况下烟雾与火焰的有效分割与细节恢复。

为达到上述目的，本发明采用如下的技术方案：

一种针对火灾图像视频中烟雾笼罩场景的烟火目标分割方法，包括以下步骤：

步骤1，使用透过率模型表征烟雾笼罩的火灾视觉场景，所述透过率模型的公式如下

其中为图像中任意像素，表示对应的被遮挡物颜色，表示对应的遮挡物颜色，表示对应的遮挡后的图像颜色，表示对应的遮挡物的透过率，遮挡物是指火灾场景中的烟雾；

步骤2，针对火灾图像视频中的当前帧，计算每个像素的透过率；

步骤3，通过比较步骤2计算所得透过率与预设的透过率阈值，判断每个像素是否属于有烟区域；所述判断方式为，若某像素的透过率小于所设透过率阈值，则该像素属于有烟区域，否则为无烟区域；

步骤4，恢复被遮挡物的细节信息以及遮挡物的细节信息。

而且，在当前帧是没有参考帧的单帧图像时，步骤2包括以下子步骤，

步骤2.11，在遮挡物颜色已知的前提下，以图像分块为单位进行透过率的粗略估算，计算公式如下

其中为根据图像分块粗略估算的像素的透过率值，为以像素为中心的图像分块，为图像分块中的像素，为像素在颜色空间通道的颜色值，的取值范围为，分别代表红色、绿色、蓝色，为已知的遮挡物颜色；

步骤2.12，基于所得透过率粗略估算结果，采用图像抠图技术以像素为单位进行透过率的精确计算，得到当前帧每个像素的透过率，计算公式如下