摘要：火焰燃燒是自然界中一種常見的現(xiàn)象。然而，失控的燃燒現(xiàn)象會(huì)對(duì)社會(huì)經(jīng)濟(jì)造成巨大的破壞。因此，對(duì)火焰進(jìn)行有效的識(shí)別和監(jiān)控是國(guó)際上的熱門課題。目前市面上主流的火焰識(shí)別方法為使用溫度，煙霧，紅外線等傳感器以及人造地球衛(wèi)星進(jìn)行監(jiān)控。本文擬用數(shù)字圖像處理方法，通過從數(shù)碼設(shè)備獲取的數(shù)字圖像，使用MATLAB軟件，通過計(jì)算火焰輪廓的圓形度來實(shí)現(xiàn)對(duì)火焰的特征識(shí)別。

關(guān)鍵詞：火焰;數(shù)字圖像處理;MATLAB;圖像分割

中圖分類號(hào)：TP305 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）34-0174-02

1 研究背景

本文的目的在于通過數(shù)字圖像處理的方法，使用MATLAB軟件，實(shí)現(xiàn)對(duì)火焰圖像的特征識(shí)別。

2 主要理論概況

通過數(shù)碼設(shè)備獲取數(shù)字圖像，對(duì)其進(jìn)行包括圖像抽樣、圖像分割、二值化、圖像平滑處理在內(nèi)的預(yù)處理。通過計(jì)算圖像的圓形度，實(shí)現(xiàn)對(duì)火焰圖像的特征識(shí)別。

3 圖像的預(yù)處理

3.1 對(duì)圖像進(jìn)行預(yù)處理的原因

從理論上講，一幅最理想的數(shù)字圖像，應(yīng)該包含最多的有效信息和最少的無效信息。所以，在對(duì)圖像進(jìn)行處理前，應(yīng)最大化的剔除圖片中的無效信息，對(duì)原先的數(shù)字圖像進(jìn)行優(yōu)化操作。

通過對(duì)圖像的預(yù)處理，能夠顯著提高火焰識(shí)別的準(zhǔn)確度。

3.2 圖像抽樣

由于從數(shù)碼設(shè)備獲取的圖像像素過多，極大降低了識(shí)別的效率，所以需要進(jìn)行抽樣操作，每n位取一位像素，像素點(diǎn)變?yōu)榱嗽瓉淼?/n2，同時(shí)也在最大程度上保留了原有的有效信息。

3.3 基于火焰顏色特征的圖像分割

圖像分割的方法有成千上萬種。常用的有基于閾值的固定閾值法和雙峰法，基于邊緣的邊緣分割法等等。然而此類分割法往往只能處理灰度圖，對(duì)于彩圖則顯心有余而力不足。而在此種情況下，因?yàn)榛鹧娲嬖谥黠@的顏色特征，本文采用一種基于火焰顏色特征的圖像分割方法在對(duì)圖像進(jìn)行分割前，需要把RGB彩色空間轉(zhuǎn)換為HSI彩色空間。

RGB顏色模型是目前使用最廣的彩色模型。它的原理基于自然界的所有顏色都可以由紅色（Red），綠色（Green）和藍(lán)色（Blue）按照一定比例混合而成。反之，任何一種顏色也可以分解為一定比例的紅色（Red），綠色（Green）和藍(lán)色（Blue）。幾乎所有的數(shù)字圖像和顯示設(shè)備都使用RGB顏色模型。不僅如此，市面上主流的數(shù)碼相機(jī)也都采用RCB顏色模型。但是，RGB顏色模型不能很好地體現(xiàn)人體對(duì)顏色的感知。

另一種流行的顏色模型是HSI顏色模型（Hue/Saturation/ln-tensity色調(diào)/飽和度/強(qiáng)度），它使用顏色和飽和度來描述顏色。與RGB色彩空間相比，HSI色彩空間更自然，更直觀，更適合人體對(duì)于色彩的感知。

HSI顏色模型是開發(fā)基于顏色特征的圖像處理方法的理想工具。它可以通過算法獨(dú)立的對(duì)顏色，飽和度和亮度進(jìn)行操作。同時(shí)，HSI彩色模型可以降低彩色圖像處理的復(fù)雜性，提高處理速度，更適合人體的色彩感知。RGB彩色空間轉(zhuǎn)換到HSI彩色空間的公式如下：的空間，X，Y為像素點(diǎn)。

在MATLAB中編寫程序，分割結(jié)果如下：

3.4 圖像二值化

二值化是將圖像轉(zhuǎn)換為二進(jìn)制圖像并去除圖像中的大部分信息而只保留關(guān)鍵特征的過程。二進(jìn)制圖像只有兩個(gè)灰度信息0和1。理論上講，只需要一個(gè)二進(jìn)制位就可以表示出來。在特征識(shí)別中，一般需要把圖像轉(zhuǎn)化為二值圖，以便于進(jìn)行識(shí)別。

本文采用非0元素取255的方法來進(jìn)行二值化。

算法如下所示.

