火焰圖像特征在火災(zāi)數(shù)字圖像識別中的運(yùn)

1、文章編號:1002-6886(2008 05-0060-03火焰圖像特征在火災(zāi)數(shù)字圖像識別中的運(yùn)用王沁(西安工業(yè)大學(xué)機(jī)電工程學(xué)院, 陜西西安710032作者簡介:王沁(1981- , 男, 西安工業(yè)大學(xué)碩士研究生, 研究方向?yàn)闄C(jī)電一體化。收稿日期:2008-4-7摘要:火焰尖角數(shù)目和圓形度是早期火災(zāi)火焰的主要特征, 本文主要論述了如何在數(shù)學(xué)形態(tài)學(xué)基礎(chǔ)上, 利用火災(zāi)火焰的兩個(gè)特點(diǎn)判斷和識別早期火情。實(shí)驗(yàn)中, 對火焰的二值圖像進(jìn)行開運(yùn)算, 即先腐蝕, 再膨脹, 目的是為了對火焰圖像進(jìn)行形態(tài)學(xué)濾波, 去噪。從實(shí)驗(yàn)結(jié)果可以看出, 該算法可以很好的識別火焰和干擾源。關(guān)鍵詞:數(shù)學(xué)形態(tài)學(xué)腐蝕膨脹開運(yùn)算火焰尖

2、角中圖分類號:TN911文獻(xiàn)標(biāo)識碼:AThe Use of Fire Im ages E arlier FireAbstract :t of early fire. Processing has been done to t he collected earlier fire im 2age by mat In he experiment , opening arit hmetic ways has been used in t he fire images which is erosion first and dilation second. By t his way we can elim

3、inate t he most of noises effectively. From t he result of t he experiment , it is proved t hat mathematics morp hology can help us identify fire and disturbs.K eyw ords :mat hematics morphology ,erosion ,dilation ,opening arit hmetic way , fire s sharp0前言圖像的特征提取是對圖像進(jìn)行模式識別的必要前提。通過圖像處理算法, 提取火災(zāi)圖像中目標(biāo)區(qū)域

4、的特征, 并將這些特征進(jìn)行有機(jī)的結(jié)合, 進(jìn)而達(dá)到判別火災(zāi)的目的。如果要建立一個(gè)識別不同種類對象的系統(tǒng), 首先必須確定應(yīng)測量對象的某些特征以產(chǎn)生描述參數(shù)。被度量的這些特殊的屬性稱為對象的特征, 而所得的參數(shù)值就組成了每個(gè)對象的特征向量。數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成的1。最基本的形態(tài)學(xué)運(yùn)算子有:腐蝕(Erosion 、膨脹(Dilation 、開(Opening 和閉(Closing 。用這些算子及其組合來進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理, 包括圖像分割、特征抽取、邊界檢測、圖像濾波、圖像增強(qiáng)和恢復(fù)等方面的工作。1特征提取的原則幾乎沒有解析方法能夠指導(dǎo)特征的選取2。很多情況下憑知覺的引導(dǎo)

5、列出一些可能有用的特征表, 然后用特征排序方法計(jì)算不同的特征的相對效率。利用其結(jié)果對其進(jìn)行篩選, 從而選出若干較好的特征。良好的特征應(yīng)具有4個(gè)特點(diǎn):1 可區(qū)別性:對于屬于不同類別的對象來說, 它們的特征應(yīng)具有明顯的差異。2 可覆性:對同類的對象, 其特征值應(yīng)比較相近。3 獨(dú)立性:各特征之間應(yīng)彼此不相關(guān)。雖然相關(guān)性的特征可以組合起來以減少噪聲干擾, 它們一般不應(yīng)該作為單獨(dú)的特征使用。4 數(shù)量少:模式識別系統(tǒng)的復(fù)雜度隨系統(tǒng)的維數(shù)(特征的個(gè)數(shù) 迅速增長。2形態(tài)學(xué)開運(yùn)算膨脹和腐蝕對圖像的處理效果是相反的, 但兩種操作并不具有互逆性。開運(yùn)算正是根據(jù)腐蝕和膨脹的不可逆性演變而來的3?；叶葓D像開運(yùn)算的表達(dá)式

