首页 / 专利库 / 视听技术与设备 / 均值漂移过程 / 林火识别方法和系统

林火识别方法和系统

阅读:264发布:2020-05-11

专利汇可以提供林火识别方法和系统专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种林火识别方法和系统,可通过布设于林区的摄像头、卫星监控等方式获取观测区域在两个时隙的两个时相影像,分别对两个时相影像进行双三次样条插值计算得到两个插值影像,基于均值漂移分割 算法 对分别两个插值影像进行分类得到若干分类集合,分别对分类集合进行分割得到发生变更的区域点集,合并所有区域点集得到两个时相面基元,最后将两个时相面基元进行相似度计算,分离出疑似火种区域特征,将疑似火种区域特征与标准火种库进行比对认定火的区域地点、特征类型等;本发明通过分割影像区域的方式缩小了比对区域,减少了比对数据的处理量,起到提高识别速度,提高整体响应效率的技术效果。,下面是林火识别方法和系统专利的具体信息内容。

1.一种林火识别方法,其特征在于,包括:
获取观测区域在两个时隙的两个时相影像;
分别对两个时相影像进行双三次样条插值计算得到两个插值影像;
基于均值漂移分割算法对两个插值影像进行处理得到两个时相面基元;
将两个时相面基元进行相似度计算,分离出疑似火种区域特征;
基于疑似火种区域特征识别林火信息。
2.根据权利要求1所述的林火识别方法,其特征在于,基于均值漂移分割算法对插值影像进行处理得到时相面基元,包括:
基于均值漂移分割算法对插值影像数据进行分类;
将分类结果进行分割得到发生变更的区域点集;
合并所有的区域点集得到时相面基元。
3.根据权利要求2所述的林火识别方法,其特征在于,基于均值漂移分割算法对插值影像数据进行分类,具体包括:
步骤1)在插值影像数据中随机选择一个中心点;
步骤2)以距离所述中心点设定带宽范围内的数据点为一个集合计算偏移向量;
步骤3)中心点沿所述偏移向量移动;
步骤4)以新的中心点重复步骤1)至步骤3)直至偏移向量满足设定阈值,记录此时的中心点以及分类集合;其中,所述分类集合中的数据点为步骤1)至步骤4)过程中被访问频率高于设定频率的数据点;
步骤5)重复步骤1)至步骤4)直至所述插值影像中所有的数据点被归类,得到若干分类集合。
4.根据权利要求3所述的林火识别方法,其特征在于,将分类结果进行分割得到发生变更的区域点集,具体包括:
将步骤5)中得到的若干分类集合中,数据点数量高于设定值的分类集合分割出来作为发生变更的区域点集。
5.根据权利要求1所述的林火识别方法,其特征在于,将两个时相面基元进行相似度计算,分离出疑似火种区域特征,具体包括:
计算两个时相面基元的隔离值为:
基于隔离值分离出疑似火种特征区域;
其中,D(x,y)和DN(u,v)分别为两个时相面基元;N为图像特征辨别系数,β和γ分别为图像不同关键特征的取值,N、β和γ的取值根据目标对象的光谱特征、边缘、梯度特恒、纹理特征和/或高程特征确定。
6.林火识别系统,其特征在于,包括:
影像获取模,用于获取观测区域在两个时隙的两个时相影像;
对象构建模块,用于分别对两个时相影像进行双三次样条插值计算得到两个插值影像;并基于均值漂移分割算法对两个插值影像进行处理得到两个时相面基元;
对象相似度计算模块,用于将两个时相面基元进行相似度计算,分离出疑似火种区域特征;
识别模块,用于基于疑似火种区域特征识别林火信息。
7.根据权利要求6所述的林火识别系统,其特征在于,所述对象构建模块包括:
插值影像分类单元,用于基于均值漂移分割算法对插值影像数据进行分类;
分割单元,用于将分类结果进行分割得到发生变更的区域点集;
合并单元,用于合并所有的区域点集得到时相面基元。
8.根据权利要求7所述的林火识别系统,其特征在于,所述插值影像分类单元,具体用于:
步骤1)在插值影像数据中随机选择一个中心点;
步骤2)以距离所述中心点设定带宽范围内的数据点为一个集合计算偏移向量;
步骤3)中心点沿所述偏移向量移动;
步骤4)以新的中心点重复步骤1)至步骤3)直至偏移向量满足设定阈值,记录此时的中心点以及分类集合;其中,所述分类集合中的数据点为步骤1)至步骤4)过程中被访问频率高于设定频率的数据点;
步骤5)重复步骤1)至步骤4)直至所述插值影像中所有的数据点被归类,得到若干分类集合。
9.根据权利要求8所述的林火识别系统,其特征在于,所述分割单元,具体用于:将步骤
5)中得到的若干分类集合中,数据点数量高于设定值的分类集合分割出来作为发生变更的区域点集。
10.根据权利要求6所述的林火系统,其特征在于,所述对象相似度计算模块,具体用于:
计算两个时相面基元的隔离值为:
基于隔离值分离出疑似火种特征区域;
其中,D(x,y)和DN(u,v)分别为两个时相面基元;N为图像特征辨别系数,β和γ分别为图像不同关键特征的取值,N、β和γ的取值根据目标对象的光谱特征、边缘、梯度特恒、纹理特征和/或高程特征确定。