3.6 圖像平滑處理

常用的圖像平滑方法包括均值濾波算法和中值濾波算法。

對(duì)于兩種濾波算法在此不做過多的闡述。

經(jīng)過試驗(yàn)對(duì)比，與均值濾波算法相比，中值濾波算法不會(huì)模糊圖像，效果更好。同時(shí)中值濾波實(shí)現(xiàn)簡(jiǎn)單，可加速處理速度，從而提高識(shí)別的效率。

本文采用5X5的中值濾波算法。

4 火焰目標(biāo)的特征識(shí)別方法

4.1 基于計(jì)算外焰圓度的輪廓特征識(shí)別

圓形度是在圖像處理中一個(gè)非常重要的概念。它表示圖像與標(biāo)準(zhǔn)圓形的近似水平，常用于繪制和描述特征。

圓形度的定義為圖形面積乘以4π除以周長(zhǎng)的平方。

公式如下.

在燃燒過程中，火焰可分為三大部分：火焰中心，內(nèi)部火焰和外部火焰。

外焰是外層火焰部分的常見黃色或者透明的區(qū)域，稱為反應(yīng)區(qū)域。它是氣體充分燃燒，火焰最高溫的一部分。含有強(qiáng)烈高熱的空氣，具有氧化作用，也稱為氧化焰。

從外焰的形狀特征來看，外焰具有不規(guī)則的特征。放到數(shù)字圖像中看，外焰常位于圖像的上方部分，由于燃燒充分，在經(jīng)過預(yù)處理之后常不與下方火焰相聯(lián)通。故猜想，通過計(jì)算圓度來進(jìn)行對(duì)火焰的特征識(shí)別。

由于火焰燃燒是一個(gè)十分復(fù)雜的物理化學(xué)反應(yīng)，會(huì)受到許多因素的影響。故經(jīng)過處理的數(shù)字圖像中必然存在許多撕裂和破碎的地方。為了修補(bǔ)這些瑕疵，所以還要對(duì)圖像進(jìn)行膨脹處理來消除噪點(diǎn)，便于對(duì)火焰的特征識(shí)別。

之后填充閉合圖形，尋找邊界，來計(jì)算圓度。

由圓度的計(jì)算公式可得，當(dāng)圓度為1時(shí)，圖形即為圓形。正方形的圓度為約為0.79，等邊三角形的圓度約為0.60。圓度越小，圖形與圓形之間的差異也越大，圖形也越不規(guī)律。

在此，輸出所有圓度小于0.60的部分。

若圖像的上部分存在大量圓度小于0.60的部分，且圖像以下存在一塊巨大的，圓度遠(yuǎn)小于0.60的部分，則可以認(rèn)為存在火焰。

通過MATLAB這一工具，通過編寫程序，實(shí)現(xiàn)算法。

運(yùn)行結(jié)果如下所示：

由示例圖像的圓度計(jì)算結(jié)果來看，其上部分存在大量圓度小于0.60的部分，而以下存在一大塊圓度為0.04的部分，故認(rèn)為其含有火焰部分。與實(shí)際結(jié)果像吻合。

5 小結(jié)

基于數(shù)字圖像處理技術(shù)，本文提出了一種基于計(jì)算火焰外焰部分圓度的特征識(shí)別算法。根據(jù)火焰自身的HSI值，進(jìn)行圖像分割和二值化，并進(jìn)行平滑處理，然后根據(jù)火焰的輪廓特征進(jìn)行特征識(shí)別。它具有精度較高，算法簡(jiǎn)單，時(shí)間復(fù)雜度低，處理時(shí)間短，性能高，科學(xué)實(shí)用等的優(yōu)點(diǎn)。

然而本文僅考慮到了火焰的輪廓特征，沒有對(duì)其余的特征，如顏色特征，動(dòng)態(tài)特征進(jìn)行識(shí)別。而算法本身也過于簡(jiǎn)單理想化。對(duì)于一些復(fù)雜的場(chǎng)景，識(shí)別效果并不理想。

參考文獻(xiàn)：

[1]張宏.數(shù)字圖像處理與分析[M].2版.北京：機(jī)械工業(yè)出版社，2013.

[2]劉慧穎.MATLAB R2007基礎(chǔ)教程[M].北京：清華大學(xué)出版社，2008.

[3] Hong WEN-Bing.A new image-based real-time flame detec-tion mmethod using color analysis[Al.Proceeding of Network-ing，Sensing and Control，2005：100-105.

[4]王亞軍.基于火焰圖像動(dòng)態(tài)特征的火災(zāi)識(shí)別算法[J].測(cè)控技術(shù)，2006.

[5]李杰.基于數(shù)字圖像處理的森林火災(zāi)識(shí)別方法研究[D].北京林業(yè)大學(xué).2009.

【通聯(lián)編輯：李雅琪】

收稿日期：2019-08-11

作者簡(jiǎn)介：常寅杰（1998-），男，江蘇蘇州人，本科，研究方向?yàn)橛?jì)算機(jī)科學(xué)與技術(shù)。