基于紅外圖像的林火識別方法及實現(xiàn)*

吳兆明，鄭嫦娥，上官曉銳

(1.南京交通職業(yè)技術(shù)學院，電子信息工程學院，江蘇南京　211188；2.北京林業(yè)大學，北京　100083； 3.芝加哥州立大學，芝加哥　 IL 60628)

?

·技術(shù)方法·

基于紅外圖像的林火識別方法及實現(xiàn)*

吳兆明1※，鄭嫦娥2，上官曉銳3

(1.南京交通職業(yè)技術(shù)學院，電子信息工程學院，江蘇南京211188；2.北京林業(yè)大學，北京100083； 3.芝加哥州立大學，芝加哥 IL 60628)

森林火災(zāi)是一種突發(fā)性強、破壞性大且處置救助較為困難的自然災(zāi)害，會對森林、森林生態(tài)系統(tǒng)和人類帶來一定危害和損失。早期的林火判別多基于溫度、煙霧以及24小時圖像監(jiān)測實現(xiàn)，主觀性強，標準單一，且誤報率高。如何快速發(fā)現(xiàn)林火目標并及時報警撲滅，已經(jīng)成為國內(nèi)外學者研究的熱點之一。文章基于紅外熱像儀，對大量森林背景及模擬林火狀態(tài)進行了圖像和溫度數(shù)據(jù)的采集，首次提出了基于溫度標準差方法進行熱源識別的概念，得出了不同地點、不同時間段森林背景的溫度標準差分布，以及明火溫度在各階段的波動范圍，為林火的預(yù)防和監(jiān)測提供了重要依據(jù)。同時，通過對干擾源進入前后的紅外圖像進行預(yù)處理和分析，對比目標熱源的像素面積變化率及其圓形度，即可準確實現(xiàn)部分干擾熱源的排除。實驗結(jié)果證明，將此基于紅外圖像的熱源初判原則與干擾源排除的規(guī)律應(yīng)用于林火監(jiān)測，方法簡單有效，準確率高，對降低森林火災(zāi)的發(fā)生率，提高社會經(jīng)濟效益有著重要的作用。

林火紅外圖像火源識別溫度標準差預(yù)處理

0　引言

森林資源是自然生態(tài)環(huán)境中不可或缺的一部分，同時也是調(diào)節(jié)氣候、改善人類生存環(huán)境的重要物質(zhì)基礎(chǔ)。據(jù)聯(lián)合國糧農(nóng)組織(FAO)發(fā)布的《2015年世界森林資源評估報告》顯示，世界森林面積仍在減少，森林占全球土地面積的比例已從1990年的31.6%(41.28億hm2)下降至2015年30.6%(39.99億hm2)。影響森林資源的因素有很多，包括水土流失、土地沙漠化等，但破壞最為嚴重的應(yīng)屬森林火災(zāi)。據(jù)《2015年中國林業(yè)發(fā)展報告》顯示， 2014年，全國共發(fā)生森林火災(zāi)3 703起，其中一般森林火災(zāi)2 080起、較大森林火災(zāi)1 620起，全國森林火災(zāi)受害森林面積達1.911 0萬hm2[1-2]。由此可見，預(yù)防和監(jiān)測森林火災(zāi)，實現(xiàn)監(jiān)測信息精確化和智能化的研究仍需進一步深入。

傳統(tǒng)的林火監(jiān)測方式有人工瞭望臺、飛機巡航、衛(wèi)星監(jiān)測等，但這些方式大都依靠人工經(jīng)驗，準確率低，且易于受自然環(huán)境及干擾物的影響，監(jiān)測效果一般。隨著信息智能化及微處理技術(shù)的發(fā)展，森林火災(zāi)的探測系統(tǒng)及內(nèi)部火災(zāi)檢測算法的研究都取得了突出的進展。“森林衛(wèi)士365”為我國海普公司提出的一套森林防火的全面解決方案[3]，它通過圖像識別及3D GIS技術(shù)，在林間鋪設(shè)高清無線視頻監(jiān)控網(wǎng)絡(luò)，實時監(jiān)控森林狀態(tài)，對火災(zāi)預(yù)防有較重要的現(xiàn)實意義。文獻[4]結(jié)合BP神經(jīng)網(wǎng)絡(luò)分析火災(zāi)圖像形體特征的動態(tài)變化，減少干擾誤差，提高火災(zāi)識別圖像的信噪比。文獻[5]對紅外圖像進行分割及多特征綜合識別，通過RGB色彩飽和度的判斷，提高火焰識別的精確度。

