無(wú)人機(jī)森林火災(zāi)監(jiān)測(cè)中火情檢測(cè)方法研究

無(wú)人機(jī)森林火災(zāi)監(jiān)測(cè)中火情檢測(cè)方法研究

張?jiān)觯醣?，伍小潔，趙恩偉

(天津航天中為數(shù)據(jù)系統(tǒng)科技有限公司，天津 300301)

摘要：本文將無(wú)人機(jī)遙感的高清可見(jiàn)光圖像用于森林火災(zāi)的監(jiān)測(cè)，監(jiān)測(cè)過(guò)程包括森林火災(zāi)檢測(cè)、火災(zāi)區(qū)域分割、特征提取、火災(zāi)識(shí)別。首先，選擇RGB顏色空間進(jìn)行森林火災(zāi)的檢測(cè)，在大幅減少單張圖像的計(jì)算量的同時(shí)，也排除了大部分無(wú)火圖像。其次，選擇HSV顏色空間完成圖像分割，得到完整性較好的火災(zāi)區(qū)域。最后基于灰度共生矩陣和火災(zāi)區(qū)域邊緣圖像提取了火災(zāi)區(qū)域的多維特征，并用支持向量機(jī)完成了火災(zāi)識(shí)別過(guò)程。本文算法對(duì)森林火災(zāi)的檢測(cè)率可達(dá)到87.7%，識(shí)別率達(dá)到89.2%，表明該算法用于森林火災(zāi)監(jiān)測(cè)效果較好。

關(guān)鍵詞：森林火災(zāi)；顏色空間；灰度共生矩陣；紋理分析；支持向量機(jī)

doi:10.3969/j.issn.1000-3177.2015.01.018

中圖分類(lèi)號(hào)：TP751文獻(xiàn)標(biāo)識(shí)碼：A

收稿日期：2014-02-18修訂日期：2014-05-04

基金項(xiàng)目：973計(jì)劃課題(2012CB719901)；中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金項(xiàng)目(SWJTU10ZT02)。

作者簡(jiǎn)介：趙婷婷(1988～)，女，碩士研究生，主要從事遙感影像處理與分析研究。

收稿日期：2014-01-06修訂日期：2014-03-19

基金項(xiàng)目：國(guó)家自然科學(xué)

作者簡(jiǎn)介：袁敏(1991～)，女，碩士研究生，主要從事資源環(huán)境遙感方面的研究。

收稿日期：2014-02-08修訂日期：2014-03-10

基金項(xiàng)目：重慶市教委科技項(xiàng)目(KJ1401028)；重慶三峽學(xué)院校級(jí)科研項(xiàng)目(KJ131108)。

作者簡(jiǎn)介：徐蓉(1984～)，女，博士，研究方向?yàn)閲?guó)土資源遙感。

An Algorithm of Forest Fire Detection Based on UAV Remote Sensing

ZHANG Zeng，WANG Bin，WU Xiao-jie，ZHAO En-wei

(TianjinZhongweiAerospaceDataSystemTechnologyCO.，LTD，Tianjin300301)

Abstract：High resolution photo of UAV is used to monitor forest fire which includes fire detection，segmentation，feature extraction and fire identification.Firstly，fire detection is completed in RGB color space which not only reduces calculation of a single image but also excludes most images without fire.Secondly，HSV color space is chosen to finish the image segmentation so that the fire area in an image can remain intact.Thirdly，multidimensional characteristics are extracted based on the gray-level co-occurrence matrix and the edge image of forest fire，and then support vector machine (SVM) is used to complete the fire identification.Experimental results show that forest fire detection rate is 87.7% and fire recognition rate is 89.2%.

Key words：forest fire；color space；co-occurrence matrix；texture analysis；SVM

1引言

森林是一種非常重要的自然資源，它不僅能夠提供豐富的林業(yè)產(chǎn)品，而且對(duì)于大氣環(huán)境的調(diào)節(jié)作用非常明顯。我國(guó)每年有上萬(wàn)次森林火災(zāi)發(fā)生，造成嚴(yán)重的森林資源破壞、環(huán)境污染、經(jīng)濟(jì)和財(cái)產(chǎn)損失。目前我國(guó)的林火監(jiān)測(cè)體系分為衛(wèi)星監(jiān)測(cè)、航空巡護(hù)、地面監(jiān)測(cè)三種監(jiān)測(cè)手段[1]，其中航空巡護(hù)相對(duì)于衛(wèi)星遙感地面分辨率更高，巡護(hù)響應(yīng)更快。近年來(lái)快速發(fā)展的無(wú)人機(jī)遙感技術(shù)為航空巡護(hù)增添了一種新手段，在森林火災(zāi)的防控中發(fā)揮了重要作用。無(wú)人機(jī)可以攜帶各種載荷進(jìn)行拍攝，本文利用無(wú)人機(jī)拍攝的高清圖像進(jìn)行森林火災(zāi)的監(jiān)測(cè)。

