HIS空間的火災(zāi)圖像模糊增強快速算法

李慶輝，李艾華，姜 柯，趙少寧

HIS空間的火災(zāi)圖像模糊增強快速算法

李慶輝，李艾華，姜 柯，趙少寧

（第二炮兵工程大學(xué)502教研室，西安710025）

火災(zāi)圖像增強是圖像型火災(zāi)探測系統(tǒng)中的重要環(huán)節(jié)。為了克服傳統(tǒng)模糊增強算法運算量大、耗時長等問題，采用建立3維查找表并改進(jìn)模糊增強算子的方法，設(shè)計了1種基于顏色三要素空間的火災(zāi)圖像模糊增強快速算法。首先將火災(zāi)圖像由三原色空間轉(zhuǎn)換到三要素空間，然后保留H分量，分別對I分量、S分量建立3維查找表，通過3維查找表對圖像中所有像素點的I分量、S分量進(jìn)行模糊增強操作，最后將圖像轉(zhuǎn)換回三原色空間。結(jié)果表明，該算法在保留火焰色彩信息的同時大大降低了運行時間。這一結(jié)果對火災(zāi)的實時性探測是有幫助的。

圖像處理；火災(zāi)探測；模糊增強；3維查找表；顏色三要素空間

引 言

在圖像型火災(zāi)探測系統(tǒng)中，火災(zāi)圖像一般通過圖像傳感器（如CCD攝像頭）獲得，不良的光照條件、偏低的攝像頭分辨率以及光電轉(zhuǎn)換過程中帶來的噪聲等都會使得所獲取的圖像變得模糊［1］，所以需要對圖像進(jìn)行增強處理。圖像增強處理是指根據(jù)需要增強圖像中的某些特定信息，同時削弱或去除不需要的信息的一種圖像預(yù)處理手段。由于圖像信息的不確定性，而模糊邏輯能夠很好地解決具有模糊性的問題，因此，引入模糊邏輯理論對圖像進(jìn)行增強處理有其內(nèi)在的必然性和合理性［2-3］。

傳統(tǒng)的模糊增強算法由于耗時長、運算復(fù)雜等問題，所以圖像增強的速度與效果都不甚理想。參考文獻(xiàn)［4］中提出一種通過建立查找表來實現(xiàn)圖像快速增強，但所建立查找表為2維形式且所用模糊增強算子較為簡單，增強效果不甚明顯。參考文獻(xiàn)［5］中對隸屬度函數(shù)進(jìn)行了改進(jìn)，參考文獻(xiàn)［6］中提出了一種新的模糊增強算子，但兩者計算量都較大、運行時間長。顏色信息特征是火災(zāi)圖像的一種重要特征信息，在增強過程中必須予以保留。

因此，作者將模糊邏輯應(yīng)用于顏色三要素色調(diào)、亮度、飽和度（hue，intensity，saturation，HIS）空間［7］，提出一種基于HIS空間的火災(zāi)圖像模糊增強算快速算法。

1 HIS空間與Pal-K ing模糊增強算法

1.1RGB空間與HIS空間的轉(zhuǎn)換

HIS顏色空間是從人的視覺系統(tǒng)出發(fā)，直接使用顏色三要素色調(diào)、亮度以及飽和度來描述顏色。HIS顏色空間可以用一個圓錐空間模型來描述，如圖1所示。

Fig.1 HIS color space

三原色（red，green，blue，RGB）顏色空間是一種高度相關(guān)的線性空間，因此這種顏色空間不適于進(jìn)行模式識別［8］。而對于HIS顏色空間，H，I，S分量相互獨立，可以分開處理。HIS顏色空間與RGB顏色空間分量R，G，B存在著相互轉(zhuǎn)換的關(guān)系，如下式所示：

