王文豪,嚴云洋,胡榮林

(淮陰工學院計算機工程學院,江蘇淮安 223003)

0 前言

火災的準確探測與報警是消防安全的重要手段。傳統(tǒng)的火災報警系統(tǒng)一般是基于紅外傳感器和煙霧傳感器,也就是探測火災發(fā)生時生成的煙、溫度和光等參量,經(jīng)信號處理、比較、判斷后發(fā)出火災報警信號[1]。但在大空間、大面積、環(huán)境比較惡劣和室外環(huán)境等場所這些方法無法發(fā)揮其作用,常常發(fā)生誤報[2]。于是人們又提出了利用圖像處理技術(shù)進行火災的監(jiān)控和報警。

這種基于數(shù)字圖像處理的火災識別技術(shù)的難點就是火焰目標的提取和識別。文獻[3]提出了一種統(tǒng)計閾值和背景掩碼相結(jié)合的方法進行火焰區(qū)域提取,但由于依賴于固定背景,適應性較差。文獻[4]引入模糊邏輯模型進行火焰區(qū)域提取,該方法依據(jù)像素色彩值進行火焰像素的識別,沒有考慮到火焰區(qū)域的顏色分布特征,所提取的輪廓與物體實際的輪廓存在差別,影響了火焰識別的準確性。

本文在分析火焰特性的基礎(chǔ)上,提出了一種新的基于面積閾值和集合運算提取火焰目標的算法,并結(jié)合火焰色彩分布的特性進行火焰檢測。實驗表明:本方法能夠有效地檢測出圖像中是否含有火焰目標。

1 火焰的圖像特性

1.1 邊緣的變化

火焰的邊緣變化同其他的高溫物體和燈光及穩(wěn)定火焰的邊緣變化也有一定的區(qū)別,可以利用火焰邊緣的變化來進行火焰判別,火焰邊緣是抖動的,而其他高溫物體和燈光的邊緣是比較穩(wěn)定。可以利用邊緣檢測和邊緣搜索算法將火焰的邊緣提取出來,再根據(jù)邊緣的形狀、曲率等特性來判斷是否是為火焰,但因其運算量較大,無法滿足火災探測系統(tǒng)快速報警的要求。

1.2 火焰的色彩分布

任何火焰因其溫度的不均勻可以分為外焰,內(nèi)焰和焰心 3部分。外焰溫度最高,其次是內(nèi)焰,焰心溫度最低[5-6]。因而造成火焰圖像灰度級呈一定的分布規(guī)律,可以利用這個特性進行火焰判別,以區(qū)分出燈光及其他高溫物體。

2 火焰的檢測

2.1 物體輪廓的提取

物體輪廓的提取是目標檢測和識別的基礎(chǔ),以往的目標提取主要是基于邊緣檢測,如Robert算子、Sobel算子、Prewitt算子、Lapalace算子等。這類方法在提取物體輪廓邊緣時,二值化閾值很多情況下都是通過經(jīng)驗或人為制定的,不具有自適應性,且提取的目標輪廓噪聲干擾較嚴重[7],因此,常需要對圖像進行多次膨脹和腐蝕處理,為此,本文提出一種新的物體輪廓提取方法。其基本思想是先對圖像進行灰度化處理,然后用迭代的方法選取最佳閾值對圖像進行二值化處理,這樣在圖像中可以得到許多的連通區(qū)域,這些區(qū)域有的是物體部分,有的則是噪聲,再把每一個連通的區(qū)域看作是一個集合,對每一個集合進行具體分析,消除噪聲,得到物體的輪廓,算法過程如下。

步驟1:對圖像進行灰度化處理。

步驟 2:用迭代的方法求取最佳閾值。其基本方法是先選用一個近似的閥值分割圖像,從而獲得目標物體和背景兩類子圖像,然后分別對其進行積分并將結(jié)果取平均以求得新的閾值,再用此閾值分割圖像,如此反復迭代下去,直到收斂于某個穩(wěn)定的閾值時,便可以求得圖像的最佳閾值。下面是對上述文字的數(shù)學表達:

其中,N為圖像灰度級;hk是灰度值為k的像素個數(shù)。使用該閾值在圖像對比度比較大的情況下,可以較精確的分割圖像。

步驟 3:用該閾值對灰度圖像進行二值化處理,得到黑白圖像。

步驟4:掃描該黑白圖像,將該圖像中所有白色像素加入到以PixeList為頭節(jié)點的鏈表中。

步驟5:對PixeList鏈表中的像素進行分類,即產(chǎn)生每個連通區(qū)域所對應的集合(為每個連通區(qū)域建立一個鏈表Area,所有的連通區(qū)域構(gòu)成一張區(qū)域鏈表AreaList)。