2森林火災(zāi)的檢測(cè)與分割

2.1森林火災(zāi)的檢測(cè)

使用無(wú)人機(jī)遙感的高分辨率圖像確定森林火災(zāi)要經(jīng)過(guò)檢測(cè)、分割、識(shí)別等過(guò)程，檢測(cè)的目的是為了確定圖像中有無(wú)可疑的火災(zāi)區(qū)域以確定是否進(jìn)行后續(xù)的分割、識(shí)別處理。無(wú)人機(jī)地面站接收、顯示的圖像均使用RGB顏色空間。森林火災(zāi)的檢測(cè)在RGB顏色空間進(jìn)行可有效避免顏色空間的轉(zhuǎn)換過(guò)程，節(jié)約檢測(cè)時(shí)間。森林火災(zāi)在RGB顏色模型中一般滿(mǎn)足式(1)～式(4)。

火焰各像素點(diǎn)的顏色分量關(guān)系：

R(x，y)≥G(x，y)≥B(x，y)

(1)

火焰顏色分量大于某個(gè)閾值[2]：

R(x，y)>Th

(2)

火焰像素點(diǎn)的亮度大于給定的閾值[3]，即滿(mǎn)足以下公式：

Y=0.299R(x，y)+0.587G(x，y)+0.114B(x，y)

(3)

紅色飽和度：

(4)

文獻(xiàn)[2-3]中使用以上方法進(jìn)行火災(zāi)區(qū)域分割，在實(shí)際的分割實(shí)驗(yàn)中存在分割不完全、間斷區(qū)域較多的特點(diǎn)。若是使用以上方式進(jìn)行森林火災(zāi)檢測(cè)，對(duì)于高清晰度圖像來(lái)說(shuō)限制條件多、計(jì)算量較大、漏檢率偏高。對(duì)大量的森林火災(zāi)圖像分析表明，森林火災(zāi)區(qū)域包含紅色、黃色或偏向于紅色、紅色的區(qū)域，有些亮度較大的區(qū)域也可能出現(xiàn)泛白色，而森林火災(zāi)圖像中幾乎都存在紅色、黃色區(qū)域。在對(duì)大量森林火災(zāi)圖像進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn)，森林火災(zāi)區(qū)域中大都存在滿(mǎn)足以下關(guān)系的區(qū)域

R(x，y)-G(x，y)>T1

(5)

G(x，y)-B(x，y)>T2

(6)

其中，T1>0，T2>0，當(dāng)T1，T2取值較小時(shí)誤檢率較高，一般來(lái)講隨著T1，T2的增大，檢測(cè)區(qū)域亮度增大、誤檢率減少、漏檢率增大，實(shí)際中一般取T1，T2=40～60。對(duì)于高清的可見(jiàn)光圖像來(lái)說(shuō)，使用式(5)、式(6)進(jìn)行檢測(cè)可以顯著減少檢測(cè)時(shí)間、排除大部分無(wú)火圖像。

圖1　可見(jiàn)光森林火災(zāi)圖像及檢測(cè)結(jié)果

2.2火場(chǎng)區(qū)域的分割

在RGB顏色空間檢測(cè)后的圖像火場(chǎng)區(qū)域存在間斷、不完整的特點(diǎn)，不宜作為火災(zāi)分割圖像。RGB顏色空間內(nèi)R(紅色)、G(綠色)、B(藍(lán)色)相關(guān)度很高，無(wú)法用單一的參數(shù)實(shí)現(xiàn)對(duì)火災(zāi)區(qū)域的分割。而HSV顏色空間能夠反映人眼的視覺(jué)特性[4]，其三要素H(色調(diào))、S(飽和度)、V(亮度)的相關(guān)性比R、G、B的相關(guān)性要小得多。從RGB空間到HSV空間的轉(zhuǎn)換關(guān)系如下：