故可以將火災(zāi)圖像由RGB空間轉(zhuǎn)化為HIS空間后保持H分量不變，分別對I分量和S分量進(jìn)行模糊增強處理。最后將圖像從HIS顏色空間轉(zhuǎn)換到RGB顏色空間，就完成了圖像增強操作。由于這種操作沒有改變色調(diào)分量，所以不會對圖像的色彩特征產(chǎn)生影響。

1.2Pal-King模糊增強算法原理［2-3］

圖像模糊增強的基本做法是首先用模糊隸屬度函數(shù)將圖像由空間域變換到模糊域，再在模糊域中對圖像進(jìn)行模糊增強處理，最后通過逆變換把圖像變換回空間域。這樣就完成了圖像的模糊增強操作，其步驟見下。

（1）將一幅M灰度級的H×L元圖像由空間域變換到模糊域，其模糊集記為A：

式中，μij為像素點（i，j）的隸屬度，Xij為像素點（i，j）的灰度。隸屬度值越大，表示像素對該灰度級的隸屬程度越高。Pal-King算法的模糊隸屬度函數(shù)如下：

式中，Xmax為圖像最大灰度級；Fd稱為倒數(shù)模糊因子；Fe稱為指數(shù)模糊因子，通常取Fe＝2。

（2）對圖像進(jìn)行模糊增強處理，反復(fù)采用如下式的非線性變換：

模糊增強算子見下式：

（7）式的操作結(jié)果是以μc＝0.5（渡越點）為中心增大其右邊的值，減小其左邊的值。當(dāng)?shù)螖?shù)r取較大值時圖像近似變?yōu)槎祱D像。

（3）對已增強的μij′進(jìn)行逆變換，得出已增強的空域圖像，計算公式如下：

該算法中T和T－1變換公式由大量的浮點運算組成，而且在選取渡越點時一般采用經(jīng)驗法或灰度統(tǒng)計直方圖觀察法等方法，耗時巨大；迭代運算中渡越點固定為0.5，不具有可變性，無法適應(yīng)不同圖像的處理要求。

2 火災(zāi)圖像模糊增強快速算法

2.13維查找表

從增強操作過程可以看出，對于不同像素點，如果亮度相同，那么它們增強后的亮度也相同。也就是說，對于確定的模糊算子和迭代次數(shù)，增強結(jié)果與像素點的位置無關(guān)［4］。因此，本文中引入3維查找表（look-up table，LUT）的概念，根據(jù)模糊增強前的亮度值（0～M）與增強后的亮度值，建立關(guān)于Xij的3維查找表LUT。在模糊增強操作前就建立3維查找表，在模糊增強操作時利用3維查找表中不同參數(shù)和增強操作前像素點的值，尋找增強操作后的像素值，即可以實現(xiàn)該圖像的增強操作。同時，可以對于不同的模糊算子和迭代次數(shù)，分別建立不同的3維查找表，依據(jù)所處理圖像的質(zhì)量和后續(xù)處理的要求，選取適當(dāng)?shù)牟檎冶硗瓿稍鰪姴僮?。本文中首先將圖像從RGB空間轉(zhuǎn)化到HIS空間，找到I分量、S分量的最大值，對兩個分量建立3維查找表。利用3維查找表對圖像中所有像素點的I分量、S分量分別進(jìn)行增強操作。

2.2改進(jìn)的模糊隸屬度函數(shù)

［9］中指出，采用不同的隸屬度函數(shù)

式中，L為灰度級的總數(shù)。

2.3模糊增強算子

Pal-King算法中渡越點的設(shè)置固定，不具有可調(diào)性，不能滿足不同圖像的增強要求。因此作者對（7）式進(jìn)行改進(jìn)得到新的模糊增強算子：對最終的檢測效果并沒有很大影響，因為圖像在經(jīng)過T變換與模糊增強后，還要進(jìn)行T－1逆變換。但是采用形式簡單的隸屬度函數(shù)可以提高運算速度。所以，本文中采用的隸屬度函數(shù)如下式所示，將火災(zāi)圖像由空域轉(zhuǎn)換到模糊域：