说明书全文

林火识别方法和系统

技术领域

[0001] 本发明属于林火监测技术领域,具体地说,是涉及一种林火识别方法和系统。

背景技术

[0002] 森林是人类的绿色宝库,而森林火灾是全球森林资源退减的重要原因之一,是一种突然发生破坏性大且难以救助的自然灾害,会造成极大危害和损失。
[0003] 深林防火工作是林业工作的重中之重,科学准确的实时监测不仅是森林防火的必然要求,还是有效控制火灾蔓延和减小经济损失的重要手段,也是火灾扑救指挥决策的重要参考。

发明内容

[0004] 本发明的目的在于提供一种林火识别方法和系统,结合双三样插值计算和均值漂移分割算法,对森林的疑似林火区域特征进行分割识别,再与标准火种库进行比对认定火的区域地点、特征类型等,提高了对林火的识别速度。
[0005] 为解决上述技术问题,本发明采用以下技术方案予以实现:
[0006] 提出一种林火识别方法,包括:获取观测区域在两个时隙的两个时相影像;分别对两个时相影像进行双三次样条插值计算得到两个插值影像;基于均值漂移分割算法对两个插值影像进行处理得到两个时相面基元;将两个时相面基元进行相似度计算,分离出疑似火种区域特征;基于疑似火种区域特征识别林火信息。
[0007] 提出一种林火识别系统,包括:影像获取模,用于获取观测区域在两个时隙的两个时相影像;对象构建模块,用于分别对两个时相影像进行双三次样条插值计算得到两个插值影像;并基于均值漂移分割算法对两个插值影像进行处理得到两个时相面基元;对象相似度计算模块,用于将两个时相面基元进行相似度计算,分离出疑似火种区域特征;识别模块,用于基于疑似火种区域特征识别林火信息。
[0008] 与现有技术相比,本发明的优点和积极效果是:本发明提出的林火识别方法和系统,可通过布设于林区的摄像头、卫星监控等方式获取观测区域在两个时隙的两个时相影像,分别对两个时相影像进行双三次样条插值计算得到两个插值影像,基于均值漂移分割算法对分别两个插值影像进行分类得到若干分类集合,分别对分类集合进行分割得到发生变更的区域点集,合并所有区域点集得到两个时相面基元,最后将两个时相面基元进行相似度计算,分离出疑似火种区域特征,将疑似火种区域特征与标准火种库进行比对认定火的区域地点、特征类型等;本发明通过分割影像区域的方式缩小了比对区域,减少了比对数据的处理量,起到提高识别速度,提高整体响应效率的技术效果。
[0009] 结合附图阅读本发明实施方式的详细描述后,本发明的其他特点和优点将变得更加清楚。

附图说明

[0010] 图1为本发明提出的林火识别方法的方法流程图
[0011] 图2为本发明提出的林火识别系统的架构图;
[0012] 图3为本发明提出的林火识别方法中均值漂移分割过程示意图;
[0013] 图4为本发明提出的林火识别方法步骤S2中的分类示意图。

