我的文獻綜述

1、燕山大學(xué)本科畢業(yè)設(shè)計（論文）文獻綜述課題名稱：基于視頻的香煙煙霧的圖像特性分析的研究學(xué)院（系）電氣工程學(xué)院年級專業(yè)：08級精密儀器及機械2班學(xué)生姓名：王曉婧指導(dǎo)教師：胡春海教授完成日期：2012年3月20日一、國內(nèi)外現(xiàn)狀本課題是香煙煙霧的分析研究，而國內(nèi)外多是火災(zāi)煙霧的研究，關(guān)于香 煙煙霧各種特性的分析鮮有報道。但是，其研究方法是相同。鑒于此，下面 對國內(nèi)外基于視頻的火災(zāi)煙霧的研究動態(tài)做一個簡單的介紹。國內(nèi)外很多公司、科研機構(gòu)和大學(xué)院校都對圖像型火災(zāi)煙霧探測技術(shù)進 行過大量的研究。但是，目前尚處于初級階段。B Ugur Toreyin等人提出 了基于小波的視頻煙霧的檢測技術(shù)，該方法假設(shè)攝像機靜

2、止不動，煙霧出現(xiàn) 使背景景物邊緣模糊，在小波域上表現(xiàn)為高頻能量降低，該算法的缺點是煙 霧檢測的前提條件是背景圖像中必須有較強的邊緣和紋理成分，從而限制了 該算法的應(yīng)用范圍。天津大學(xué)的翟文鵬等人提出了多判據(jù)結(jié)合的視頻煙霧 探測方法。利用塊匹配方法對背景建模，進而得到可疑運動圖元；然后分析 可疑煙霧圖元是否符合火災(zāi)煙霧的三個重要特征，進而判斷是否有火災(zāi)煙霧 發(fā)生。該算法有較強的抗干擾性，明顯地提高了煙霧檢測的準(zhǔn)確率。其不足 之處在于，計算量大，過程復(fù)雜，不好理解。雖然現(xiàn)今的視頻煙霧探測技術(shù)已經(jīng)達到了應(yīng)用的水平，但對圖像型煙霧 的研究任然比較有限，而且現(xiàn)有探測系統(tǒng)還存在誤報率高的問題，有待提出 更多

3、更好的探測算法以及算法的實現(xiàn)方法。二、主要研究成果視頻圖像的煙霧識別的分析研究，基于煙霧不同的特性，有不同的識別 方法。下面對幾種常見的研究方法做一個簡單介紹。華北電力大學(xué)的李寶儒等人的方法是，首先結(jié)合煙霧圖像的顏色特征， 在HSI顏色模型中實現(xiàn)基于顏色聚類的煙霧圖像分割；然后利用圖像的預(yù)處 理技術(shù)分析煙霧圖像以及干擾圖像的特征，并提出將煙霧輪廓的圓形度作為 煙霧識別判據(jù)。實驗測試結(jié)果表明，該方法對眼在言無圖像的石壁準(zhǔn)確率達 到90%。西安交通大學(xué)的鄭璐等人提出的運動分割檢測是通過做幀間差分 得到運動的幀差圖像，從而在這些運動物體中找候選的疑似煙霧區(qū)域，把靜 止的區(qū)域都排除，只保留運動的像素在

4、圖中。在通過顏色模型分析，將與煙 霧有相同運動特性的干擾信息剔除掉。此算法有一定的抗干擾能力。西安鐵 路職業(yè)技術(shù)學(xué)院的馬玲和天津大學(xué)的吳愛國提出了一種基于混合高斯模 型及小波分析的煙霧特征提取分析的算法。利用混合高斯模型對背景建模， 對給定圖像分離前景和背景。然后根據(jù)煙霧的半透明性和邊界閃爍的特征， 采取小波分析、顏色飽和度分析以及閃爍頻率分析的方法，提取出煙霧區(qū)。 從理論分析和探測試驗結(jié)果證明該方法是具有一定的應(yīng)用價值的。中科院合 肥智能機械研究所的任厚平等人和中國科技大學(xué)火災(zāi)科學(xué)重點實驗室的張 永明等人8一起提出了一種利用煙霧紋理的特征進行識別的提取方法。該方 法利用混合高斯模型從靜止的背

5、景環(huán)境中對運動的煙霧目標(biāo)進行前景提取， 然后再用共現(xiàn)矩陣法提取煙霧紋理特征，去得了較好的試驗效果。但是混個 高斯模型不能區(qū)分運動的干擾圖像信息，所以目前只能對靜止背景中的目標(biāo) 圖像進行分割。三、存在問題現(xiàn)今的視覺識別技術(shù)雖然已經(jīng)達到了應(yīng)用的水平，但是任然存在著很多 問題。（一）是針對運動檢測的問題。復(fù)雜背景的變化，如光照、不同天氣、 樹枝云層遮擋等，如何魯棒的檢測；（二）是針對目標(biāo)識別的問題。對多主體 行為的識別以及運動單元的識別與描述，怎樣進行快速、高效的識別；（三） 是多攝像機的跟蹤問題。另外，現(xiàn)今對于香煙煙霧的圖像特想的研究，缺乏 統(tǒng)一的評價標(biāo)準(zhǔn)；缺乏先驗知識；計算量較大等問題。四、前景