式中，μc是渡越點的對應(yīng)隸屬度。改進(jìn)的模糊增強算子相比于Pal-King增強算子，增大了渡越點右邊的隸屬度μij的值，同時減小了渡越點左邊的隸屬度μij的值。由圖2可以看出，改進(jìn)的增強算子的增強效果明顯好于Pal-King增強算子。在模糊域?qū)D像反復(fù)采用（6）式與（10）式進(jìn)行模糊增強處理，通過設(shè)置合適的渡越點達(dá)到最佳的增強效果。

Fig.2 Pal-King and modified enhancement operator

對于渡越點的選取問題，Otsu算法［10］將圖像分為目標(biāo)和背景二類，通過搜索計算類間方差最大值以得到最優(yōu)閾值。參考文獻(xiàn)［11］中提出一種改進(jìn)的Otsu算法，該算法把圖像中的像素用閾值M分成C1和C2二類，C1由值在［0，M］之間的像素組成，C2由值在［M+1，L－1］之間的像素組成，按下式計算C1和C2間的類間方差：

式中，w1（t）為C1中包含的像素數(shù)；w2（t）為C2中包含的像素數(shù)；U1（t）為C1中所有像素的平均值；U2（t）為C2中所有像素的平均值。使P（t）最大的M值即為最佳閾值。參考文獻(xiàn)［11］中已證明該算法整體效果較好，保留了更多的低灰度信息，能更有效地選擇出自適應(yīng)閾值。

2.4逆變換

對上面所得的μij′進(jìn)行逆變換，將圖像由模糊域變換回空域，即可得到模糊增強后圖像：

這種逆變換有效避免了傳統(tǒng)Pal-King算法中逆變換后某些像素值出現(xiàn)負(fù)數(shù)的情況，從而保證了圖像信息的完整性。

3 實驗結(jié)果及分析

作者在MATLAB實驗環(huán)境下，對典型的火災(zāi)圖像分別采用直方圖均衡化、Pal-King算法和本文中的算法進(jìn)行增強處理。實驗是在CPU為Pentium E6500 2.93GHz、內(nèi)存為2GB的微機上完成的。實驗結(jié)果如圖3和表1所示。

Fig.3 Comparison of fire image enhancement results

Table 1 Computational times of 3 algorithms

圖3a是原始火災(zāi)圖像。圖3b是采用直方圖均衡化［12］的方法獲得的圖像，該方法均衡提高了整幅圖像的對比度，但同時也使得R，G，B3個分量比例失調(diào)，改變了火焰圖像的顏色特征信息。圖3c是采用Pal-King算法迭代2次獲得的圖像，可以看出增強效果不是很理想。圖3d是采用本文中的算法迭代2次獲得的圖像，可以看出，作者提出的模糊增強算法由于保留了H分量，只對I分量、S分量進(jìn)行模糊增強，而且通過改進(jìn)的Otsu算法選取最佳渡越點，因此使得火焰顏色信息保留較好，有利于火焰檢測的后續(xù)處理。

表1為3種方法運行時間比較，Pal-King算法由于模糊隸屬度函數(shù)復(fù)雜且須對每個像素點進(jìn)行增強操作所以耗時嚴(yán)重。而作者在引入查找表概念后，通過對I分量、S兩個分量建立查找表，避免了對整幅圖像中所有像素點進(jìn)行增強操作，大大加快了增強處理速度，滿足了實時性的要求。