由于紅外成像技術(shù)不受氣候和能見度的影響，且體積小、功耗小[6]，文章將重點研究利用紅外熱成像儀進行火災(zāi)的快速識別方法。通過分析火源在不同階段的紅外成像，以及干擾物引起的面積和圓形度等特征變化，得出林火識別的一般規(guī)律。

1　紅外圖像中火源識別方法

1.1火源識別原理

森林火災(zāi)的預(yù)防要比撲滅重要得多，因此，如何快速識別火源，對減少環(huán)境危害及人類生產(chǎn)服務(wù)有著重要的意義。在林火監(jiān)測時，大多數(shù)情況下紅外熱成像儀反饋的是無火時的森林背景視頻。如何能從紅外視頻流中快速識別出火源是快速識別林火的關(guān)鍵。正常情況下，一切物體都會輻射紅外線，紅外輻射的物理本質(zhì)是熱輻射，熱輻射的程度主要由物體的溫度所決定，溫度越高輻射出的紅外線越多，紅外輻射的能量就越強[7]。而紅外輻射正常肉眼不能看出，需要將紅外光信號轉(zhuǎn)換成圖像信號進行處理，具體的檢測系統(tǒng)如圖1所示。

圖1　紅外信號處理過程

圖1中顯示紅外信號到最后的顯示需要進過光信號到模擬信號的轉(zhuǎn)化，然后模擬信號轉(zhuǎn)換成數(shù)字信號顯示。在這個過程中，設(shè)置有模擬信號處理過程，主要是實現(xiàn)對光信號的放大處理，然后經(jīng)過模數(shù)轉(zhuǎn)換模塊實現(xiàn)圖像顯示。一般情況下，林區(qū)森林背景溫度較均勻，一般在40～60℃； 而林間可燃物產(chǎn)生的火焰溫度為600～1 200℃，且林火溫度遠高于周圍環(huán)境溫度[8-9]。因此，該文提出利用有火與無火時熱紅外圖像溫度標準差的不同進行林火識別。

1.2森林背景的溫度特征分析

森林中以樹木為主，在其吸收太陽能的同時，也會向外輻射大量熱量。為了獲得熱紅外圖像中森林背景的溫度特征，該文通過大量實驗，提取了不同環(huán)境、不同時間的森林背景紅外圖像，計算并分析其溫度場數(shù)據(jù)的分布規(guī)律。該文一共采集了80幅森林背景紅外圖像及溫度數(shù)據(jù)，采集地點分別在校園內(nèi)、奧林匹克森林公園、百望山森林公園、頤和園、鷲峰森林公園，采集時間包括早上、中午和晚上，并針對不同地形、不同時間對森林背景進行了拍攝，如圖2。

圖2　不同地理環(huán)境的森林背景紅外圖像

圖3　80幅森林背景圖的溫度標準差

由圖3可知，在森林中，不同地點、不同時間段的森林背景溫度標準差比較穩(wěn)定，主要處于1～8之間。

1.3火源溫度特征分析

為了確定林火識別的判據(jù)，不僅要通過大量實驗來發(fā)現(xiàn)森林背景的溫度隨時間和地形的變化規(guī)律。更重要的是要發(fā)現(xiàn)在具有林火情況下紅外圖像的溫度分布規(guī)律。這樣便可以根據(jù)森林背景溫度分布規(guī)律與具有林火時的溫度分布規(guī)律來正確制定識別判據(jù)。

按照溫度隨時間的變化規(guī)律，火災(zāi)可以分為4個階段：初起階段、全面發(fā)展階段、衰減熄滅階段、余火階段，在前3個階段中均有明火出現(xiàn)。該文通過實驗總結(jié)了在具有明火情況下溫度的分布特性及其變化規(guī)律。林火實驗時實驗對象為林間混合物，在不同時間里共進行了4次明火實驗，其中包括點一堆火以及先后點兩堆火，獲得了大量視頻及紅外圖像，計算了各明火階段的溫度標準差數(shù)據(jù)，并做了相應(yīng)的統(tǒng)計，如圖4d。

圖4　各階段明火紅外圖像

由圖4可知，在有明火的情況下：紅外圖像中的溫度波動范圍保持在一個較大范圍內(nèi)，其溫度標準差為50～180之間，即使明火初起階段和明火衰減熄滅階段也保持在50～80的范圍之內(nèi)。對明火各階段紅外圖像數(shù)據(jù)處理后，不能忽略對余火紅外圖像的處理。因為余火雖然在可見光圖像中看不出其熱特征，但利用紅外圖像觀察時卻能發(fā)現(xiàn)其仍為明顯的熱源，而且中心溫度很高。所以，做了10組余火階段的紅外實驗來分析歸納余火的溫度分布規(guī)律。

根據(jù)圖5中實驗發(fā)現(xiàn)，即使可見光圖像中沒有火焰的存在，余火的內(nèi)部溫度仍非常高。整幅紅外圖像的溫度數(shù)據(jù)的標準差值分布在40～70之間，這與森林背景溫度數(shù)據(jù)標準差值也有一定的差距。

1.4基于溫度標準差的林火識別判據(jù)

綜上所述，可以得出如下林火識別的判據(jù)：如果整幅紅外圖像的溫度標準差分布在0～10之間，基本可以判定該幅紅外圖像中沒有火源； 如果整幅紅外圖像的溫度標準差分布在40～180之間，可以初步判定該幅紅外圖像中有火源存在。判別規(guī)則如表1所示。

表1　各階段紅外圖像溫度標準差分布

無火源起初階段全面發(fā)展階段余火階段0～1050～8080～18040～70

圖5　余火階段數(shù)據(jù)統(tǒng)計

2　干擾熱源的排除

當發(fā)生火災(zāi)時，受周邊自然環(huán)境的影響，火源的特征變化較不穩(wěn)定，例如火焰燃燒的溫度、火勢擴散的面積、燃燒的形狀、輻射的強度等都不確定，這對分析紅外圖像的特性有較大的難度。森林中環(huán)境復(fù)雜，存在各種干擾熱源，比如動物的出沒，闊葉或者玻璃等對太陽光的反射等，這會引起整幅圖像溫度標準差的變化。該文主要討論人出沒以及物體反光這2個最常見的干擾因素并提出判據(jù)排除干擾。如何針對紅外圖像，區(qū)分火源和不必要的干擾，也是該文研究的重點之一。該文將著重討論人出沒以及物體反光這2個最常見的干擾因素，著重分析這2種干擾在紅外圖像中受影響的面積及圓形度變化率，以此提出判據(jù)排除干擾。

2.1圖像預(yù)處理

攝像頭檢測到的森林背景在經(jīng)紅外成像系統(tǒng)傳輸后，形成的圖像中存在一定的噪聲及非線性偏移，這就要求我們對圖像進行預(yù)處理操作，該步驟一般可分為增強、分割和濾波，具體如圖6所示。

圖6　火焰圖像預(yù)處理

圖6a為原紅外圖像。利用溫度數(shù)據(jù)，利用前景與背景的灰度差值設(shè)定閾值，成功將原圖變?yōu)槎祱D像，并從背景中分割出火焰，如圖6b。因為分割圖形的數(shù)據(jù)不連續(xù)性，為了填充火焰內(nèi)細小孔洞、連接斷開的火焰輪廓，需要進行形態(tài)分析，對圖像進行開閉運算，平滑其邊界的同時并不明顯改變其面積，處理結(jié)果如圖6c。最后，圖6d是通過腐蝕函數(shù)來對整個圖像進行平滑處理，去除不必要的像素點，使得圖像能接近火焰實質(zhì)，大大提高火焰面積計算的準確率。

2.2干擾熱源的排除

2.2.1人或動物干擾

人或動物進入紅外熱成像儀視場之后，其面積波動范圍很小。然而，火焰在燃燒的整個階段，其面積、方向、尖角數(shù)量等不斷變化。因此，當人或動物進入視場之后，只需計算其一段時間內(nèi)的面積，分析其面積變化大小，再和火焰的面積變化相比，便可以判定并排除這類干擾熱源。

圖7　相鄰幀人物干擾分割

圖8　人體面積變化趨勢　　　　　　　　　　　　　　　 圖9　燃燒過程火焰面積變化

由圖8和圖9對比可知，在一段時間內(nèi)，人在紅外圖像中內(nèi)的面積變化很小，像素點變化不超過100，而火焰燃燒時的面積變化超過2 000像素，遠大于人的像素變化。所以，當目標熱源的面積變化率隨時間變化很小時，便可以判定其不是火源。

2.2.2反光物體干擾

森林中許多物體都能反射光線，當反射太陽光的物體進入熱像儀視野時，整幅圖像的溫度標準差會提高很多，將對火源判別造成一定干擾。樹葉、玻璃等反光物體的圓形度較大，且基本不隨時間變化； 而火焰在燃燒過程中面積變化大，尖角特征明顯，且輪廓不斷變換。因此，利用圓形度可以有效排除圓形物體反射光造成的干擾。圓形度是表征物體形狀的復(fù)雜程度，其計算公式為[10-12]：

其中u為圓形度，L為周長，s為可疑區(qū)域的面積。

圖10　反光鏡子圖像

圖11　圓形度對比

由圖10 和圖11可知，圓形物體或者比較有規(guī)則的物體其圓形度維持在0.8～1之間。不管在何種燃燒階段，燃燒火焰的圓形度都維持在0.1～0.3之間。因此，當目標熱源的圓形度處于0.8～1之間時，可以判定其屬于干擾熱源。