6、展望視覺識別技術(shù)未來的發(fā)展大致體現(xiàn)在以下幾個方面。（一）向著高速、高分辨率、立體化、多媒體、智能化和標(biāo)準(zhǔn)化方向發(fā)展。 具體表現(xiàn)：（1）提高硬件速度。這不僅僅要提高計算機的速度，而且A/D和 D/A的速度要實時化；（2）提高分辨率。主要是提高采集分辨率和顯示分辨 率；（3）立體化。圖像是二維信息，信息量更大的三維圖像將隨意計算圖形 學(xué)及虛擬現(xiàn)實技術(shù)的發(fā)展將得到廣泛應(yīng)用。（4）智能化。力爭使計算機識別 和理解能夠按照人的認(rèn)識和思維方式工作，能夠考慮到主觀概率和非邏輯思 維。（5）標(biāo)準(zhǔn)化。從整體上看，視覺識別技術(shù)目前還沒有統(tǒng)一的國際標(biāo)準(zhǔn)。（二）圖像和圖形相結(jié)合，朝著三維成像或多維成像的方向發(fā)展。（三

7、）新理論和新算法的研究。近年來引入了一些新的理論并提出了一些 新的算法，不僅僅應(yīng)用于對異常行為的視頻監(jiān)控，而且還廣泛應(yīng)用于航空航 天、軍事偵察等領(lǐng)域。五、參考文獻Rafael C. Gonzalez等著.阮秋琦等譯.岡薩雷斯數(shù)字圖像處理.電子工業(yè) 出版社.2003.Rafael C. Gonzalez等著.阮秋琦等譯.岡薩雷斯數(shù)字圖像處理(MATLAB版).電子工業(yè)出版社.2005.練秋生.李黨.融合多種特征的言無圖像檢測算法.光學(xué)技 術(shù).2009,35(4):523-531.翟文鵬.吳愛國.杜春燕.基于煙霧顏色特征和運動特征分析的視頻煙霧探 S . Proceedings of the 29

8、th Chinese Control Conference. 2010,7:3052-3055.李寶儒.孫鳳杰范杰清.基于煙氣圖像識別的火災(zāi)探測方法.圖像圖像技術(shù)研究與應(yīng)用.2009:320-326.鄭璐.陳俊周.基于運動和顏色的視頻原物檢測算法.計算機工程與設(shè)計.2010,31(21):4650-4652.馬玲.吳愛國.基于混合高斯模型及小波分析的煙霧特征提取分析.煤炭技術(shù).2010,28(11):216-219.任厚平.張永明.張維農(nóng).袁非牛.余春雨.基于混合高斯模型定位的火災(zāi)煙霧紋理特征提取.微計算機信息.2005,21(11-1):83-86.鄧彬.劉輝.連國云.陳靜.基于視頻的煙霧檢

9、測.長沙大學(xué)學(xué)報.2007,21(5):87-89.黃志勇.孫光民.李芳.基于GRB視覺模型的交通標(biāo)志分割.微電子學(xué) 與計算機.2004,21(10):147-149.周平.姚慶杏.鐘取發(fā).朱振軍.毛可駿.基于視頻的早起煙霧檢測.光 電工程.2008,35(12):83-88.王欣剛.魏崢.劉東昌.鄭曉隆.基于煙霧動態(tài)特征分析的實時火災(zāi)監(jiān) 測.就算及技術(shù)與發(fā)展.2008,18(11):9-12.王濤.劉淵.謝振平.一種飄動性分析的視頻煙霧檢測新方法.電子與 信息學(xué)報.2011,33(5):1024-1029.李慶奇.馬莉.基于小波能量的輪廓抖動性煙霧檢測算法.杭州電子科 技大學(xué)學(xué)報.2011,

10、31(5):183-186.帥帥.周平.汪亞明.周維達.基于小波的實時煙霧檢測.計算及應(yīng)用研 究.2007,24(3):309-312.徐仕玲.趙敏.徐建波.野外早期活在識別方法研究.計算機技術(shù)與發(fā) 展.2008,18(6):214-216.朱明旱.羅大庸.曹倩霞.幀間差分與背景差分相融合的運動目標(biāo)檢測 算法.計算機測量與控制.2005.13(3):215-217.王小平.張麗杰.基于單高斯背景模型運動目標(biāo)檢測方法的改進.計算 機工程與應(yīng)用.2009.45(21):118-120.陳炳權(quán).劉宏立.孟凡斌.數(shù)字圖像處理技術(shù)的現(xiàn)狀及其發(fā)展方向.吉 首大學(xué)學(xué)報.2009.30(1):63-70.Shuenn-Jyi Wang*,Dah-Lih Jeng,Meng-Tsai Tsai,Early fire detection method in video for vessels ,The Journal of Systems and Software ,2009(82):656-667.Tr