[发明专利]一种基于最大熵阈值分割的火灾识别方法

权利要求书

1.颜色空间变换

本方法首先将由摄像头获取的图像进行R,G,B颜色通道分离，根据火焰图像的特点设计了一种新型颜色空间变换方法，将彩色图像转化为单色图像，一方面提取出了需要分析的图像信息，另一方面也减少了运算量，使方法可以满足检测的实时性。具体颜色空间变换方式如下：

t=13b+43g+13r]]>

如果t＞100则p＝(r-b)/2

如果t＜100则p＝0

其中r,g,b为图像各像素点红绿蓝三色分量数值，p是根据三色分量约束关系获得的单色图像相应像素点灰度值。

2.最大熵阈值分割

最大熵阈值分割法表明：若阈值分割后的熵值越大，则从图像中得到的信息量越大，图像细节越丰富，因而总体分割效果也越好，本方法根据需要，采用一维最大熵阈值分割，起到了缩短运算时间满足实时性的作用，在本方法中首先定义能量熵E_i的计算公式为：

E_i＝P_i×lgP_i

其中P_i为灰度为i的像素出现概率占灰度小于等于i的像素出现概率的比例。P_i的计算公式如下：

H(P)＝[h(x₁),h(x₂),h(x₃),...,h(x_n)]

h(xi)=S(xi)ΣjS(xj)]]>

Pi=h(xi)Σh(xj)]]>

其中S(x_i)为灰度为i的像素点个数，为总像素数，h(x_i)为i灰度为i的像素点出现概率，然后计算当分割阈值为i是的图像总能量E，

E＝ΣE_j

其中当j≤i，Pi=h(xi)Σj=i255h(xj),]]>当j＞i，Pi=h(xi)Σj=0ih(xj)]]>

循环测试各灰度值下图像总能量，选取图像总能量最大时的灰度i作为分割阈值对图像进行二值化分割，为了减少后续运算量和排除一些噪声干扰，对阈值分割后的图像进行形态开运算消除面积过小的联通区域。

3.标记各联通区域并进行火焰颜色特征分析

标记各联通区域作为图像掩模，对原彩色图像中的感兴趣区域进行颜色检测，统计各联通区域的总像素点个数和符合火焰颜色模型的像素点个数，计算符合火焰颜色模型像素点占联通区域的比例，若所占比例达到一固定阈值则判定该联通区域是疑似火焰区域，否则判定不是火焰区域。