基于圖像處理的森林火災識別方法研究

朱思思，丁德紅,2，陳朝迎，趙方珍

?

基于圖像處理的森林火災識別方法研究

朱思思1，丁德紅1,2，陳朝迎3，趙方珍1

（1. 賀州學院機電工程學院，廣西 賀州 542899；2. 湖南文理學院計算機科學與技術學院，湖南 常德 415000 3. 深圳市中科明望通信軟件有限公司，廣東 深圳 518055）

主要研究了火焰的物理特征信息，結合圖像處理技術，提出了一種基于圖像中高亮度區(qū)域特征的森林煙火識別方法。該方法的核心是采用分步提取預處理后圖像顏色、面積及圓形度特征來實現(xiàn)煙火識別，彌補了單個算法僅對單一特征進行分析導致識別準確度不高的缺點，且能快速排除干擾物，提升了整個森林火災圖像識別的運行效率。

圖像處理；煙火識別；圓形度

0 引言

破壞森林的三大自然災害分別是火災、病害和蟲害，而森林火災是破壞森林的最主要的災害，位居首位[1]。據(jù)統(tǒng)計，全世界每年發(fā)生森林火災幾十萬次，受災面積達幾百公頃，約占森林總面積的0.1%[2]。森林火災直接危及林木、林下植物、土壤甚至于微生物和野生動物的生存，同時又對人類的生命財產(chǎn)及生態(tài)環(huán)境造成巨大破壞。因此，對森林火災盡早識別并預警，就能極大的降低火災損失。

本森林火災識別方法是在借助計算機圖像處理技術對煙火普遍特性進行研究的基礎上，結合煙火區(qū)域的顏色、面積、圓形度特征而提出的。該方法彌補了以單一的火焰顏色、紋理、火焰區(qū)域面積增長等特性[2]為判別依據(jù)的判據(jù)單一、可靠性差的缺點，基本消除干擾物的影響，有效提高森林火災圖像的識別的準確度。另外，采用了分層檢測的方法，縮短了森林火災圖像特征提取的時間，提高了識別效率。

1 森林火災火焰圖像的特征分析

森林火災的煙霧和火焰一般具有較為明顯的視覺特性[3]，例如火焰的顏色特征、紋理特征、閃爍頻率特征、面積特征和外形變化特征等等[1]。具體分析如下。

1.1 顏色特征

森林火災將產(chǎn)生火焰和煙霧，煙霧因燃燒物的不同而不同。而火焰的顏色特征相對地比較明顯，在紅色到黃色的范圍內(nèi)變動[4]，因此，森林火災的火焰具有強烈的視覺特征，是最基本的識別依據(jù)[1]。

1.2 紋理特征

所有物體的紋理特性不同，紋理特征是所有的物體表面所共有的內(nèi)在特性。因此，可以根據(jù)森林火災圖像的特有紋理特征來判斷森林圖像是否有火災的發(fā)生。

1.3 形態(tài)變化特征

森林火災是逐步發(fā)展的過程，不同時刻火焰具有不同的特征，其形狀、面積和邊緣信息等都在不斷變化。對形態(tài)變化具體介紹如下：

1）面積變化特征。森林火災的火焰的面積是呈現(xiàn)連續(xù)的和擴展性的增長趨勢的?；鹧娴拿娣e可以通過統(tǒng)計圖像中的亮點個數(shù)的方法來體現(xiàn)。

2）邊緣變化特征?；馂幕鹧孢吘壋尸F(xiàn)出一定的變化規(guī)律。檢測圖像的邊緣是進行圖像分割和目標識別的重要基礎。圖像邊緣是根據(jù)圖像中灰度值的跳躍性檢測出的。

3）閃動規(guī)律特征。森林火災發(fā)生時，火焰閃動頻率呈現(xiàn)一定的規(guī)律，其頻率主要分布在7～12Hz的范圍。森林燃燒過程中，火焰會按照某種頻率在不斷地閃爍?；鹧娴拈W動變化特征則可以根據(jù)圖像的灰度直方圖隨時間變化的規(guī)律來判斷[3]。

4）形體變化特征。森林火災的形體變化主要反映火焰在空間的分布變化[3]。形體變化可以通過計算火焰的空間分布特性，即計算像素點之間的關系特性來實現(xiàn)的[5]。