在對鏈表中的像素進行區(qū)域分類時,按照從左向右和從上到下的順序掃描圖像,依據(jù)當前像素點可能出現(xiàn)的位置,需要考慮5種情況:(1)位于圖像上邊界的像素;(2)位于圖像下邊界的像素;(3)位于圖像左邊界的像素;(4)位于圖像右邊界的像素;(5)位于圖像中間位置的像素,需要分別處理。

(1)對于圖像上邊界的像素,除左邊第一個像素外,其余每個像素都要查看其左邊的像素是否在某一鏈表區(qū)域中,若在,則將當前像素加入到該區(qū)域中,并將該區(qū)域面積增加 1。否則新建一個鏈表區(qū)域,并置此區(qū)域面積為 1。

(2)對于圖像下邊界的像素,需要檢查其左邊、左上方和正上方的像素處理結(jié)果。為了簡化算法的設(shè)計,可以不處理該邊界的像素。

(3)對于圖像左邊界的像素,除左上角的像素外,其余每個像素都需要檢查其正上方和右上方的像素,如果其正上方或右上方的像素在某一鏈表區(qū)域中,則將當前像素加入到該區(qū)域中,并將該區(qū)域面積增加 1;否則新建一個鏈表區(qū)域,并置此區(qū)域面積為 1。

(4)對于圖像右邊界的像素,需要檢測其左邊、左上方和正上方的像素。如果其左邊、左上方或正上方的像素在某一鏈表區(qū)域中,則將當前像素加入到該區(qū)域中,并將該區(qū)域面積增加 1;否則新建一個鏈表區(qū)域,并置此區(qū)域面積為 1。

(5)對于圖像中間位置的像素,要考慮其左邊、左上方、正上方和右上方的像素處理結(jié)果[8],如圖1所示。

圖1 像素的位置關(guān)系

圖1中“●”代表當前像素,對其處理不能像(1)、(2)、(3)和(4)中處理的那樣簡單。因為當前像素的加入可能會導致原先兩個互不連通的區(qū)域變成連通。例如,若當前像素在PixeList鏈表中,且①∈Area1,④∈Area2,則當前像素的加入會使區(qū)域Area1中任一個像素都可以到達區(qū)域Area2中任一個像素,即Area1和Area2變?yōu)橐粋€連通區(qū)域Area12,即:Area12=Area2∪Area1={x∈Area1或x∈Area2},因此,必須合并這兩個區(qū)域。對于這一類像素的處理過程如下:

(a)先檢查像素①在某一連通區(qū)域內(nèi)Areai,如果在,則把當前像素加入到Areai中,并將Areai的區(qū)域面積增加1。然后再查看④是否在Areai中,如果在,則結(jié)束本次處理;否則還要查看像素④是否在另一連通區(qū)域Areaj中,如果在,則合并Areai和Areaj區(qū)域為Areaij,并置Areaij的區(qū)域面積為Areai與Areaj的區(qū)域面積之和。

(b)若像素①不在任一連通區(qū)域內(nèi),而像素②在某一連通區(qū)域Areai內(nèi),則把當前像素加入到Areai中,并將Areai的區(qū)域面積增加1,然后再檢查像素④是否在Areai,如果在,則結(jié)束本次處理。否則,還要檢查像素④是否在另一連通區(qū)域Areaj中,如果在,則合并Areai和Areaj區(qū)域為Areaij,并置Areaij的區(qū)域面積為Areai與Areaj的區(qū)域面積之和。

(c)若像素①,②都不在任一個連通區(qū)域內(nèi),則對其處理方法同圖像左邊界像素的處理方法。

(d)若像素①,②,③和④都不在任一個連通區(qū)域內(nèi),則新建一個鏈表區(qū)域,并置此區(qū)域的面積為 1。

步驟 6:經(jīng)過以上處理后,得到了一個以鏈表形式存儲的連通區(qū)域,并且已經(jīng)統(tǒng)計出了這些區(qū)域的面積,此時可以選取適當?shù)拿娣e值(從統(tǒng)計出的面積值中選取)作為閾值對圖像進行過濾,最終面積超過閾值的連通區(qū)域被完整的保留下來。然后再采用挖空法,便可以得到單像素且不交叉的連續(xù)輪廓。

2.2 火焰目標的檢測

通過以上步驟所得到物體輪廓,有的可能不是火焰物體,為了剔除一些干擾因素,可以采用以下一些經(jīng)驗性的規(guī)則加以判斷。

(1)統(tǒng)計區(qū)域灰度均值?；鹧嫒紵龝r發(fā)出的紅外光的波長集中于 950～2 000 nm,在影像中表現(xiàn)為高亮度,其灰度值一般在 200以上[1],一般漫反射物體很難達到火焰的亮度,所以可以利用這一特性來判斷剔除一些干擾區(qū)域。

