SURF算法應(yīng)用在森林火災(zāi)火源圖像定位方面的研究

鄶士超，王文青

(1. 公安部沈陽(yáng)消防研究所，遼寧 沈陽(yáng) 110034；2. 公安部沈陽(yáng)消防研究所，遼寧 沈陽(yáng) 110034)

0 引言

進(jìn)入21世紀(jì)以來，隨著人類文明進(jìn)程的不斷推進(jìn)，工業(yè)化的程度逐漸加深，氣候逐年變暖，森林火災(zāi)愈發(fā)肆虐。全球每年發(fā)生森林火災(zāi)幾十萬次，受災(zāi)面積達(dá)到幾百萬公頃，約占森林總面積的0.1%。[1]嚴(yán)重的森林火災(zāi)會(huì)造成土壤沙漠化等嚴(yán)重的生態(tài)問題，對(duì)自然環(huán)境傷害巨大。由于森林面積廣闊，一旦發(fā)生火災(zāi)往往伴隨火源定位困難的問題，隨著無人機(jī)技術(shù)的日漸成熟，通過無人機(jī)系統(tǒng)進(jìn)行火源圖像偵查，成為森林火災(zāi)消防偵察工作中的一種行之有效的技術(shù)手段。

由于無人機(jī)飛行中拍攝角度、風(fēng)速、本身機(jī)械振動(dòng)等因素的影響，所獲得的圖像往往存在圖像尺度不同，圖像不匹配等問題，這些問題使我們根據(jù)圖像進(jìn)行火情分析、火源定位變得困難重重，為此，開展圖像處理算法的研究具有重要意義。針對(duì)以上問題，提出使用SURF算法對(duì)森林火災(zāi)火源圖像進(jìn)行處理，經(jīng)過實(shí)驗(yàn)分析得出，SURF算法可以有效的解決圖像尺度不同、圖像不匹配等問題，達(dá)到不同圖像間特征點(diǎn)的有效匹配。

1 森林火災(zāi)特點(diǎn)

森林火災(zāi)具有發(fā)生偶然性大、火災(zāi)危險(xiǎn)性強(qiáng)、作業(yè)范圍廣、防控難度大等特點(diǎn)，研究森林火災(zāi)的防控技術(shù)需要立足于森林火災(zāi)的特點(diǎn)。

1.1 森林火災(zāi)成因

歐洲國(guó)家森林火災(zāi)發(fā)生的主要原因是人為縱火和天然跑火，天然火源在總火源中所占比重為5%左右。[2]這說明，在森林火災(zāi)的防控中，做好法制宣傳教育很重要。

1.2 森林火災(zāi)類型

在世界范圍來看，針葉林和萌生林地是森林火災(zāi)高發(fā)區(qū)。例，1990-1992年間，意大利森林火災(zāi)中針葉林火災(zāi)面積比重分別為61.95%，62.18%和69.46%；[3]1990-1991年，加拿大森林火災(zāi)中針葉林和萌生林比重分別為34.61%和25.23%。[4]世界范圍內(nèi)，各國(guó)森林火災(zāi)情況各異，相應(yīng)的防火滅火技術(shù)也不盡相同，但是還是有很多的共通之處。

1.3 森林防火技術(shù)

首先，加強(qiáng)森林防火的法制宣傳教育被世界各國(guó)所重視。為了加強(qiáng)森林防火的觀念，世界各國(guó)紛紛出臺(tái)相關(guān)法案，對(duì)森林地區(qū)實(shí)施嚴(yán)格的管理，控制野外用火，盡可能的防止森林火災(zāi)的發(fā)生。其次，采取林火阻隔技術(shù)預(yù)防森林火災(zāi)。世界各國(guó)根據(jù)本國(guó)森林地區(qū)的實(shí)際情況，采取林區(qū)道路、防火林帶、防火線等林火阻隔技術(shù)預(yù)防森林火災(zāi)。再次，采取林火監(jiān)測(cè)技術(shù)預(yù)防森林火災(zāi)。地面巡檢、瞭望臺(tái)瞭望和空中巡護(hù)是世界各國(guó)廣泛采取的林火監(jiān)測(cè)技術(shù)。但是，由于森林地區(qū)往往地域廣闊的實(shí)際情況，地面巡檢有其局限性。瞭望臺(tái)瞭望，會(huì)受到天氣等諸多因素的影響。采用飛機(jī)的空中巡護(hù)，速度快、視角廣闊，但是成本較高，難以實(shí)現(xiàn)頻繁的林火監(jiān)測(cè)工作。

1.4 森林火災(zāi)圖像偵察特點(diǎn)

隨著社會(huì)的不斷進(jìn)步，科技不斷發(fā)展，新的技術(shù)層出不窮并得到廣泛的應(yīng)用。日漸成熟的無人機(jī)技術(shù)，成為一項(xiàng)全新的林火監(jiān)測(cè)技術(shù)。使用無人機(jī)系統(tǒng)進(jìn)行林火監(jiān)測(cè)，不僅具有飛機(jī)空中巡護(hù)速度快、視角廣闊的優(yōu)勢(shì)，同時(shí)成本低廉，應(yīng)用前景廣闊。鑒于森林的環(huán)境特點(diǎn)，采用圖像對(duì)森林進(jìn)行火災(zāi)偵察，只要有效的獲取森林圖像的特征點(diǎn)就可以實(shí)現(xiàn)目標(biāo)。

采用無人機(jī)航拍圖像，進(jìn)行森林火災(zāi)監(jiān)測(cè)具有巨大優(yōu)勢(shì)。但是由于拍攝角度、風(fēng)速、機(jī)械振動(dòng)等因素會(huì)對(duì)拍攝的圖片的產(chǎn)生圖像不匹配的問題，所以需要采用一定的圖像處理算法，實(shí)現(xiàn)不同角度、不同大小圖像的良好匹配。

2 SURF算法

SURF算法是Bay等人于2006年提出，是SIFT算法的改進(jìn)算法[5]，和SIFT算法相比，SURF算法具有巨大的優(yōu)勢(shì)，一方面提高運(yùn)行速度，另一方面魯棒性增強(qiáng)，這對(duì)于圖像處理具有深遠(yuǎn)的意義，SURF算法主要包括如下的步驟：

2.1 近似Hessian矩陣

Hessian矩陣是對(duì)函數(shù)進(jìn)行偏導(dǎo)數(shù)所得，圖像中的某個(gè)像素點(diǎn)可以定義為：

2.2 構(gòu)建尺度空間

通過不同尺寸的框形濾波器同原始圖像在不同方向上的卷積，實(shí)現(xiàn)多尺度空間的建立，在各尺度空間，每個(gè)像素點(diǎn)在3×3×3鄰域內(nèi)，采取非極大值抑制法，得到極大值，從而找出特征點(diǎn)的位置和尺度。

2.3 描述特征點(diǎn)

SURF算法通過計(jì)算積分圖像的一階Haar小波響應(yīng)，來獲得特征點(diǎn)鄰域的灰度分布信息，從而實(shí)現(xiàn)描述特征點(diǎn)的目的。

首先，以特征點(diǎn)為中心，在以6δ（δ為該點(diǎn)的尺度）為半徑的圓形區(qū)域內(nèi)，使用4δ的Haar小波模板處理圖像，獲得x, y兩個(gè)方向上的Haar小波響應(yīng)，如圖1所示為Haar小波x方向和y方向的模板，

圖1 Haar小波x方向和y方向模板示意圖Fig 1. Template Schematic Diagram of X and Y Direction of Haar Wavelet

黑色代表權(quán)系數(shù)為-1，白色代表權(quán)系數(shù)為+1。

根據(jù)Haar小波響應(yīng)，圍繞興趣點(diǎn)進(jìn)行高斯函數(shù)加權(quán)，調(diào)整權(quán)重，使用角度為60度的扇形窗口遍歷整個(gè)區(qū)域，通過累加每個(gè)區(qū)域內(nèi)特征點(diǎn)的Haar小波響應(yīng)向量，分別形成方向矢量6個(gè)，該特征點(diǎn)的主方向就是最大矢量和的方向。

其次，圍繞特征點(diǎn)，坐標(biāo)軸方向按照特征點(diǎn)主方向，生成邊長(zhǎng)為20δ（δ為該點(diǎn)的尺度）的矩形，再將矩形分為4×4共16個(gè)小矩形區(qū)域，在每個(gè)區(qū)域內(nèi)計(jì)算5×5采樣的Haar小波響應(yīng)通過將小區(qū)域內(nèi)的分別求和得到四維特征向量16個(gè)區(qū)域的四維特征向量連接起來共形成一個(gè)64維的特征向量，即為該特征點(diǎn)的描述特征向量，據(jù)此進(jìn)行特征點(diǎn)的匹配[7-8]。

3 實(shí)驗(yàn)結(jié)果與分析

借助MATLAB工具，編制軟件程序?qū)URF算法在森林火災(zāi)圖像處理方面進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)分成兩部分：一種是把不同尺寸森林火災(zāi)的圖片進(jìn)行特征點(diǎn)匹配；第二種情況是把經(jīng)過旋轉(zhuǎn)后的森林火災(zāi)的圖片進(jìn)行特征點(diǎn)匹配。

把經(jīng)過縮放的圖片和原始圖片通過SURF算法進(jìn)行特征點(diǎn)匹配，用于模擬不同尺寸圖片的特征點(diǎn)匹配，如圖2所示匹配效果很好，圖片特征能夠有效的識(shí)別出來。

圖2 不同尺寸圖片特征點(diǎn)匹配圖Fig 2. Feature Points Matching Graph of Different Sizes

圖3 不同角度圖片特征點(diǎn)匹配圖Fig 3. Image Feature Points Matching Graphs at Different Angles

把經(jīng)過旋轉(zhuǎn)的圖片和原始圖片通過SURF算法進(jìn)行特征點(diǎn)匹配，用于模擬不同角度圖片的特征點(diǎn)匹配，如圖3所示，存在一定的誤配點(diǎn)，但是整體匹配效果良好，能夠把圖片特征進(jìn)行有效的識(shí)別。

4 結(jié)論

經(jīng)過理論分析和實(shí)驗(yàn)驗(yàn)證，SURF算法能夠有效的分析出森林火災(zāi)圖像中的特征點(diǎn)[9]，進(jìn)行良好的特征點(diǎn)匹配，雖然還存在一定的不足，但是該算法在森林火災(zāi)火源圖像定位方面具有廣闊的應(yīng)用前景。

參考文獻(xiàn)：

[1]舒立福,田曉瑞，李紅.世界森林火災(zāi)狀況綜述[J].世界林業(yè)研究，1998,11(6):41-46. SHU Li-fu, TIAN Xiao-rui, LI Hong. A Summary of World Forest Fire Status [J]. World Forestry Research,1998,11 (6): 41-46.

[2]舒立福,田曉瑞.國(guó)外森林防火工作現(xiàn)狀及展望[J].世界林業(yè)研究，1997,10(2):28-36. SHU Li-fu, TIAN Xiao-rui. Present Situation and Prospect of Foreign Forest Fire Prevention Abroad, [J]. World Forestry Research, 1997,10 (2): 28-36.

[3]文定元.森林防火基礎(chǔ)知識(shí)[M]，中國(guó)林業(yè)出版社，1994. WEN Ding-yuan. Forest Fire Prevention Knowledge[M], Chinese Forestry Press, 1994.

[4]Natural Resources Canada and Canadian Forest Service. The State of Canada’s Forests 1996-1997[M]. Micromedia Ltd.，1997.

[5]Bay H，Tuytelaars T，Gool LV. Surf: speeded up robust features[C]//Processing of the 9th European Conference on Computer Vision. New York，USA:ACM Press, 2006:404-417.

[6]HERBERT B,ANDREAS E, TINNE T，et al. Speeded up robust features(SURF)[J].Computer Vision and Image Under-standing，2008,110（3）：346-359.

[7]江濤.用于特定大規(guī)模森林火災(zāi)——火源的圖像處理技術(shù)[J].紅外，199,01:21. JIANG Tao. Image Processing Technology of Fire Sources and for Specific Large-scale Forest Fires [J]. Infrared, 199,01:21.

[8]金華彪.夏雨人.張振偉.數(shù)字圖像處理在火災(zāi)探測(cè)技術(shù)領(lǐng)域的應(yīng)用[J].微型電腦應(yīng)用，2003,5:25-27. JIN hua-Biao. XIA Yu-ren. ZHANG Zhen-wei. Application of Digital Image Processing in Field of Fire Detection Technology [J]. Microcomputer Application, 2003,5:25-27.

[9]房君生.科學(xué)管理野外火源減少森林火災(zāi)發(fā)生確保森林資源和生態(tài)建設(shè)成果[J].中國(guó)新技術(shù)新產(chǎn)品，2011,02:360-361. FANG Jun-sheng. Scientifically Managing Field Fire, Reducing Forest Fire to Protect Forest Resources and Ecological Construction Achievements [J]. China New Technology and New Products, 2011,02:360-361.