5）分層變化特征。森林燃燒屬于擴散燃燒，其燃燒的火焰具有明顯的分層特征[6]。分層變化的特征可通過查看圖像的灰度直方圖的方法來實現(xiàn)。

6）整體移動特征。隨著舊燃燒物的燃盡和新燃燒物的燃燒，火焰的位置在連續(xù)的不斷移動[6]。整體移動的特征可通過對圖像進行邊緣檢測的方法來實現(xiàn)。

2 森林火災火焰圖像的識別

傳統(tǒng)的森林火災檢測方法僅通過對某一個特性進行識別來判斷森林是否發(fā)生火災，雖實時性好，但準確度不高。為了整合實時和準確性的要求，本文提出了分層提取火焰的顏色、面積和邊緣圓形度特征來識別森林火災的方法。在用一個判據(jù)無法確定是否出現(xiàn)火情的時再追加其他判據(jù)來確保判定的準確性。具體流程圖如圖1所示。

圖1 森林火災圖像識別的流程圖

從圖1中可看出，該方法對圖像顏色特征進行一次預判，再判斷煙火區(qū)域的面積增長情況，最后判斷邊緣圓形度。要強調(diào)的是，后一次判斷是在前一次符合圖像特性的基礎上進行的。只有這3種特性全部滿足，說明森林確實出現(xiàn)火災，立刻啟動聯(lián)動報警系統(tǒng)。否則，不啟動。該方法具有準確度高、及時性好的特點。顏色、面積和邊緣圓形度特性識別的方法如下：

2.1 顏色特征識別

火焰的外焰部分是絕對高溫，且火焰本身的亮度大多集中在紅色，火的顏色總是表現(xiàn)為紅色，故我們先對圖像進行一次預判。如果圖像中有紅色區(qū)域存在，則進行下面的特征提取，如果沒有，不執(zhí)行其他的識別，大大提高了識別效率。顏色識別的算法為：

RGBi(,)?[1,2]

式中：RGBi(,)為待處理的圖像像素的RGB值；[1,2]為表現(xiàn)為火的紅色閾值。當RGBi(,)?[1,2]時，則判定有疑似火源，接著進入下面森林煙火特征的識別。當RGBi(,)?[1,2]時，則判定無火。

下面以森林火災圖像為例講述顏色特征識別的方法，見圖2。運用MATLAB中的＝RGB(:, :, 1)指令將森林火災圖像中的紅色分量分離出來，并創(chuàng)建一幅圖像如圖2(b)所示。其次，通過閾值化方法將紅色分量圖像轉(zhuǎn)換為二值圖像如圖3所示。最后，根據(jù)二值圖像是否存在亮點判斷圖像中是否存在紅色。二值圖像中存在亮點，說明森林圖像中存在紅色。從圖3中看出，二值圖像存在亮點說明該圖像中有疑似火源，進入下一階段的識別。

2.2 火焰面積的增長性識別

火焰的面積可通過統(tǒng)計圖像中的亮點個數(shù)的方法來體現(xiàn)。森林圖像中火焰的增長面積可以用一組圖像序列中相鄰兩幀作減法來完成，判別公式如下：

D(,)＝S＋1(,)－S(,) (1)

式中：S＋1(,)表示相鄰兩幀圖像中后一幀圖像中紅色區(qū)域的面積；S(,)表示前一幀圖像中紅色區(qū)域的面積。在出現(xiàn)紅色區(qū)域的前提下，如果兩者的差即D(,)為零，說明兩幀圖像的面積相等，沒有出現(xiàn)面積增長，則不報警；如果差值大于零而小于閾值，則要對圖像序列進行連續(xù)的面積增長性判斷，如果判斷結果是面積在持續(xù)增長，則加用邊緣圓形度判據(jù)來判別；如果差值大于閾值，則直接加用邊緣圓形度判據(jù)來判別。根據(jù)這種方式可以減少運算時間[7]。下面就兩組圖像序列為例來研究出現(xiàn)煙火情況及干擾物情況時圖像中高亮度點的面積增長性的不同。圖4為4幀連續(xù)的森林煙火圖像序列。

圖4是一系列森林場景的圖像。從圖4圖像序列可知，高亮度區(qū)域隨著圖像幀數(shù)的增加在逐漸加大。因此，可能存在疑似火源，需進行進一步的邊緣圓形度的識別。圖5是4幀連續(xù)的可疑干擾物圖像。