具体实施方式

[0014] 下面结合附图对本发明的具体实施方式作进一步详细的说明。
[0015] 本发明提出的林火识别方法,基于如图2所示的林火识别系统实现,该林火识别系统中,包括影像获取模块1、对象构建模块2、对象相似度计算模块3和识别模块4,其中,影像获取模块1诸如布设于林区的摄像头、卫星监控等,对象构建模块2、对象相似度计算模块3和识别模块4实现对林火的识别,具体的,如图1所示,包括如下步骤:
[0016] 步骤S1:获取观测区域在两个时隙的两个时相影像。
[0017] 对目标观测区域,分别在时隙t1和t2获取第一时相影像f(x,y)和第二时相影像g(u,v)。
[0018] 步骤S2:分别对两个时相影像进行双三次样条插值计算得到两个插值影像。
[0019] 对第一时相影像f(x,y)做双三次样条插值计算,得到
[0020]其中,x′=x-1+i,y′=y-1+i,pj表示x方向第j行插值的中间值,[x]、[y]分别表示对x、y向下取整;
[0021]a为林区影像提取系数,根据不同林区的情况取值,一般取1即可。
[0022] 对第二时相影像g(u,v)做双三次样条插值计算,得到
[0023]其中,u′=u-1+i,v′=v-1+i,pj表示u方向第j行插值的中间值,[u]、[v]分别表示对u、v向下取整;
[0024]a为林区影像提取系数,根据不同林区的情况取值,一般取1即可。
[0025] 步骤S3:基于均值漂移分割算法对两个插值影像进行处理得到两个时相面基元。
[0026] 将步骤S2得到的两个插值影像数据分别进行均值漂移分割进行分类;分类之后,针对每个插值影像数据的分类,对分类结果进行分割得到发生变更的区域点集,最后合并所有的区域点集得到一个时相面基元。
[0027] 具体的,分类过程包括:1)如图3所示,在插值影像数据中随机选取一个中心点O,步骤2)以距离中心点O设定带宽h范围内的数据点为一个集合M,计算从中心点O开始到集合M内每个点的向量,将这些向量相加,得到偏移向量:
[0028] 式中,xv表示中心点O的x坐标值,h为带宽区域半径,xvi为中心点O带宽范围内的x坐标值,g(x)表示对x的导数求负,M(x)表示偏移均值。
[0029] 3)判断偏移向量是否满足设定的阈值要求,若不满足,则将中心点O沿着偏移向量p的方向移动,如图3所示,移动距离是偏移向量的模,确定新的中心点O1,再以距离O1设定带宽h范围内的数据点为集合M1,计算从O1开始到集合M1内每个点的向量,将这些向量相加,得到新的偏移向量;4)重复步骤1)至步骤3),直至偏移向量满足设定的阈值范围,记录此时的中心点Oi以及分类集合,这里的分类集合为步骤1)至步骤4)过程中被访问频率高于设定频率的数据点,一个简单的实施例如图4中黑粗线范围所示,为M1、.....、Mi所有集合的交集。
[0030] 步骤5)重复随机选取新的中心点的操作,根据步骤1)至步骤4)的方法再次得到若干新的分类集合,直至插值影像中所有的数据点被归类。
[0031] 此时,插值影像数据被划分为若干分类,这些分类集合中,有些集合数据点密集,有些集合数据点稀疏,本发明实施例中,将数据点数量高于设定值的分类集合分割出来作为得到可能发生火情的所有的区域点集,也即发生变更的区域点集,最后将发生变更的区域点集合并得到一个时相面基元。
[0032] 步骤S4:将两个时相面基元进行相似度计算,分类出疑似火种区域特征。
[0033] 将根据步骤S3得到的两个时相面基元D(x,y)和DN(u,v)进行比对,通过做差得到两者之间的隔离值为:
[0034]
[0035] 其中,N为图像特征辨别系数,β和γ分别为图像不同关键特征的取值,N、β和γ的取值根据目标对象的光谱特征、边缘、梯度特征、纹理特征和/或高程特征确定。
[0036] 通过计算隔离值可以将图像有效分离,分离出疑似火种区域的特征。
[0037] 步骤S5:基于疑似火种区域特征识别林火信息。
[0038] 获取根据火种特征库中林火特征的数据资料,将步骤S4中分离出来的疑似火种区域的特征与或火种特征库进行比对,认定火的区域地点、特征类型等。
[0039] 基于上述林火识别方法,本发明提出的林火识别系统,影像获取模块1用于获取观测区域在两个时隙的两个时相影像;对象构建模块2用于分别对两个时相影像进行双三次样条插值计算得到两个插值影像;并基于均值漂移分割算法对两个插值影像进行处理得到两个时相面基元;对象相似度计算模块3用于将两个时相面基元进行相似度计算,分离出疑似火种区域特征;识别模块4用于基于疑似火种区域特征识别林火信息。
[0040] 具体的,对象构建模块2包括插值影像分类单元21、分割单元22和合并单元23;其中,插值影像分类单元21用于基于均值漂移分割算法对插值影像数据进行分类;分割单元22用于将分类结果进行分割得到发生变更的区域点集;合并单元23用于合并所有的区域点集得到时相面基元。
[0041] 其中,插值影像分类单元21具体用于执行以下步骤:步骤1)在插值影像数据中随机选择一个中心点;步骤2)以距离中心点设定带宽范围内的数据点为一个集合计算偏移向量;步骤3)中心点沿偏移向量移动;步骤4)以新的中心点重复步骤1)至步骤3)直至偏移向量满足设定阈值,记录此时的中心点以及分类集合;其中,分类集合中的数据点为步骤1)至步骤4)过程中被访问频率高于设定频率的数据点;步骤5)重复步骤1)至步骤4)直至插值影像中所有的数据点被归类,得到若干分类集合。
[0042] 分割单元22具体用于将步骤5)中得到的若干分类集合中,数据点数量高于设定值的分类集合分割出来作为发生变更的区域点集。
[0043] 对象相似度计算模块3具体用于:计算两个时相面基元的隔离值为:
[0044] 基于隔离值分离出疑似火种特征区域;
[0045] 其中,D(x,y)和DN(u,v)分别为两个时相面基元;N为图像特征辨别系数,β和γ分别为图像不同关键特征的取值,N、β和γ的取值根据目标对象的光谱特征、边缘、梯度特恒、纹理特征和/或高程特征确定。
[0046] 具体的林火识别系统的识别过程已经在上述林火识别方法中详述,此处不予赘述。
[0047] 应该指出的是,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