V=max(R，G，B)

(7)

(8)

(9)

H=H+360(當(dāng)H<0)

(10)

將HSV三個(gè)分量轉(zhuǎn)化至0～255范圍內(nèi)，森林火災(zāi)的H、S、V分量圖像如圖2所示。

圖2　森林火災(zāi)圖像HSV空間分量圖像

將森林火災(zāi)圖像轉(zhuǎn)化至HSV空間后，需要進(jìn)行火災(zāi)區(qū)域的分割。Otsu法是常用的圖像分割方法，根據(jù)圖像的灰度特征將圖像劃分為目標(biāo)和背景兩種類(lèi)型。分別對(duì)S、V分量進(jìn)行閾值分割，分割結(jié)果如下：

圖3　S、V分量分割結(jié)果

取S與V分量分割結(jié)果的亮色交集區(qū)域進(jìn)行形態(tài)學(xué)操作后作為最后的分割結(jié)果，如圖4所示。

圖4　森林火災(zāi)HSV空間分割結(jié)果

3森林火災(zāi)的特征提取

在完成森林火災(zāi)區(qū)域的分割之后，需要進(jìn)行森林火災(zāi)特征的提取。在森林火災(zāi)的檢測(cè)中發(fā)現(xiàn)，地物干擾多為紅色或黃色的房屋、車(chē)輛、干枯的樹(shù)木、雜草，干擾物體的內(nèi)部紋理與火災(zāi)的內(nèi)部紋理差異明顯，可以使用紋理特征識(shí)別森林火災(zāi)。一種有效提取紋理特征的方式是以灰度共生矩陣為基礎(chǔ)的，設(shè)一幅二維數(shù)字圖像f(x，y)，其分辨率為M×N，灰度級(jí)為Ng。

P(i，j)=#{x1，y1}，(x2，y2)∈M×N丨f(x1，y1)=

i，f(x2，y2)=j

(11)

圖5　火災(zāi)區(qū)域及干擾區(qū)域邊緣檢測(cè)圖像

4基于支持向量機(jī)的森林火災(zāi)識(shí)別算法

支持向量機(jī)(SVM)，起初由Vapnik[6]提出時(shí)，是作為尋求最優(yōu)(在一定程度上)二分類(lèi)器的一種技術(shù)，后來(lái)它又被拓展到回歸和聚類(lèi)應(yīng)用。SVM在解決小樣本、非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出許多特有的優(yōu)勢(shì)。SVM的關(guān)鍵在于確定合適的核函數(shù)。SVM常用的核函數(shù)有線性、多項(xiàng)式、徑向基、sigmoid型函數(shù)[7]。

選擇200幅火災(zāi)及干擾圖像用于紋理及內(nèi)部邊緣特征的SVM訓(xùn)練，300幅火災(zāi)及干擾圖像用于識(shí)別實(shí)驗(yàn)，采用各核函數(shù)時(shí)的識(shí)別結(jié)果見(jiàn)表1。

表1　SVM采用不同核函數(shù)時(shí)的識(shí)別結(jié)果

從表1可以看出，選擇徑向基函數(shù)作為SVM的核函數(shù)進(jìn)行識(shí)別時(shí)期識(shí)別準(zhǔn)確率最高，故本文算法選擇徑向基函數(shù)作為SVM的核函數(shù)進(jìn)行森林火災(zāi)識(shí)別。

基于無(wú)人機(jī)高清圖像的森林火災(zāi)識(shí)別流程如下：

圖6　森林火災(zāi)識(shí)別流程圖

5實(shí)驗(yàn)結(jié)果

對(duì)典型的森林圖像進(jìn)行識(shí)別后得到結(jié)果，從森林火災(zāi)中選取火災(zāi)圖像及典型干擾圖像，選取含有火災(zāi)的圖像140幅，典型干擾圖像60幅，提取紋理、邊緣特征進(jìn)行SVM訓(xùn)練。選擇火災(zāi)圖像100幅、無(wú)火圖像200幅(強(qiáng)干擾圖像40幅，弱干擾或無(wú)干擾圖像160幅)做測(cè)試使用。在火災(zāi)的識(shí)別特征的選擇上，分別采用紋理特征及紋理和內(nèi)部邊緣特征進(jìn)行森林火災(zāi)的識(shí)別。