從圖4中我們看到有持續(xù)高亮的區(qū)域出現(xiàn)且面積在逐漸擴大，而圖5中高亮度區(qū)域的面積幾乎沒有發(fā)生變化。從這兩者的對比我們便得到采用火焰面積的增長性進行煙火識別的初步判據(jù)。用閾值化增強分割算法對圖4和圖5轉(zhuǎn)換為二值圖像分別得到圖6和圖7[8]。圖中的高亮度運動區(qū)域被圈了出來。從這兩幅圖像我們可以更加清晰地看到圖6隨著幀數(shù)的遞增，高亮度區(qū)域在逐漸擴大，具有煙火面積特性，可認為有疑似火源。圖7隨著幀數(shù)的增加，高亮度區(qū)域幾乎沒有變化，不符合煙火特性，屬于干擾物。

圖2 森林火災圖像原圖及紅色分量分離圖

圖3 森林火災圖像紅色分量分離圖的二值圖像

圖4 背景及疑似火源的4幀圖像序列

2.3 煙火邊緣的圓形度識別

圓形度是一個表征物體形狀的復雜度的概念，它的計算公式是：

式中：L表示物體的邊界長度；S表示物體的面積。從式中我們可以看出圓形物體的圓形度為1，物體形狀越復雜，則其圓形度的值就越大即圓形度大于1。從式(2)可知，為了判別圖像中疑似火源區(qū)域的圓形度，則需檢測高亮度區(qū)域的面積和邊緣長度。對于面積采用火焰面積的增長性識別中介紹的通過統(tǒng)計閾值化增強分割后圖像的亮點個數(shù)來提取。這里不再詳述。對于邊界長度采用Canny算子來提取分割目標的邊緣。煙火的擴散性導致了其邊緣的復雜多變即煙火區(qū)域的形狀遠離圓形且煙火的面積在不斷擴大。因此，我們可根據(jù)連續(xù)的森林圖像序列分割出的高亮度區(qū)域的形狀及其變化，來判斷是否有火源。即我們識別圖像的重點就是提取圖像中的可疑區(qū)域及其邊緣。圖像的可疑區(qū)域提取見圖6，圖7。下面以圖6和圖7的邊緣提取為例來詳述邊緣的提取算法。圖8和圖9分別是圖6和圖7采用Canny算子提取邊緣的提取結果。

圖6 疑似火源的閾值二值化分割結果圖

從圖中可以看出，圖8中高亮度區(qū)域的面積在逐漸增長且邊緣復雜多變，形狀也偏離圓形即圓形度大于1，說明圖像中存在火源立即啟動聯(lián)動報警。而圖9中面積和邊緣基本都是在一定范圍內(nèi)波動基本沒有變化即圓形度基本沒有發(fā)生變化，說明圖像中僅出現(xiàn)干擾物體，沒有火源，不需要報警。

圖7 可疑干擾物的閾值二值化分割結果圖

圖8 Canny算子提取的邊緣圖

3 實驗分析

利用MATLAB以圖4的4幀連續(xù)的森林煙火圖像序列為例對以上顏色特征識別、面積增長性識別、邊緣的圓形度識別等算法的運算時間進行仿真取得數(shù)據(jù)如表1。

表1為森林火災圖像的各單一特征識別時間。本文提出的通過分層提取火焰顏色、面積和邊緣圓形度特征來識別火災的方法，是先對圖像顏色特征進行一次預判，快速判定是否存在疑似火源。若紅色區(qū)域不存在，則表明未出現(xiàn)疑似火源，無需再識別其他特征，顏色特征的識別時間就是整個算法的運算時間。若紅色區(qū)域存在，則需進一步分析火焰區(qū)域的面積增長特征，若高亮度區(qū)域面積不變化，說明為干擾物，未出現(xiàn)疑似火源，算法的運算時間為顏色特征識別時間與面積增長性識別時間之和；若火焰面積增長，出現(xiàn)疑似火源，繼續(xù)判別圖像邊緣圓形度。如果邊緣圓形度基本沒有發(fā)生變化，說明圖像中出現(xiàn)的僅是干擾物。如果邊緣復雜多變，形狀也偏離圓形即圓形度大于1，說明圖像中確有火災出現(xiàn)。此時，森林火災圖像識別時間為顏色特征識別時間、面積增長性識別時間與邊緣的圓形度識別時間之和。綜上所述，本文采用的多重森林火焰特征識別森林火災的方法，既能快速排除干擾物的干擾，又能提高識別的準確度。

