基于图像分割的森林火灾早期烟检测算法研究

doi:10.3778/j.issn.1002-8331.1603-0174

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (16): 166-171.DOI: 10.3778/j.issn.1002-8331.1603-0174

基于图像分割的森林火灾早期烟检测算法研究

禹素萍1，2，顾晓雯1，2，吴贇1，2

1.东华大学信息科学与技术学院，上海 201620
2.东华大学教育部数字化纺织服装工程技术工程研究中心，上海 201620

出版日期:2017-08-15 发布日期:2017-08-31

Early forest fire smoke detection algorithm based on image segmentation research

YU Suping1，2, GU Xiaowen1，2, WU Yun1，2

1.College of Information Science and Technology, Donghua University, Shanghai 201620, China
2.Engineering Research Center of Digitized Textile & Fashion Technology of Ministry of Education, Donghua University, Shanghai 201620, China

Online:2017-08-15 Published:2017-08-31

摘要/Abstract

摘要： 针对森林这样的大空间、复杂场景下的火灾检测，提出一种在单帧视频序列图像中的烟检测方法，并研究一种新的超像素合并算法，改进现有的天地线检测算法。该方法对图像进行SLIC（Simple Linear Iterative Clustering）超像素分割，并用一种新的超像素合并算法解决过分割问题；通过改进的天地线分割算法，排除天空中云对于烟检测的干扰；根据光谱特征，运用支持向量机（SVM）对超像素块进行分类。实验结果表明，超像素合并算法高效简洁，易于编程实现，基于图像分割的烟检测技术能排除云雾等噪声对烟雾检测的干扰，在森林场景下的烟雾检测正确率为77%，可以作为人工森林火灾监测的辅助手段。

关键词: 单帧图像, 烟雾检测, 图像分割, 天地线检测, 超像素合并

Abstract: Focused on fire detection in large and complicated space such as forest region, a method is presented for forest fire smoke detection in a single frame, and a new superpixels merging algorithm is studied, and then an existed horizon detection algorithm is improved. Firstly, Simple Linear Iterative Clustering（SLIC） is performed to compute superpixels and a new superpixels merging algorithm is used. Secondly, a robust horizon detection algorithm is proposed to reduce false alarm rata by cloud interference. Finally, these superpixel areas are characterized using spectrum information, and support vector machine classification is applied to distinguish smoke and background. Experimental results show that this supepixels merging algorithm is efficient and concise, which is easy to be programmed. The smoke detection algorithm is based on image segmentation method, which can reduce noise interference, and smoke detection rate is 77% under forest scene.

Key words: single frame, smoke detection, image segmentation, horizon detection, supepixels merging

禹素萍1，2，顾晓雯1，2，吴贇1，2. 基于图像分割的森林火灾早期烟检测算法研究[J]. 计算机工程与应用, 2017, 53(16): 166-171.

YU Suping1，2, GU Xiaowen1，2, WU Yun1，2. Early forest fire smoke detection algorithm based on image segmentation research[J]. Computer Engineering and Applications, 2017, 53(16): 166-171.

[1]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[2]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[3]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[11]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.

基于图像分割的森林火灾早期烟检测算法研究

Early forest fire smoke detection algorithm based on image segmentation research

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics