基于區(qū)域生長的紅外圖像火源檢測方法

劉玉婷，李冰寒，酒銳波

（凱邁（洛陽）測控有限公司，河南 洛陽 471000）

在夜間復(fù)雜的環(huán)境背景下，觀察遇到的最大難點是光強(qiáng)不足及對比度差，單憑人眼是很難在夜間觀察目標(biāo)及環(huán)境的，因此，夜間也就成為火源高發(fā)的時間段。近年來，紅外成像技術(shù)作為一項前途廣闊的高新技術(shù)，對夜間實時探測具有重要的影響作用。區(qū)域生長是根據(jù)事先定義的準(zhǔn)則將像素或者子區(qū)域聚合成更大區(qū)域的過程。其基本思想是從一組生長點開始，將與該生長點性質(zhì)相似的相鄰像素或者區(qū)域與生長點合并，形成新的生長點，重復(fù)此過程直到不能生長為止。區(qū)域生長是一種典型的圖像分割方法，最早的區(qū)域生長圖像分割方法是由Levine等人提出來的。該方法一般有兩種方式，一種是先給定圖像中要分割的目標(biāo)物體內(nèi)的一個小塊或者說種子區(qū)域，再在種子區(qū)域基礎(chǔ)上不斷將其周圍的像素點以一定的規(guī)則加入其中，達(dá)到最終將代表該物體的所有像素點結(jié)合成一個區(qū)域的目的；另一種是先將圖像分割成很多的一致性較強(qiáng)，如區(qū)域內(nèi)像素灰度值相同的小區(qū)域，再按一定的規(guī)則將小區(qū)域融合成大區(qū)域，達(dá)到分割圖像的目的，典型的區(qū)域生長法如T.C.Pong 等人提出的基于小面模型的區(qū)域生長法，本文將采用對圖像中要分割的目標(biāo)物體內(nèi)的一個小塊作為區(qū)域進(jìn)行判斷，然后，采用類空間合并的方法確定該塊目標(biāo)是否是火源。

1 算法設(shè)計

（1）從當(dāng)前圖像的第一行進(jìn)行判斷，假設(shè)當(dāng)前值大于閾值，記錄起始列的坐標(biāo)，接著往下判斷，如果接下來的數(shù)小于閾值，則記錄當(dāng)前塊的結(jié)束列坐標(biāo)，并記錄當(dāng)前行的行號，依次方法接著往下判斷，找出當(dāng)前行所有滿足條件的塊并記錄；如果當(dāng)前行沒有滿足條件的塊，則對下一行進(jìn)行判斷，直到找到滿足條件的塊。

（2）接著對下一行進(jìn)行判斷，依照上一步的方法，找出下一行中所有滿足條件的塊并記錄。

（3）根據(jù)下一行和上一行的鄰接關(guān)系，進(jìn)行類空間合并；

①假設(shè)上一行的目標(biāo)塊個數(shù)大于零，同時，假設(shè)當(dāng)前行的目標(biāo)塊個數(shù)大于零。先找出當(dāng)前行第一塊的段首值和段尾值，同時，找出上一行第一塊的段首值和段尾值，如果當(dāng)前行的段尾值小于上一行的段首值，則認(rèn)為其屬于一個新類，將行列信息記錄下來；如果當(dāng)前行的段首值小于上一行的段尾值，則進(jìn)行合并。合并規(guī)則為：如果當(dāng)前行的段首值大于上一行的段首值，則合并的段首值等于上一行的段首值；如果當(dāng)前行的段尾值小于上一行的段尾值，則合并塊的段尾值等于上一行的段尾值；將上一行作為合并塊的行最小值，當(dāng)前行作為合并塊的行最大值，將得到的行和列的信息記錄下來。②接著對當(dāng)前行第一塊和上一行第二塊進(jìn)行合并。如果當(dāng)前行的段尾值小于上一行第二塊的段首值，則當(dāng)前塊的合并結(jié)束；如果當(dāng)前行的段首值小于上一行第二塊的段尾值，則更新合并塊。合并規(guī)則同上，依次判斷當(dāng)前塊和上一行所有塊。③對當(dāng)前行第二塊進(jìn)行合并。先找出第二塊的段首值和段尾值，接著對當(dāng)前行第二塊和與當(dāng)前行第一塊合并的上一行最后那個塊進(jìn)行判斷，如果當(dāng)前行第二塊的段首值大于上一行有合并的最后那個塊的段尾值，則對當(dāng)前行第二塊和上一行有合并的最后那個塊的下一塊進(jìn)行合并，合并規(guī)則同上；如果當(dāng)前行第二塊小于上一行有合并的那個塊的段尾值，則首先對當(dāng)前行第二塊和上一行有合并的那個塊進(jìn)行合并，接著和上一行下一塊進(jìn)行合并。④依次方法，判斷當(dāng)前行所有的塊，并將各個塊的信息記錄下來。⑤將當(dāng)前行作為上一行，接著對下一行進(jìn)行分塊合并。⑥按照上邊的方法，完成整幀圖像的檢測判斷。

2 算法流程

圖1 為一行中找出滿足條件的塊的流程圖，圖2 為塊合并流程圖。

圖1 算法流程圖

圖2 塊合并流程圖

圖3 不同算法的火源檢測仿真

3 仿真結(jié)果

采用不同算法對紅外圖像下火源進(jìn)行仿真驗證（如圖3）。

由仿真結(jié)果可以看出，NCC 算法不僅檢測出火源，同時，將人、動物等也檢測出來，而本文算法可以準(zhǔn)確的檢測出火源，且不存在誤檢。

4 結(jié)語

采用基于區(qū)域生長的火源檢測方法不僅可以準(zhǔn)確的檢測出火源，同時，不存在誤檢、漏檢現(xiàn)象，且算法復(fù)雜度不高，方便硬件移植。這利于對野外大空間的早期火災(zāi)預(yù)警，具有重大價值。