柯斌　戴楊

摘要：無人機遙感圖像的煙霧識別系統(tǒng)是一種明顯優(yōu)于傳統(tǒng)森林防火方法的新型技術(shù)手段，但是常見的煙霧識別算法的準確率往往不高而且還存在一定比例的誤判率。文章提出一種新的煙霧識別混合算法，通過二值化處理、RGB顏色模型、多特征融合的綜合處理，以期望提高煙霧識別準確率和降低誤判率。

關(guān)鍵詞：無人機；煙霧識別；森林防火

中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2018）08-0154-03

林火的監(jiān)測和識別技術(shù)是森林火災(zāi)預(yù)警和救治的關(guān)鍵技術(shù)，是森林防火領(lǐng)域中值得研究的重要課題之一。傳統(tǒng)的森林防火手段有地面巡視、塔臺瞭望、衛(wèi)星遙感、飛機巡視等四種方法：地面巡視，依靠人工在地面巡邏探測林火點，耗時耗人工，且效率較低；塔臺瞭望，依靠護林員等在塔臺上瞭望偵察的古老方式探測林火點，偵察范圍有限且耗人工；衛(wèi)星遙感，依靠地球衛(wèi)星的遙感圖像等信息探測分析出森林區(qū)域的林火點，費用昂貴，且因為衛(wèi)星遙感圖像尺度較宏觀，并不能及時發(fā)現(xiàn)和精準定位林火點，容易漏報、延誤火情；飛機巡視，聘請專業(yè)飛行員駕駛的直升機或小型飛機進行飛行偵察，費用較高，不適合日常高頻率飛行偵察。

一般而言，巡視監(jiān)測的對象有火焰和煙霧兩個基本對象，因為在林火早期并不容易監(jiān)測到大量的火焰，煙霧卻是森林火災(zāi)早期最顯著的視覺現(xiàn)象，“先有煙，后有火”，所以監(jiān)測煙霧能最早發(fā)現(xiàn)林火的可能性，更具有研究價值。近年來隨著無人機技術(shù)的發(fā)展和成熟，通過無人機遙感圖像進行自動煙霧識別成為森林防火的新型技術(shù)手段，其優(yōu)點在于費用低、效率高，自動識別林火前期的煙霧特征并進行預(yù)警處理。文章從無人機遙感圖像系統(tǒng)的設(shè)計、常見圖像識別算法、煙霧識別混合算法優(yōu)化共三個方面進行論述，以實現(xiàn)無人機煙霧識別系統(tǒng)在森林防火中的應(yīng)用。

1無人機遙感圖像系統(tǒng)的設(shè)計

圖像識別技術(shù)的應(yīng)用前提是必須有圖像數(shù)據(jù)，無人機遙感圖像即航拍視頻圖像序列可以提供圖像來源。無人機遙感圖像系統(tǒng)的設(shè)計主要有以下兩個方面：

1.1硬件系統(tǒng)

無人機遙感圖像硬件系統(tǒng)有以下四個模塊組成：

1.1.1無人機模塊

負責整個系統(tǒng)的飛行，機種主要有固定翼和多旋翼兩種，由于固定翼無人機轉(zhuǎn)彎半徑大、起飛降落跑道要求高、飛行高度較高，而多旋翼無人機具有飛行靈活、場地適應(yīng)性高、低空飛行、具有多種飛行模式，可實現(xiàn)路徑規(guī)劃自動飛行等優(yōu)點，所以多旋翼是最佳選擇。

1.1.2視頻采集模塊

負責視頻的采集，主要有三軸云臺和攝影機，三軸云臺可以在無人機飛行時控制和維持攝影機的姿態(tài)，保證攝影構(gòu)圖的穩(wěn)定。為實現(xiàn)煙霧點的精準定位，一般采用保持攝影機90度垂直地面的構(gòu)圖，結(jié)合無人機的GPS和羅盤信號，很容易實現(xiàn)精準定位：如圖2所示，是比較理想的正確構(gòu)圖，煙霧和背景很好識別；圖1則是不正確的構(gòu)圖，因為煙霧與天空部分的顏色特征很接近，煙霧識別算法很容易誤判。

