基于分形的林火图像火焰分割方法研究.doc

基于分形的林火图像火焰分割方法研究［摘要］森林火灾具有突发性，随机性，同时具有危害的重大性 随着人们对火灾严重性认识的不断加深，如何能够在第一时间发现火灾的 发生，这对火情的控制显得尤为重要，同时，这也成为了一个迫切需要解 决的问题本文采用多重分形参数来描述火焰最后在mat lab仿真实验 中，利用多重分形成功地将森林火灾引起的火焰从整幅图像中分割出来， 取得了较好的效果［关键词火焰识别；多重分形谱；特征提取；分形特征森林燃烧是口然界中燃烧的一种现象但是失去人为控制的火烧，在 森林内El由蔓延并对森林生态系统和人类带来一定危害和损失，就成为森 林火灾一旦发生森林火灾，将会给人类的经济及人文建设造成巨大损失, 威胁人民的生命财产安全由于森林火灾的发牛具有突发性，随机性，造 成损失的巨大性，那么在火灾还处于萌芽状态就立即扑灭就显得尤为重 要然而传统的检测方法都由于种种原因存在不足，如，基于人工因素的 检测率过低，费用昂贵等止因如此，我们需要研究一种具有高效性，实 时性的森林火灾图像识别算法火灾发生时，我们需要根据不同阶段的不同特征采取不同的检测方 法传统的火灾图像探测技术还不成熟，只是根据火灾发生过程中各景物 的背景颜色不同来建立单颜色模型对火灾进行检测，但准确度偏低。

要想 在火灾预警准确率和时效性上有所突破，就必须要在火灾初期准确识别出 火焰与烟雾，才能做出准确的预报因此，本篇论文旨在研究一种新的森 林火灾的图像处理方法：基于分形的林火图像火焰分割算法研究一、分形的理论基础在自然界中，大多数图形为不规则的复杂的分形(Fractal) —词, 是1973年曼德勃罗(B. B. M andelbrot)由拉丁语Frangere 一词创 造而成的，其原意具有不规则、支离破碎等意义其曾又对分形定义如 下：分形就是局部和整体具有某种方式相似的形我们可以通过对分形特 性的描述来加以说明将分形的特点总结如下：分形都具有较精细的结构；分形是不规则的；分形都具有某种自相似 性；一般情况下，分形的“分形维数”都大于它的拓扑维数；分形在大多 数情形下都可以用非常简单的方式来迭代产生多重分形称为分形测度，它是对简单分形理论的更深入的研究，其弥 补了简单分形理论的不足实际测量中，仅用一个简单的图像分形来描述 目标图像中复杂的物体是远远不够的，因此，我们需要同时用两三个甚至 多个图像分形维数来描述目标图像，才能较完整的刻画图像的基本特征多重分形的基本性质一单调性：单调递减函数：广义维数D (q)和奇异性指数a (q)单调递增凸函数：质量指数t (q)对于奇异谱函数D (q)：在q〉0部分单调递增；在q〈0部分单调递减多重分形的基本性质二极限： 当时，奇异性指数a (q)以及广义维数D (q)有相同的极限；奇异 谱函数f (a )的极限显示了最大测度与最小测度的相对分布比例。

二、仿真实验分析图像边缘指的是在图像平血中灰度值发牛 •跳变的点连接所成的曲线 段图像的边缘包含了重耍信息，是图像的特征所在则找出图像的边缘 即为边缘检测实现边缘检测有很多不同的方法，也一直是图像处理中 的研究热点，人们期望找到一种抗噪强、定位准、不漏检、不误检的检 测算法［边缘的提取技术中比较成熟的要数线性滤波器，尤其是Laplace算了 最为有名除此之外，Canny算子，Sobel算子等都有一定的研究成果1. Laplace 算子拉普拉斯算子在n维欧几里得空间中是一个二阶微分算子，是梯度的 散度；如果将f定义为二阶可谓的实函数，则f的拉普拉斯算子定义为应用拉普拉斯算子提取边缘的形式可利用下式算式：Laplace算子属于二阶的微分算子，此类算子计算精度相对较高，但 缺点是对噪声过于敏感，在大量噪声存在时，边缘提取的效果不理想因 此，实际应用中，拉普拉斯算子的应用不是很常用2. Canny 算子Canny边缘检测方法是由John Canny在1986年首先提出的Canny 边缘检测基本原理为：图像边缘检测需要满足两个条件：有效地抑制噪声；尽量精确确定边 缘的位置类似于马尔边缘检测方法，同样属于先平滑后求导数的方法。

根据对 信噪比和定位乘积进行测度，最终得到最优化逼近算子Canny边缘检测算法：首先用高斯滤波器平滑图像；再用一阶偏导的 有限差分来计算梯度的幅值和方向；然后对梯度幅值进行极大值抑制；再 用双阈值算法检测和链接边缘；最后用高斯平滑函数3. Sobel 算子Sobel算子是主要用于边缘检测的图像处理算子这种离散性差分算 子可以用来运算图像亮度函数的梯度之近似值对于图像上任一点使用此 算子，都会产生对应的梯度矢量或者法矢量Sobel算子有两种，一种是水平边沿的检测；另一种是垂克平边沿的 检测索贝尔算子是滤波算子的形式，可以应用快速卷积函数来提取边缘, 因简单有效所以应用广泛但sobel算子同样有不足，如sobel算子无法 将图像的主题与背景严格区分开来，即它没有严格地模拟人的视觉生理特 征，因此它提取的图像并不能令人满意4. 与传统算子火焰分割的比较分析Laplace算子作为二阶微分算子，它对灰度突变敏感，定位精度较高, 但同时对噪声敏感，并且不能获得边缘方向等信息如果利用Canny算子对森林火灾火焰图像进行分割提取，则草地和森 林可以很好地保留下来，而火焰的信息基本被忽略掉了而用Sobel算子同之前的两种算子相比较，发现被保留下来的草地森 林等信息更少，火焰信息量几乎全被忽略了。

由此得出结论，应用传统的检测算子一般无法分割出火焰，无法达到早期预警的效果将基丁•多重分形谱特征提取的图像跟传统的算子所提取 的图像相比较，我们可以发现利用多重分形谱特征提取的图像能够更好的 保留火焰图像的信息量，其效果比传统的算子好很多三、结束语当前，我们的分形技术已经在一定程度上获得受人瞩目的研究成果与 实用价值但仍旧存在一些不足需要进一步研究与改进：首先，基于某些 客观因索，为本论文的研究所建立的图像数据库的资料还不够丰富与多元 化，这会造成一定程度上的研究不全面，在今后的实际应用中，应该尽可 能的补充各类森林火灾的图像，来提高此算法的识别准确率再有，虽然 基丁多重分形谱的分割算法可以较好地达到分割的目标，但此方法实施起 来过于复杂化，实验仿真过于繁琐，时间长因此,怎样对这一方法进行 优化是我下一步主要研究的内容口（编辑/李舶）。