基于分形的图像烟雾检测方法

基于分形的图像烟雾检测方法

ID:32343437

大小:3.85 MB

页数:53页

时间:2019-02-03

基于分形的图像烟雾检测方法_第1页
基于分形的图像烟雾检测方法_第2页
基于分形的图像烟雾检测方法_第3页
基于分形的图像烟雾检测方法_第4页
基于分形的图像烟雾检测方法_第5页
资源描述:

《基于分形的图像烟雾检测方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、摘要火灾探测技术是火灾科学领域研究的热点,已取得不错的研究成果。传统火灾探测技术在保护人们生命和财产安全方面起到了非常重要的作用,但在大空间、室外等场所暴露出种种的不足。为了解决这些场所的火灾探测问题,各种图像探测技术相继问世并得到了迅速发展。火焰与烟雾作为火灾发生时最显著的图像信息是火灾探测的重要视觉特征。烟雾往往在明火之前出现,是火灾最早期特征之一。烟雾的探测为火灾及早发现和扑灭赢得了极为宝贵的时间,是控制火灾迅速发展和减少不必要损失的一项重要措施。本文提取了烟雾的多种特征,包括图像的灰度信息、灰度共生矩阵、小波能量特征和分形特征等

2、。分形理论是现代数学与非线性科学研究中的一个重要分支,在图像处理中的应用更是越来越普遍。小波近年来在图像处理领域中得到广泛的应用。它具有良好的时频特性以及多尺度多分辩率特性,是研究精细结构的理想工具。为了提高烟雾图像块的识别准确率和减少误判率,研究传统特征与分形特征的融合方案。采用BP神经网络进行烟雾图像检测,分析比较各种特征融合方案的烟雾识别效果。最后,采用烟雾和非烟雾图像进行仿真实验,分析比较各种方案的识别率。实验结果证实,分形和小波特征在烟雾检测能取得较好的识别效果。关键词:烟雾检测分形特征特征融合BP神经网络AbstractFi

3、redetectiontechnologyisahotresearchtopicinfirescienceandgoodresearchresultsareobtained.Traditionalfiredetectiontechnologyplaysaveryimportantroleintheprotectionofpeople’Slivesandproperties。Butinlargespacesoroutdoors,ithasseveralshortcomings.Toovercomethesedisadvantagesoft

4、raditionalfiredetectors,imagebaseddetectiontechniqueshavebeenproposedanddevelopedrapidly.Flameandsmoke,whicharetwoobviousvisualcharacteristieswhenthefirebreaksout,areimportantfeaturesforfiredetection.Smoke,whichiSoneoftheearliestcharacteristicsinthefire,oftenappearsbefor

5、eflamedoes.Smokedetectiongainsmorevaluabletimeforearlyfiredetectionandsuppression,anditisanimportantmeasBreforcontrollingrapiddevelopmentoffiresandreducingunnecessarylosses·Inthispaper,avarietyofsmokefeaturesareextracted,includinggrayscalefeature,grayco-occurrencematrix,

6、waveletenergyandfractaldimensions,andSOon.FractaltheoryiSanimportantbranchofmodemmathematicsandnon—linearscience.Itismoreandmorecommonlyappliedinimageprocessing.Wavelettransformiswidelyappliedinimageprocesfing.Ithasgoodtime—frequencycharacteristics,aswellasmulti.scaleand

7、multi.resolutioncharacteristics,whichiSanidealtooltostudyfinestructures.Inordertoimprovedetectionratesandreducefalsepositiverates,differentcombinationschemeswhichfusetraditionalandfractalcharacteristicsareinvestigated。Athree.1ayerBPneuralnetworkiSusedforsmokedetection.Re

8、cognitionperformanceswiththesedifferentfusedfeaturevectorsareanalyzedandcompared.Finally,severalexperim

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。