1.1.3無線傳輸模塊

負責將采集到的視頻和飛行數(shù)據(jù)實時地傳送到地面站，以便對數(shù)據(jù)進行存儲和分析。900MHZ數(shù)傳負責飛行數(shù)據(jù)和GPS信息等的無線傳輸，最終用于預(yù)警時的林火點定位；2.5GHZ圖傳負責遙感視頻的無線傳輸，最終用于地面站煙霧識別分析。

1.1.4地面站模塊

負責將接收到的遙感視頻和飛行數(shù)據(jù)存儲起來，并通過煙霧識別算法對視頻圖像序列中的煙霧特征進行實時分析識別，最終實現(xiàn)煙區(qū)自動預(yù)警和定位。

1.2路徑規(guī)劃

無人機的自動飛行路線由路徑規(guī)劃來實現(xiàn)，路徑規(guī)劃主要有三個原則：

1.2.1安全原則

無人機的自動飛行主要由GPS、羅盤、飛控進行導航和控制，飛行系統(tǒng)目前并沒有先進的障礙物識別和躲避功能，所以航點的設(shè)定并不能完全在軟件中完成，一定要去現(xiàn)場勘察試飛，科學規(guī)劃航點，保證航點之間沒有障礙物。

1.2.2遍歷原則

無人機的路徑規(guī)劃一定要保證林區(qū)的所有區(qū)域都在攝影范圍之內(nèi)，不能漏掉某個區(qū)域，否則不能保證100%林區(qū)的監(jiān)測。遍歷原則的實現(xiàn)與GPS的精度有很大關(guān)系，精度越高越容易實現(xiàn)精準的路徑規(guī)劃和較低的拍攝區(qū)域重疊率。

1.2.3節(jié)省原則

無人機的電池等動力能源在每次的飛行中是固定有限的，所以如何在有限的能源和時間內(nèi)盡可能的飛出較大的林區(qū)面積是需要關(guān)注的問題。在設(shè)計飛行路線時，由于無人機轉(zhuǎn)彎耗時耗能，應(yīng)盡量走直線少轉(zhuǎn)彎，盡量以林區(qū)的長邊為準，勻速直線飛行，實現(xiàn)最少轉(zhuǎn)彎。

2常見圖像識別算法

2.1幀差法

幀差法是一種通過對視頻圖像序列中相鄰兩幀作差分運算來獲得運動目標檢測的方法。在環(huán)境亮度變化不大的情況下，如果相鄰幀圖像像素值變化小于設(shè)定的閾值時，可以認為此處為背景像素即無物體運動；如果圖像區(qū)域的像素值變化很大，可以認為這是由于圖像中運動物體引起的，將這些區(qū)域標記為前景像素。根據(jù)基本原理可以看出，幀差法可以很好地適用于無鏡頭運動的、光線變化不大的視頻中運動物體的檢測，但并不適用于戶外光線環(huán)境復(fù)雜的，而且是運動鏡頭的航拍視頻中的煙霧識別，很容易誤判和漏判。

2.2顏色模型

RGB顏色模型可以理解為一個三維坐標的立方體，R、G、B分別為紅綠藍三個顏色通道變量，數(shù)值在0和255之間變化，從而表現(xiàn)出色彩、明暗的變化，黑色原點到對角白色頂點的中軸線是一條逐漸由黑變白的灰度線，R、G、B三分量相等。由于煙霧具有明顯的顏色特征和亮度特征，所以運用RGB顏色模型來識別煙霧是一種可取的方法，煙霧區(qū)就是以黑色原點到對角白色頂點的中軸灰度線中去掉暗黑色和高光亮白色后中間的一段灰度線為中心的一片區(qū)域，通過數(shù)學建模形成煙霧區(qū)模型，通過判斷視頻圖像序列中的像素RGB值是否在煙霧區(qū)范圍內(nèi)來進行煙霧識別。