6、與二值圖像相比具有相同的形式。結(jié)構(gòu)元素b 對圖像f 作開運(yùn)算處理, 可定義為f ob , 即:f ob =(f b b(1 如果是二值圖像的情況, 開運(yùn)算是b 對f 的簡單的腐蝕操作, 接下來對腐蝕的結(jié)果再進(jìn)行膨脹操作。在實(shí)際運(yùn)用中, 開運(yùn)算處理常用于去除較小的亮點(diǎn)(相對結(jié)構(gòu)元素而言 , 同時(shí)保留所有的灰度和較大的亮區(qū)特征不變。腐蝕操作去除較小的亮的細(xì)節(jié), 同時(shí)使圖像變暗。如果再施以膨脹處理將增加圖像的亮度, 而不再引入 已經(jīng)去除的部分。06現(xiàn)代機(jī)械2008年第5期 本實(shí)驗(yàn)在對二值圖像進(jìn)行形態(tài)學(xué)濾波, 去掉噪聲時(shí)采用的算法是開運(yùn)算, 即先腐蝕, 再膨脹。其原理示意圖如圖1所示?？梢钥吹皆谕菇屈c(diǎn)

7、周圍, 圖像的集合結(jié)構(gòu)無法容納給定結(jié)構(gòu)元素, 從而凸角點(diǎn)被開運(yùn)算刪除。原圖經(jīng)過開運(yùn)算之后, 能夠去除孤立的小點(diǎn)、毛刺和小橋, 消除小物體、平滑較大物體的邊界, 同時(shí)并不明顯改變其面積。3火災(zāi)火焰特征的提取3. 1火焰尖角的識別不穩(wěn)定火焰本身有很多尖角, 火焰邊緣抖動一個(gè)明顯表現(xiàn)是:火焰的尖角數(shù)目呈現(xiàn)無規(guī)則的跳動。因此, 本文采用了基于“邊緣抖動”的火災(zāi)判據(jù)尖角判據(jù)。對于火焰尖角來說, 點(diǎn)是局部的極值點(diǎn)。, 為特征點(diǎn)?！? 長, 這要求尖角的體態(tài)要符合一定的標(biāo)準(zhǔn)。尖角左右兩邊的夾角應(yīng)該滿足一定的條件。在計(jì)算機(jī)中尖角是由一個(gè)個(gè)的點(diǎn)組成的, 令尖角中某一行的亮點(diǎn)數(shù)為f (n , 上一行的亮點(diǎn)數(shù)記為f

8、 (n -1 , 要求尖角狹長可以通過控制:f (n /f (n -1的值來實(shí)現(xiàn)。圖2為紙張燃燒火焰和蠟燭火焰體態(tài)比的 識別示意圖。從圖中可以看出, 紙張燃燒時(shí)的尖角數(shù)目較多, 如果對連續(xù)幀采集的圖像分析, 其尖角數(shù)目也在呈現(xiàn)不規(guī)則的變化, 說明了火焰的抖動性。而蠟燭火焰的f (n /f (n -1 的值, 通過圖像就可以明顯看出是遠(yuǎn)大于火焰尖角比值的。因此, 對尖角的寬度和高度也有限制。尖角的高度應(yīng)該有一個(gè)下限。CCD 在監(jiān)測時(shí)往往因?yàn)檫@樣那樣的原因使圖像發(fā)生微小的變動, 隨機(jī)的產(chǎn)生一些小突起, 高度一般在三個(gè)像素點(diǎn)以下, 這些干擾都應(yīng)消除掉。3. 2火焰圓形度計(jì)算根據(jù)火災(zāi)火焰形狀不規(guī)整和大

9、部分干擾源(如手電筒, 白熾燈等 的形狀規(guī)整程度較高的特點(diǎn), 將圓形度概念作為火災(zāi)判據(jù)之一。圓形度表征了物體形狀的復(fù)雜程度, 其計(jì)算公式為:圓形度=周長2/(面積×4 (2 周長為物體的邊界長度, 可從邊界鏈碼中得到。垂直的和水平的步幅為單位長度, 對角步幅的長度為, 兩個(gè)直角步還原成一個(gè)對角度, 其步幅也是。按上述規(guī)則遍歷邊界鏈碼, 即可算出邊界長度。面積通過統(tǒng)計(jì)亮點(diǎn)數(shù)獲得。圓形度對圓形物體取最小值4, 物體形狀越復(fù)雜其值越大。表1火災(zāi)火焰及其他干擾情況下的尖角數(shù)目統(tǒng)計(jì)序列圖像編號第1幀圖像第2幀圖像第3幀圖像第4幀圖像第5幀圖像第6幀圖像紙張火焰353443手電筒111211蠟燭

