基于碼書模型的森林火情自動檢測

李國良

（中國林業(yè)科學(xué)研究院高原林業(yè)研究所,云南昆明，650233）

0 引言

森林火災(zāi)被公認為世界八大自然災(zāi)害之一[1]，具有突發(fā)性強、破壞性大、救助困難等特點，給地球環(huán)境和人類生產(chǎn)生活帶來的巨大危害及損失直接影響社會安定。預(yù)防工作是防止森林火災(zāi)發(fā)生的先決條件，越來越受到世界各國重視，因此開展森林火情自動檢測研究對預(yù)防森林火災(zāi)具有重要意義。

當森林火災(zāi)發(fā)生時，森林圖像中作為火情特征的濃煙和火焰相對于正常森林場景呈現(xiàn)出非常明顯的運動狀態(tài)，因此可以將正常的森林場景視為背景信息，將火情特征視為運動目標前景信息，將計算機碼書模型應(yīng)用于森林火情檢測，滿足檢測的實時性和精確性[2]。

1 碼書模型實現(xiàn)森林火情自動檢測

傳統(tǒng)碼書模型[3]通過對每個像素點建立一個碼書來記錄背景信息實現(xiàn)前景分割[4]，具有很好的前景分割性能，本文基于該思想通過優(yōu)化傳統(tǒng)碼書模型實現(xiàn)森林火情自動檢測。

1.1 碼書與碼字的結(jié)構(gòu)定義

為森林圖像數(shù)據(jù)中的每一個像素建立一個基于時間序列地碼書,當前像素的碼書為CodeBook= {c1,c2,…cL}，其中有L個碼字。碼字的顏色向量信息為。碼字元素為。碼字元素中保存著能反應(yīng)火情是否發(fā)生的亮度值特征，其中和在碼字為空時分別表示碼字對應(yīng)像素的最小亮度值和最大亮度值，碼字不為空時分別表示碼字的最小亮度值和最大亮度值，可根據(jù)二者計算出碼字的亮度變化范圍[Ilow,Ihigh]，即像素點屬于背景的最小與最大亮度范圍。fi為碼字的匹配次數(shù)，用于得到背景模型對應(yīng)的背景圖像。λi為碼字最大消極步長，即該碼字出現(xiàn)的最大時間間隔。pi和qi表示碼字第一次出現(xiàn)和最后一次出現(xiàn)的次數(shù)，用于計算匹配次數(shù)。

1.2 碼書模型的背景構(gòu)造與更新

定義碼書和碼字的結(jié)構(gòu)后，選取300幀大小統(tǒng)一為1024*720的無人機傳回數(shù)據(jù)作為碼書模型的訓(xùn)練序列，訓(xùn)練構(gòu)造碼書背景模型，將像素的亮度值設(shè)為I= {i1,i2,…i1024*720}，總共1024*720個像素，ij(j= 1,…1024? 720)代表第t個像素的亮度值。為每個像素建立的碼書為CodeBook= {c1,c2,…cL}，碼書中的若干個碼字數(shù)目與場景的變化幅度有關(guān)，劇烈變化的碼書中碼字數(shù)目較多。由于森林場景中的背景變化復(fù)雜，所以本文將標準碼書模型簡化，降低計算復(fù)雜度。

具體的背景碼書模型構(gòu)造與更新過程：

（1）初始化碼書。為碼書申請空間，碼書和碼字都置為空。

（2）計算每個像素的亮度值。訓(xùn)練序列中圖像的像素連續(xù)采樣值為V= {v1,v2,…v300}，即同一個像素在不同時間的連續(xù)采樣值。其中第t幀圖像的采樣像素點vt(t= 1,… 300)根據(jù)當前像素亮度值公式計算亮度值為。

（3）碼書背景模型構(gòu)造與更新。根據(jù)本文判據(jù)每輸入一幀圖像都會進行碼字匹配，如果未匹配成功，就新建一個碼字cl，新碼字的顏色向量為，新碼字元素為。如果匹配成功，則將碼字融入背景模型，依據(jù)碼字更新公式將匹配的碼字cm的碼字顏色向量和碼字元素分別更新。

