[发明专利]一种基于总有界变分的森林火灾烟雾图像检测方法

说明书

本发明涉及信息处理技术领域，尤其涉及一种基于总有界变分的森林火灾烟雾图像检测方法，其特征在于，其步骤包括：步骤1：输入视频序列中的图像；步骤2：采用图像分块方法用来得分块图像的TBV值，通过两次比较TBV值从分块结果图中搜索疑似烟雾分块区域，最后利用特征数据的融合聚类处理提取最终的疑似烟雾区域；步骤3：采用帧间差分法对疑似烟雾区域进行烟雾运动特征分析，若疑似烟雾区域运动，则判定为火灾烟雾图像，给出火灾报警；若疑似烟雾区域不运动，则返回视频输入进行下一图像的处理流程。本发明避免了繁琐计算带来的误差，输出结果精确稳定，检测效果好。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种基于总有界变分的森林火灾烟雾图像检测方法。

背景技术

森林火灾作为对森林危害最大的灾害，引起世界各国的重视；传统基于烟雾传感器的探测技术监测范围小，在森林较大的区域铺设成本高，且此类传感器易老化而灵敏度降低。当前，视频系统以广泛应用于森林监控，通过人工监测能发现部分火灾事件，但由于森林面积广阔，视频图像众多，给人工监测带来了难度。近年来，伴随图像处理技术方法探究的持续发展进步，视频图像处理和图像识别技术方法日益成熟。视频烟雾探测技术因其响应时间短、灵敏度高、覆盖面积大等优势，已成为一种新型的森林火灾探测和预警方法，有着广泛的应用前景，备受国内外研究者关注。

火灾烟雾有丰富的图像特征，当前的视频烟雾检测方法，主要依据烟雾的运动、颜色、形状、透明度、纹理等视觉特征进行分析；例如，Yuan等提出积累运动模型并利用积分图快速估计烟雾运动方向的方法检测烟雾。Chen等依据颜色和形状的变化检测火灾烟雾。Phillips等依据视频烟雾形状不规则性和烟雾面积扩大的特性来检测火灾烟雾；Toreyin等提出一种基于轮廓和小波变换的烟雾探测方法。针对这一问题，Tian等分析了烟雾与背景的混合机制，构建了一套烟雾前景提取方法，可在一定程度上降低背景干扰，提高烟雾识别准确率。在烟雾纹理特征提取方面，相关的研究方法也比较多，其中，GLCM、LBP、Wavelet等方法应用最为广泛；Toreyin等采用纹理特征的方法来检测烟雾；Yu等基于GLCM分析烟雾纹理实现了一套火焰、烟雾实时检测系统；Tian等引入LBP提取烟雾纹理特征；Yuan等提出一种基于金字塔直方图序列烟雾检测方法；不过，烟雾的颜色特征、纹理特征等比较分散，变化范围大，实际应用中存在较多误检，有些方法在森林火灾烟雾检测中优势不明显。且特征研究局限于颜色、轮廓、运动等静态低层特征，不足以将烟雾与一些疑似烟雾对象区分，如：云、雾等，对于高层特征、时空特征研究较少；森林火灾烟雾在不同环境下呈现出多样的状态，烟雾视觉特征提取烟雾检测的难点，如何构建稳定、高效的特征提取算法，融合视频中静态与动态信息，成为降低烟雾误检的关键。

发明内容

本发明的目的是为了提供一种基于总有界变分的森林火灾烟雾图像检测方法，避免了繁琐计算带来的误差，输出结果精确稳定，检测效果好。

为解决以上技术问题，本发明的技术方案为：一种基于总有界变分的森林火灾烟雾图像检测方法，其步骤包括：

步骤1：输入视频序列中的图像；

步骤2：提取图像中森林火灾疑似烟雾区域，具体为：

步骤2.1：将图像分块，形成N个图像块，利用总有界变分方法计算各图像块的TBV值；

步骤2.2：根据各图像块的TBV值求图像的总体均值和总体方差σ²，若则返回步骤1进行下一帧图像的处理；若则以图像的总体均值作为初始划分基准，各图像块的TBV值与初始划分基准进行比较，确定图像中各图像块所属的类别，将TBV不超过总体均值的图像块归类于疑似火灾烟雾块；

步骤2.3：对疑似火灾烟雾块融合聚类构成特征数据并提取最终的疑似烟雾区域；

步骤3：采用帧间差分法对疑似烟雾区域进行烟雾运动特征分析，若疑似烟雾区域运动，则判定为火灾烟雾图像，给出火灾报警；若疑似烟雾区域不运动，则返回视频输入进行下一图像的处理流程。