10、111111白熾燈111211在實(shí)驗(yàn)中, 分別對紙張燃燒時(shí)的火焰、手電筒、蠟燭和白熾燈采集的連續(xù)6, 其結(jié)果比較如表1。, , , 尖角6幀圖像從圖中, 所以尖角數(shù)目相對日光燈、蠟燭等干擾物體向著攝像機(jī)方向移動, 其尖角數(shù)目基本不變。原因是干擾源在形狀上基本不發(fā)生變化, 也沒有像火焰一樣的抖動特性, 圖像相對穩(wěn)定, 從而尖角數(shù)目的判斷比較迅速和簡單。表2火災(zāi)火焰及其他干擾情況下的圓形度統(tǒng)計(jì)序列圖像編號第1幀圖像第2幀圖像第3幀圖像第4幀圖像第5幀圖像第6幀圖像紙張火焰12. 02211. 54411. 1469. 7139. 71311. 226手電筒27. 54739. 650140. 76

11、438. 93338. 37645. 302蠟燭3. 3433. 5823. 9813. 6623. 3443. 503白熾燈9. 7138. 9969. 3958. 3608. 5998. 280從表2可以看出, 火焰的圓形度和其他發(fā)光干擾源都具有相對比較統(tǒng)一的值, 但其他干擾源的圓形度與火焰的圓形度差別較大。另外值得說明的是, 該實(shí)驗(yàn)中統(tǒng)計(jì)的紙張火焰的圓形度并不表示在任何情況下, 紙張的圓形度都是統(tǒng)一的值, 這是因?yàn)閳A形度也會隨著時(shí)間和火勢的發(fā)展而相對變化的, 只能是在有限的時(shí)間內(nèi)采集的連續(xù)圖像, 才能表現(xiàn)為相對穩(wěn)定的圓形度值來。而其他干擾源的圓形則不會呈現(xiàn)這個(gè)規(guī)律。表3連續(xù)6幀圖像的識別

12、結(jié)果實(shí)驗(yàn)材料紙張蠟燭手電筒白熾燈是否報(bào)警是否否否是否會誤報(bào)否否否否從表3給出了四種燃燒物質(zhì)的圖像識別結(jié)果, 從中可以看出, 采用的算法是比較成功的, 可以將蠟燭或者手電筒晃動并向前移動的復(fù)雜情況識別出來, 表明了系統(tǒng)有很高的準(zhǔn)確性和可靠性。4結(jié)論圖像型火災(zāi)探測技術(shù)在火災(zāi)的檢測方面比傳統(tǒng)的火災(zāi)檢測方式具備更多的優(yōu)點(diǎn)425。首先比傳統(tǒng)的檢測方式更早的發(fā)現(xiàn)火情, 其次能更好的在各種復(fù)雜的環(huán)境中工作?；馂?zāi)火焰有其自身的圖像特征, 主要是火焰面積變化、邊緣變化、閃動頻率、分層變化、整體移動等, 通過對這(下轉(zhuǎn)第64頁16計(jì)算機(jī)應(yīng)用 自動檢測的重要工具。小波變換是由短時(shí)傅立葉變換發(fā)展起來的應(yīng)用數(shù)學(xué)分支,

13、具有多尺度(multrscale 的特點(diǎn)以及在時(shí)、頻兩域表征信號局部特征的能力, 非常適合檢測信號的奇異點(diǎn), 所以應(yīng)用于疵點(diǎn)的檢測其優(yōu)點(diǎn)是明顯的。相對于傅立葉變換, 采用小波變換能夠更加精確地分析信號中的信息, 所以近期在對疵點(diǎn)自動檢測的研究中以小波變換為主, 并且是今后的發(fā)展方向, 其應(yīng)用將會更加廣泛。其中神經(jīng)網(wǎng)絡(luò)在基于樣本的自適應(yīng)學(xué)習(xí)和故障模式快速分類方面具有非凡的優(yōu)勢, 在有實(shí)時(shí)性要求的監(jiān)控場合更有應(yīng)用價(jià)值, 這也決定了神經(jīng)網(wǎng)絡(luò)在織物疵點(diǎn)自動檢測和識別系統(tǒng)中的重要地位。4國際上已經(jīng)推向市場的織物疵點(diǎn)檢測系統(tǒng)果, 愛微絲(EVS -BARCO (Uster 公司的Fabriscan 自動驗(yàn)