(2)滿足上述特征的不一定是火焰,可能是一些固定光源和陽光。由于火焰色彩的分布不同于一般的發(fā)光物體的色彩分布,火焰顏色分布一般從外焰到焰心有從紅色向白色減少的趨勢。為此,提出如下檢測算法:

從輪廓的左上像素開始,取其連通區(qū)域內(nèi)的像素點 Ri,Gi,Bi的值,i=1,2,…N,連通方向為右下,如果右下無連通像素,則取下連通,每 3個像素求其紅色比重的平均值,組成數(shù)列,然后做一階差分運算,從邊緣像素開始,如果紅色比重的減少趨勢持續(xù)到一定的步數(shù)時(實驗時取為 12),說明有紅色向白色移動的趨勢[9]。可以認為這個物體是火焰。紅色比重計算公式如下:

3 試驗及分析

在研究過程中,使用VC++6.0模擬我們的方法,收集了包括明火圖片,自然風景,室內(nèi)燈光等共 80幅圖片進行試驗,得到的結(jié)果見表1。

表1 試驗結(jié)果

圖2是其中的一幅原圖像,首先把圖像轉(zhuǎn)化為灰度圖像,然后用閾值迭代的方法選取閾值,把灰度圖像轉(zhuǎn)化為二值圖像,處理結(jié)果如圖3所示,然后使用本文提取物體輪廓的算法,得到如圖4所示的物體輪廓,最后跟蹤已提取的輪廓,并結(jié)合火焰色彩分布的特征,進一步檢測是否含有火焰物體,檢測結(jié)果如圖5所示。圖7和圖8是分別使用 Robert算子和Lapalace算子提取的物體輪廓邊緣,其輪廓邊緣不連續(xù),邊緣有斷裂現(xiàn)象,邊緣定位不夠精確且物體輪廓較粗,噪聲干擾較嚴重,不利于后面根據(jù)火焰邊緣色彩分布特征進行火焰的檢測。通過比較可以很清楚地看出:本文提取物體輪廓的方法,不僅可以濾除噪聲,而且可以得到連續(xù)封閉的較細的物體輪廓,為后面進一步提取火焰的特征帶來很大的方便。

圖8是一幅風景圖像,其天空的顏色與火焰十分的相似。首先對其進行二值化處理,結(jié)果如圖9所示,很顯然,二值化后的圖像有很多連通區(qū)域,繼續(xù)使用本文算法提取的物體輪廓,結(jié)果如圖10所示,其外圍的區(qū)域不滿足火焰的特征,從而做出“沒有檢測到火焰”的判斷。測試的結(jié)果也證明了這一點,如圖11所示。

從試驗結(jié)果可以看出:本文提出的算法能夠有效地檢測出圖像中是否有火焰,并且很好地抑制了噪聲和干擾,但在復雜環(huán)境下,火焰的檢測率性能會有所下降,主要是由于火焰邊沿輪廓的外圍區(qū)域受到背景環(huán)境的影響,使得邊緣色彩分布不具有火焰的特征。

4 結(jié)束語

本文算法的最大優(yōu)點是能夠獲得連續(xù)不交叉的單像素物體輪廓,使得輪廓跟蹤變得十分容易,為后續(xù)的火焰和火災識別的研究提供了良好的條件。此外,只要噪聲面積沒有超過物體面積,還可實現(xiàn)完全去除噪聲。

[1] 范華忠,張伯虎,馮艷.圖像處理技術(shù)在火焰目標提取中的應用[J].電光與控制,2006,13(1):100-104.

[2] 崔凱,曹榆,馮杰平.圖像型火災探測技術(shù)淺議[J].消防技術(shù)與產(chǎn)品信息,2005(4):30-32.

[3] Cho B H,Bae JW,Jung SH.Image Processing-based Fire Detection System Using Statistic Color Model[C]//International Con ference on Advanced Language Processing and Web Information Technology.New York:IEEE,2008:245-250.

[4] Celik T,Seyin O H,Demirel H.Fire Pixel Classification Using Fuzzy Logic and Statistical Color Model[C]//ICASSP 2007.New York:IEEE,2007:1207-1208.

[5] 袁非牛,廖光煊,張永明,等.計算機視覺火災探測中的特征提取[J].中國科學技術(shù)大學學報,2006,36(1):39-43.

[6] Marbach G,Loepfem,Brupbacher T.An Images[J].Fire Safety Journal,2006,41(2):285-289.

[7] 汪國云,李濟順.基于輪廓的物體識別與定位方法[J].河南科技大學學報:自然科學版,2006,27(6):42-45.

[8] 嚴云洋,盛明超,楊靜宇.單像素寬度目標輪廓提取的實現(xiàn)[J].微計算機信息,2007,23(7):284-286.

[9] 羅云林,朱瑞平,王菁華.基于數(shù)字圖像處理的火警監(jiān)測系統(tǒng)研究[J].遼寧工程技術(shù)大學學報,2002,21(6):754-756.