3　結(jié)論

該文利用紅外熱像儀進行了大量實驗，包括林火模擬實驗以及不同森林背景的紅外圖像采集實驗。首次提出了溫度標準差的熱源初判判據(jù)，可以有效進行熱源初判； 當溫度標準差在(0， 10)范圍內(nèi)，都屬于正常無林火狀態(tài)，若該值高于10，處于(50， 180)范圍內(nèi)，則屬于明火階段，需要立即采取滅火措施。該文在對林火紅外圖像進行預(yù)處理的同時，也著重分析了干擾熱源的排除依據(jù)，實驗結(jié)果顯示，當目標熱源的面積變化率隨時間變化很小，或其圓形度處于0.8～1之間時，可判定其屬于干擾熱源。以上研究結(jié)論對增強林火監(jiān)測的準確率有一定參考意義，但在紅外圖像處理的算法以及干擾特征多樣性方面還有待深入研究。

[1]陳景和， 王家福，趙廷翠，等.我國與世界森林資源評估分析.山東林業(yè)科技， 2015, 45(3): 94～96

[2]張茂月. 淺析無因管理制度規(guī)則對森林生態(tài)效益補償制度設(shè)計的借鑒意義.中國農(nóng)業(yè)資源與區(qū)劃，2014, 35(3): 32～38

[3]賴小龍， 于文.基于多傳感器數(shù)據(jù)融合的早期林火識別.西北林學院學報，2015，30(4)： 178～183

[4]Qiang Yan，Pei Bo.Forest Fire Image Intelligent Recognition based on the Neural Network.Journal of Multimedia， 2014， 9(3)

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

[6]DARKO KOLARI]，KAROLJ SKALA.Integrated System For Forest Fire Early Detection and Management.Periodicum Biologorum， 2008, 110(2): 205～211

[7]王思嘉， 裴海龍.基于火焰圖像紅外動態(tài)特征的早期火災(zāi)識別算法.現(xiàn)代電子技術(shù), 2010，(8)： 104～110

[8]張德豐.MATLAB數(shù)字圖像處理.北京：機械工業(yè)出版社， 2009

[9]岡薩雷斯． 數(shù)字圖像處理(第三版).北京：電子工業(yè)出版社， 2011

[10]鄧志華， 楊立中，陳曉軍，等.火災(zāi)早期特性分析及影像特征研究.自然科學進展， 2001, 11(1): 81～85

[11]呂立新， 丁德銳，楊克玉，等.基于ARM和圖像識別算法的火災(zāi)探測系統(tǒng)設(shè)計.計算機工程與設(shè)計， 2008, 29(10): 2530～2533

[12]蘆雪妍， 崔曉陽.大興安嶺森林火燒對土壤生境質(zhì)量影響研究.中國農(nóng)業(yè)資源與區(qū)劃， 2016, 37(2): 76～78

IMPLEMENTATION OF FOREST FIRE RECOGNITION BASED ON INFRARED IMAGE*

Wu Zhaoming1※，Zheng Change2，Shangguan Xiaorui3

(1.Department of Electrical & Information Engineering，Nanjing Communications Institute of Technology，Nanjing， 211188，China；2.Beijing Forestry University，Beijing 100083，China； 3.Chicago State University，Chicago IL 60628，America)

Forest fire is a kind of natural disaster which happens suddenly, had strongly destructive power, and difficult to handle with. It can bring huge harm and loss to the ecosystem and human production and development, and becomes one of the hottest research issues on how to find the forest fire timely, sound the alarm and extinguish the fire. Based on large amount of experiments about forest environment and forest fire by the infrared thermography, this paper firstly provided a method using standard deviation of temperature to distinguish heat source. Furthermore, it excluded some kind of interference heat sources according to their area changing ratio and circularity. The experiment results showed that the conclusions and rules to monitor forest fire were simple and effective, and can be applied to the practical environment with great accuracy.

forest fire; infrared images; fire source identification; standard deviation of temperature; pretreatment

10.7621/cjarrp.1005-9121.20160803

2016-03-01

吳兆明(1976—)，男，江蘇鹽城人，副教授、學院院長。研究方向：計算機信號技術(shù)、網(wǎng)絡(luò)技術(shù)應(yīng)用。Email：wuzhaoming1976@163.com

TP391.41；F307.2

A

1005-9121[2016]08-0021-07

*資助項目：國家自然基金資助項目“微小型投擲式林火余火探測機器人群體的監(jiān)測方法研究”(31200544)； 高等學校學科點專項科研基金資助項目(20110014120012)； 中央高校基本科研業(yè)務(wù)費專項資金資助項目(YX2013-14)