檢測(cè)與識(shí)別的結(jié)果如100幅有火圖像中檢測(cè)到有火圖像87幅，200幅無(wú)火圖像檢測(cè)到有火24幅，檢測(cè)準(zhǔn)確率為87.7%。僅使用紋理特征時(shí)在檢測(cè)到的87幅有火圖像中識(shí)別到有火圖像75幅，使用紋理及內(nèi)部邊緣特征時(shí)識(shí)別到有火圖像82幅。僅使用紋理特征識(shí)別24幅誤判為有火的圖像中識(shí)別到有火圖像11幅，使用紋理及內(nèi)部邊緣特征時(shí)識(shí)別到有火圖像7幅。

表2　森林火災(zāi)識(shí)別準(zhǔn)確度統(tǒng)計(jì)

本文方法火災(zāi)檢測(cè)準(zhǔn)確率超過(guò)87%，檢測(cè)算法運(yùn)算簡(jiǎn)單，對(duì)于千萬(wàn)像素級(jí)別的高清圖像來(lái)說(shuō)，可以排除絕大部分無(wú)火圖像的同時(shí)節(jié)約時(shí)間用于森林火災(zāi)識(shí)別過(guò)程?；诩y理與內(nèi)部邊緣特征的森林火災(zāi)識(shí)別準(zhǔn)確率為89.2%，比僅使用紋理特征識(shí)別火源的方法準(zhǔn)確度有較大提升，該方法適用于基于無(wú)人機(jī)遙感的森林火災(zāi)監(jiān)測(cè)過(guò)程。

6結(jié)束語(yǔ)

本文利用無(wú)人機(jī)遙感的高清森林圖像進(jìn)行森林火災(zāi)監(jiān)測(cè)，在多顏色空間實(shí)現(xiàn)了森林火災(zāi)的檢測(cè)與識(shí)別。首先在RGB顏色空間利用改進(jìn)的森林火災(zāi)檢測(cè)方法，在不增加漏檢率的前提下顯著減少了計(jì)算量。在HSV空間使用OTSU實(shí)現(xiàn)了森林火災(zāi)區(qū)域的分割。對(duì)森林火災(zāi)區(qū)域利用紋理分析提取了能量、逆差距、相關(guān)、對(duì)比度、內(nèi)部邊緣等多維特征，并使用SVM完成森林火災(zāi)及干擾物的分類(lèi)。利用本文方法對(duì)森林火災(zāi)的檢測(cè)及識(shí)別準(zhǔn)確度均大于87%，用于森林火災(zāi)的監(jiān)測(cè)效果較好。利用HSV空間進(jìn)行森林火災(zāi)的分割時(shí)，存在對(duì)亮白色的火災(zāi)區(qū)域難以分割的現(xiàn)象，需要繼續(xù)改進(jìn)。

參考文獻(xiàn)：

[1]吳雪瓊，覃先林，李程，等.我國(guó)林火監(jiān)測(cè)體系現(xiàn)狀分析[J].內(nèi)蒙古林業(yè)調(diào)查設(shè)計(jì)，2010，33(3)：69-72.

[2]HONG W B，PENG J W，CHEN C Y.A new image base realtime flame detection method using color analysis[J].IEEE Transaction on Image Processing，2005，43(1)：100-105.

[3]CELIK T，DEMIREL H.Fire detection in video sequence using statical color model[J].Journal of Computer Vision，2006，2(4)：213-216.

[4]張國(guó)權(quán)，李戰(zhàn)明，李向偉，等.HSV空間彩色圖像分割研究[J].計(jì)算機(jī)工程與應(yīng)用，2010，46(26)：179-181.

[5]劉龍飛，陳云浩，李京.遙感影像紋理分析方法綜述與展望[J].遙感技術(shù)與應(yīng)用，2003，18(6)：441-451.

[6]VAPNIK V.統(tǒng)計(jì)學(xué)習(xí)理論的本質(zhì)[M].北京：清華大學(xué)出版社，2000.

[7]謝菲，陳雷霆，邱航.基于紋理特征的圖像分類(lèi)方法研究與系統(tǒng)實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用研究，2009，26(7)：2765-2770.

E-mail：767163826@qq.com

E-mail：yuanmin0926@163.com

E-mail：xurong010504@163.com