（4）由于采用的訓(xùn)練序列中存在噪聲干擾，也可能包含火情。所以在訓(xùn)練的過程中利用λi過濾掉表示噪聲和火情的碼字，得到較純凈的背景碼書：。

反復(fù)進行過程4和5的步驟，直至完成碼書背景模型的訓(xùn)練，我們就可以得到準確反映森林場景變化的背景模型。

1.3 森林火情目標檢測

在碼書背景模型訓(xùn)練完成后，對原始圖像進行火情目標檢測，遍歷圖像的所有像素，根據(jù)已經(jīng)生成的背景模型逐像素與對應(yīng)碼字進行匹配，判斷是否屬于背景碼書。匹配成功的判定為屬于背景像素，不成功地為火情像素，以此實現(xiàn)森林火情目標檢測。

目標檢測步驟：

（1）逐幀讀取待檢測的原始圖像。

（2）計算原始圖像中每一個像素的亮度值：

（3）根據(jù)本文判據(jù)到已訓(xùn)練完成的碼書背景模型中進行碼字匹配，如果匹配則判定該像素為背景像素，不包含火情信息。不匹配則判定該像素為火情像素，繼續(xù)檢測下一像素直至所有像素被遍歷。

（4）完成每一幀中所有像素的檢測后得到若干火情區(qū)域，將判定為背景的像素點的像素值置為0，判定為火情的像素點的像素值置為1，得到火情區(qū)域二值圖像。

（5）輸出火情區(qū)域二值圖像，得到基于碼書模型的檢測結(jié)果，檢測結(jié)束。

通過碼書模型對不同程度的火情進行目標檢測，得到了圖1所示實驗結(jié)果，檢測結(jié)果中的白色部分即為本文方法判定的火情發(fā)生區(qū)域，由于背景區(qū)域中存在點狀和線狀的噪聲，會對后續(xù)實驗造成干擾，所以需要進一步去除背景噪聲。

圖1 森林火情目標檢測

2 中值濾波去噪

中值濾波算法[5]是去除固定值脈沖噪聲的經(jīng)典方法，森林火情接近于恒定信號，中值濾波可以使輸出信號呈一致性，較完整保留圖像內(nèi)的火情信息。本文設(shè)置濾波窗口為5×5，實現(xiàn)背景噪聲完全去除。

3 設(shè)定閾值自動檢測火情

中值濾波完全消除背景噪聲，完整確定火情區(qū)域。由于二值化圖像的像素值為0和1兩種離散值，因此將列像素和[6]作為是否發(fā)生火情的判據(jù)。求出每列像素值之和存入數(shù)組A(i)，從圖像通道序列號i=1開始遍歷A(i),當滿足A(i)＞T這一判據(jù)時，判定當前數(shù)據(jù)中存在森林火情。

圖3為以圖像通道為橫軸，列像素和為縱軸繪制的統(tǒng)計直方圖，三個圖分別對應(yīng)圖2。圖中出現(xiàn)的大尖峰說明發(fā)生了森林火情，此起彼伏的小尖峰則為零散的小火情，結(jié)合原始圖像中的火情發(fā)生情況，將閾值T設(shè)置為5000實現(xiàn)自動檢測。

圖2 中值濾波去噪后圖像

圖3 列像素和統(tǒng)計直方圖

4 總結(jié)與展望

本文的碼書模型計算量、占用內(nèi)存均很小，在較強大的計算機硬件設(shè)備支撐下，接近于實時檢測。每個像素的碼書模型可以在一定時長后重新更新，能適應(yīng)較長時段后森林火情的發(fā)展變化，檢測準確率高。

本文方法可對白天森林圖像中的所有火情獲得很好的檢測效果。但對于夜間森林圖像，僅能保證火焰火情檢測的準確率，煙霧火情的準確率不高，未來將在本文基礎(chǔ)上開展提高夜間煙霧火情檢測準確率的研究。