4 結(jié) 論

介紹了一種新的基于HIS空間的火災(zāi)圖像增強快速方法，該方法首先將火災(zāi)圖像由RGB空間轉(zhuǎn)化為HIS空間，然后引入3維查找表的概念，分別對I分量、S兩個分量建立3維查找表，利用3維查找表對火災(zāi)圖像中所有像素點的I分量、S分量進(jìn)行模糊增強操作。并且對Pal-King算法進(jìn)行改進(jìn)，采用更簡單的隸屬度函數(shù)、更快的增強算子以及較好自適應(yīng)閾值選擇函數(shù)。實驗結(jié)果表明，只對I分量、S分量進(jìn)行增強而保留H分量，使得火焰圖像的顏色信息保留較好；通過3維建立查找表并改進(jìn)傳統(tǒng)模糊增強方法，使得算法運行時間大大降低。

參考文獻(xiàn)

［1］ HOU J.Studies on fire detection based on video-image processing for large space structures［D］.Beijing：Tsinghua University，2010： 3-5（in Chinese）.

［2］ PAL S K，KING R A.On edge detection of X-ray images using fuzzy sets［J］.IEEE Transaction on Pattern Analysis and Machine Intelligence，1983，5（1）：69-77.

［3］ PAL S K，KING R A.Image enhancement using fuzzy sets［J］.Electronics Letters，1980，16（9）：376-378.

［4］ KANG F.The preliminary study of early agricultural and forestry fire detection method based on visual features［D］.Hangzhou：Zhejiang University，2010：17-19（in Chinese）.

［5］ KANGM，WANG B S.An adaptive color image enhancement algorithm based on human visual properties［J］.Acta Optica Sinica，2009，29（11）：3018-3024（in Chinese）.

［6］ BIANW X，XU DQ.Composite thinning algorithm for fingerprint image［J］.Journal of Image and Graphics，2011，16（6）：1015-1021（in Chinese）.

［7］ ZHANG Z，WANG Y P，XUE G X，et al.Digital image processing and machine vision［M］.Beijing：Post＆Telecom Press，2010：241-248（in Chinese）.

［8］ ZHANG Y D，WANG SH，ZHOU Z Y，et al.Colored image enhancement based on HVS and PCNN［J］.Science China，2012，40（7）：909-924.

［9］ WANG H，ZHANG JH.Regional contrast fuzzy enhancement algorithm for image edge detection［J］.Chinese Journal of Electronics，2000，28（1）：45-47（in Chinese）.

［10］ OTSU N.A threshold selection method from gray level histogram［J］.IEEE Transactions on Systems，Man and Cybernetics，1979，9（1）：62-66.

［11］ JIANG T，ZHAOC J，CHEN M，et al.Fast adaptive image fuzzy enhancement algorithm［J］.Computer Engineering，2011，37（10）：213-215（in Chinese）.

［12］ WANG Z L，CHANG J，JIANG X Y，et al.Optimized method for space requirements based on histogram equalization［J］.Laser Technology，2012，36（3）：307-311（in Chinese）.

Fast fire image fuzzy enhancement algorithm based on HIS space

LI Qinghui，LI Aihua，JIANG Ke，ZHAO Shaoning
（Department of502，Second Artillery Engineering University，Xi’an 710025，China）

Fire image enhancement plays an important role in the system of fire detection based on images.A deficit of traditional fuzzy enhancement algorithms is the high computation cost.To solve this problem，a novel algorithm was proposed utilizing the 3-D look-up table（LUT）and a novel image fuzzy enhancement arithmetic operator.It firstly transforms the color space of fire images from red，green and blue to hue，intensity，saturaiton（HIS）and builds LUT for the variables I and S.Then enhances them through LUT and transforms the color space of fire images back to HIS space.Experimental results show that the new algorithm has significantly improved the running speed.It’s helpful to the real-time detection of fire.

image processing；fire detection；fuzzy enhancement；3-D look-up table；hue，intensity，saturation space

TP391

A

10.7510／jgjs.issn.1001-3806.2014.01.030

1001-3806（2014）01-0137-04

李慶輝（1989-），男，碩士，現(xiàn)主要從事計算機視覺及火災(zāi)探測方面的工作。

E-mail：lqhui1212＠126.com

2013-03-07；

2013-04-27