14、布系統(tǒng)。4. 1EVS 公司的I -TEX 系列驗(yàn)布系統(tǒng)I -TEX2000驗(yàn)布系統(tǒng)具有較快的速度和較高的檢測精確度, 其每套裝置的12臺攝像機(jī)和4組光源從4個(gè)檢驗(yàn)角度進(jìn)行監(jiān)控, 最快能每分鐘檢測300m 的織物, 最大檢測寬度可達(dá)6m 。在幅寬為3. 3m 時(shí), 該系統(tǒng)能以100m/min 的速度檢測出小至0. 5mm 的疵點(diǎn)。該系統(tǒng)主要軟件使用了一種模擬人的視覺的系統(tǒng), 能學(xué)習(xí)正?？椢锏膱D案紋理, 并能通過多重檢驗(yàn)算法來區(qū)分織物的正常變化與真正的疵點(diǎn), 一旦疵點(diǎn)被發(fā)現(xiàn), 其位置與尺寸將被記錄。4. 2Barco 公司的Cyclop s 在線自動檢驗(yàn)系統(tǒng)與EVS 不同的是,Barco 公司的

15、Cyclop s 在線自動檢驗(yàn)系統(tǒng)的掃描頭可以安裝在正在織造的機(jī)器上, 而EVS 等的掃描頭則是被安裝在卷布機(jī)上或安裝在后整理設(shè)備上。因而一旦在織造過程中發(fā)現(xiàn)嚴(yán)重的疵點(diǎn),Cyclop s 系統(tǒng)能通過自動停機(jī)防止和減少壞布的產(chǎn)生。4. 3烏斯特(Uster 公司的Fabriscan 系統(tǒng)Uster 公司的Fabriscan 系統(tǒng)在寬度方向裝有228只特制高分辨率線掃描CCD 攝像機(jī), 檢測速度最高達(dá)120m/min , 最高分辨率達(dá)0. 3mm , 檢測幅度在1. 1m 4. 4m 。Fabriscan 能檢驗(yàn)坯布、染色布、勞動布甚至玻璃纖維織物。Fabriscan 的獨(dú)特之處還在于它將疵點(diǎn)在一

16、種被稱作Uster Fabriclass 的矩陣中進(jìn)行分析。Fabriclass 有兩條坐標(biāo)軸, y 軸是疵點(diǎn)特征的對照, 而x 軸則是疵點(diǎn)尺寸的反應(yīng)。有關(guān)疵點(diǎn)的數(shù)據(jù)將同樣被保存在數(shù)據(jù)庫中, 便于操作者建立所需的各種報(bào)告。5國內(nèi)的研究現(xiàn)狀及前景在我國, 織物疵點(diǎn)自動檢測方面的研究起步較晚, 研究的內(nèi)容主要是疵點(diǎn)的識別算法研究、特征值的提取算法研究, 其中包括空間域的灰度共生矩陣、頻率域的小波變換等算法; BP 神經(jīng)網(wǎng)絡(luò)法。但這并不意味著我們可, 研究并開發(fā)適合我國紡織工業(yè)的疵點(diǎn)自動檢測系統(tǒng), 對提高紡織品的質(zhì)量、增強(qiáng)出口競爭力, 都具重要的意義。參考文獻(xiàn)1李立輕, 黃秀寶. 圖像處理用于織物疵

17、點(diǎn)自動檢測的研究進(jìn)展J.東華大學(xué)學(xué)報(bào)(自然科學(xué)版 ,2002,4:652692劉貴忠, 邸雙亮. 小波分析及其應(yīng)用. 西安:西安電子科技大學(xué)出版社,2002:172903李弼程, 羅建書編著. 小波分析及其應(yīng)用. 北京:電子工業(yè)出版社, 20034Sar Sardy , Lamyarni Ibrahim , Y oshizumi Yasuda. An Application of Vision System for t he Identification and Defect Detection on Woven Fabrics by Using Artificial Neural Netwo

18、rk. Proceedines of 1993International Ioint Conference on Neural Networks , 1999, 3:2141221445Y F Zhang , R R Bresee. Fabric Defect Detection and Classification Using Image Analysis Textile Research Journal. 2000, 65(1 :1296F S Cohen , Z Fan , S Attali. Automated Inspection of Textile U 2sing Textural Models. IEEE Transactions on Pattern Analysis and Machine Intelligence , 2001, 13(8 :80328087M C Hu ,I S Tsai. The Inspection of Fabric Defect s by Using Wave 2let Transform. Journal of Textile Institute , 2003, 91(3 :42024338Chi 2ho Chan , Grant ham K. H Pang. Fabric Defect D