2.3混合高斯背景模型

混合高斯背景模型是一種明顯優(yōu)于幀差法的背景模型，圖像中的像素值一般服從高斯分布，對多峰分布背景進行建模很有效，可以魯棒性地克服諸如戶外光線變化、樹枝搖動等環(huán)境因素造成的影響，可以滿足實際應(yīng)用中算法精確性和實時性的要求?；旌细咚贡尘澳Ｐ蛯γ恳粋€像素點用K個高斯分布來描述其特征，在獲得新的一幀圖像后對混合高斯背景模型進行更新，用當前幀的每個像素點與混合高斯背景模型進行匹配，如果成功則判定該像素為背景點，否則為前景點，從而提取運動像素區(qū)域。

3煙霧識別混合算法優(yōu)化

煙霧識別算法最重要的問題就是算法的準確率，本著“寧錯勿漏”的原則，可以一定比例地誤判，但不可以漏判，最終通過人工識別來確認，所以排除非煙霧干擾物如河流、云霧、白灰色物體的干擾，提高預(yù)警準確率和降低誤報率、漏報率是煙霧識別算法優(yōu)化的重點。為實現(xiàn)這個目的，單獨使用以上三種算法或者簡單結(jié)合兩種算法并不能滿足這個要求，因此有必要研究一種混合算法。文章提出的混合算法整個流程經(jīng)過二值化處理、RGB顏色模式煙霧區(qū)判別式、多特征融合三個主要步驟的判斷后，如果三者都成立則進人預(yù)警階段，人工識別煙霧，如果成立最終采取報警處理，否則全部進入不報警處理，主要流程分析如下。

3.1二值化處理，提取高亮部分，初步判斷

以煙區(qū)的RGB模型為準，計算出煙霧區(qū)的最小灰度亮度值，假設(shè)為160，設(shè)置為二值化閾值，混合算法先進行二值化處理，提取亮度大于160的區(qū)域，如果無，說明肯定沒有煙霧和其他亮度超過160的物體，如果有，說明可能有煙霧，也可能是其他灰白色干擾物，再進人混合算法的第二步。這個步驟是為了快速提前高亮部分，直接進行初步判斷，處理數(shù)據(jù)較少，簡單迅速有效，尤其是對于沒有干擾物的比較理想的林區(qū)煙霧識別十分有利。

3.2RGB顏色模型煙區(qū)判別式，提取煙區(qū)和干擾物

經(jīng)過第一步的灰度亮度初步判斷后，亮度大于160的像素有可能是煙霧，也有可能僅僅是比較亮的物體而已，例如黃土、水泥道路。這就需要運用基于煙霧區(qū)RGB模型的煙霧區(qū)判別式來識別部分干擾物，尤其是具有明顯的與煙霧區(qū)不同的顏色特征的即R、G、B某一個值明顯偏大的干擾物，以及部分亮度超過煙霧區(qū)范圍的亮白色干擾物很容易排除。但是即便是這樣，也還是有一部分與煙霧顏色特征很相近的物體會識別不出來，如河流、云霧、白灰色物體等干擾物，如果不作處理，會導致混合算法誤判預(yù)警。

3.3多特征融合算法，進一步排除干擾物

混合算法的最后一步就是為了進一步排除煙霧區(qū)RGB模型識別不了的干擾物，最終提高報警準確率、降低誤報率。在林區(qū)中，常見的河流、云霧、白灰色建筑物或者道路等物體在顏色特征上具有很強的干擾性，必須通過進一步的多特征融合算法，才能排除干擾，提高準確率：第一、輪廓特征，通過對圖像中已經(jīng)通過前兩步算法的灰亮色干擾物進行輪廓識別，對于輪廓特征固定的干擾物進行排除，如建筑物、河流等；第二、運動特征，通過對圖像中已經(jīng)通過前兩步算法的物體進行運動特征識別，煙霧運動具有獨有的擴散和減淡特性，可以通過算法實現(xiàn)排除符合煙霧運動特征之外的干擾物尤其是云霧的干擾。

4結(jié)語

無人機煙霧識別系統(tǒng)的實現(xiàn)大大提高了森林前期防火的效率，且費用較低，是森林防火的新型技術(shù)手段，但是由于目前煙霧識別算法還不夠精準、完善，還不能做到100%的報警準確率，仍需大量的進一步的研究和實驗來提高準確率、降低誤報率和漏報率，一步步不斷地完善煙霧識別算法，尤其是非煙霧白灰色干擾物的混合優(yōu)化算法值得進一步的研究和完善。