4 結束語

本文根據(jù)森林火災火焰圖像的特征，提出了一種結合火焰顏色、面積及其邊緣圓形度特征來識別森林火災是否存在的方法。該方法采用的是對火焰的特征進行分層識別的方法，彌補了單個算法僅對單一特征進行分析導致識別準確度不高的缺點，又能快速排除干擾物的干擾，縮短干擾物的排除時間，即提高了運行效率。

圖9 Canny算子提取的邊緣圖

表1 各識別算法的運行時間

[1] 唐海波. 基于FPGA的森林火災圖像檢測方法研究與實現(xiàn)[D]. 哈爾濱: 黑龍江大學, 2012: 04.

Haibo Tang.The Research of Forest Fire Image Detection Method Based on FPGA[D]. Haerbin: Heilongjiang University, 2012: 04.

[2] 李杰. 基于數(shù)字圖像處理的森林火災識別方法研究[D]. 北京: 北京林業(yè)大學, 2009: 06.

LI Jie.The Research of Forest Fire Recognition Method Based on Digital Image Processing [D].Beijing:Beijing Forestry University, 2009: 06.

[3] 程鑫, 王大川. 圖形型火災火焰探測原理[J]. 火災科學, 2005, 14(4): 239-244.

CHENG Xin, WANG Da-chuan. The principleof graphic type fire flame detection[J]., 2005, 14(4): 239-244.

[4] 王振華, 王慧琴, 王燕妮. 基于視頻圖像的火災探測方法[J]. 世界科技研究與發(fā)展, 2008, 30(2): 161-164.

WANG Zhenhua, WANG Huiqin, WANG Yan-ni. Themethod of fire detection based on video image[J]., 2008, 30(2): 161-164.

[5] 姚樹響. 基于圖像型的火災探測及定位技術的研究[D]. 重慶: 重慶大學, 2008.

YAO Shu-xiang. The Researchof Fire Detection and Positioning Technology Based onImage[D].Chongqing: Chongqing University, 2008.

[6] 米銳. 火災圖像自動監(jiān)測技術的研究與開發(fā)[D]. 成都: 四川大學, 2003.

MI Rui.The Research and Development of Fire Image Automatic Monitoring Technology[D].Chengdu: Sichuan University, 2003.

[7] 冷春艷. 基于紅外圖像處理的森林火災識別關鍵技術研究[D]. 成都: 電子科技大學, 2012.

LENG Chun-yan. The Research of Forest Fire Recognition Key Technology Based on Infrared Image Processing[D]. Chengdu: University of Electronic Science and Technology of China, 2012.

[8] 周強, 白廷柱, 劉明奇. 基于可見光圖像的近紅外場景仿真[J]. 紅外技術, 2015, 37(1): 11-15.

ZHOU Qiang, BAI Ting-zhu, LIU Ming-qi, et al. Near infrared scene simulation based on visual image[J]., 2015, 37(1): 11-15.

The Research of Forest Fire Recognition Method Based on Image Processing

ZHU Sisi1，DING Degong1, 2，CHEN Chaoying3，ZHAO Fangzhen1

(1.,,542899,; 2.,,415000,; 3...,518055,)

This paper mainly studies the physical characteristic information of the flame. Combined with image processing technology, a kind of forest fireworks recognition method based on the characteristics of high brightness regional image is proposed. The key of the method is that it uses the feature of pretreatment image color, size and roundness to achieve fireworks recognition. It makes up the disadvantage of single algorithm with low accuracy which only analyzes single feature. Also, it can quickly eliminate the interference, improve the operational efficiency of the whole forest fireworks image recognition.

image processing，fireworks recognition，roundness

TP391.41，TP274

A

1001-8891(2016)05-0440-07

2015-09-28；

2015-11-13.

朱思思（1988-），女，江西南昌人，碩士研究生，主要研究方向：電子技術與圖形圖像處理。E-mail：393638161@qq.com。

丁德紅（1975-），男，湖南常德人，博士，高工，主要研究方向：圖形圖像處理、紅外熱成像。E-mail：dingdehong@qq.com。

廣西高?？蒲许椖浚↘Y2015ZD127），湖南文理學院博士科研啟動基金，廣西高?？茖W技術研究項目重點項目（ZD2014129）。