首页 / 专利库 / 专利权 / 专利合作条约 / 第I章 / 国际检索单位 / 国际检索 / 现有技术 / 基于航空遥感的森林火灾探测方法

基于航空遥感的森林火灾探测方法

阅读:5发布:2020-07-19

专利汇可以提供基于航空遥感的森林火灾探测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于航空遥感的森林 火灾探测 方法,包括RGB 颜色 空间的火灾检测、HSV颜色空间火灾区域分割、静态特征提取、动态特征提取、特征 降维 、 支持向量机 识别处理。通过采用本发明克服了 现有技术 中需要摄像机 位置 固定并经过较长时间积累的 缺陷 ,避免现有技术中多种颜色检测带来的高误检率,并提高探测 算法 准确度。,下面是基于航空遥感的森林火灾探测方法专利的具体信息内容。

1.一种基于航空遥感的森林火灾探测方法,包括火灾检测、火灾区域分割、静态特征提取、动态特征提取、静态和动态特征降维支持向量机识别处理;其特征在于,所述火灾检测由RGB颜色空间完成,所述火灾区域分割由HSV颜色空间完成,所述动态特征提取采用分区投影的全局运动估计方法;
所述RGB颜色空间的火灾检测的检测关系为:
α、β取值40~60之间;
所述HSV颜色空间是在HSV空间提取S、V色彩分量:
V=max(R,G,B), (当V=0时,S=0);然后采用OTSU法对V分量、S分量
进行二值化,二值为0和255;由此得到分割后的图像
2.如权利要求1所述的一种基于航空遥感的森林火灾探测方法,所述分区投影的全局运动估计方法是通过比较第n,(n+3)视频之间的变化实现的,分别选择第n,(n+3)视频帧图像左上,左下,右上,右下四个区域作行、列投影并进行相关计算,第(n+3)帧相对于第n帧的图像的位移矢量
其中 为计算得到的位移矢量, 为四个区域计算得到的位移矢量,得
到 后通过移动(n+3)视频帧与第n帧视频配准。
3.如权利要求2所述的一种基于航空遥感的森林火灾探测方法,其中α=β=40。
4.如权利要求1-3任一项所述的一种基于航空遥感的森林火灾探测方法,所述静态特征包含火灾区域内部边缘特征:
其中M、N为图像的宽度和高度,s(i,j)为分割区域的Sobel边缘图像的灰度值,S为分割区域的面积,Sm、Sd为边缘图像的均值和方差。
5.如权利要求1-3任一项所述的一种基于航空遥感的森林火灾探测方法,所述动态特征包含亮度变化积累量、中心位置偏移量、面积变化量、外接矩形变化量;
将第n帧视频每个像素移动 与第(n+3)视频帧配准,对场景重叠区域做帧差处理;第(n+3),n视频帧配准后分割区An+3、An对应的灰度图像为Gn+3(x,y)、Gn(x,y),亮度累积变化量C1为两者差值大于3的像素个数之和∑G(x,y)与第n帧视频分割区面积Sn之比,An+3、An对应的面积为Sn+3、Sn;
亮度累积变化量C1为:
中心位置偏移量C2为第(n+3)、n视频帧分割区域的中心位置变化量与 之差的绝对值,第(n+3)、n视频帧分割区域的中心位置为pn+3、pn,中心位置偏移量C2为:
面积增长比C3为第(n+3),n视频帧经配准后分割区域面积差值与第n视频帧的面积之比,G’(x,y)为分割区域面积差值,C3为面积增长比
第(n+3)、n视频帧分割区域外接矩形周长分别为gn+3、gn,外接矩形变化量C4为gn+3、gn差值与gn之比:
C4=(gn+3-gn)/gn。
6.如权利要求1-3任一项所述的一种基于航空遥感的森林火灾探测方法,所述特征降维使用主成分分析的方式进行。

说明书全文

基于航空遥感的森林火灾探测方法

技术领域

[0001] 本发明涉及森林火灾探测技术,更具体地涉及一种基于航空遥感的森林火灾探测方法。

背景技术

[0002] 森林火灾是林业重要的灾害之一。森林火灾的发生一般具有突发性、随机性、短时间内巨大的破坏性等特点。我国每年平均有一万多次森林火灾发生,造成了巨大的环境污染和财产损失。森林火灾的及时发现对火灾扑救及人员疏散有积极的影响。为此国内外都非常重视发展先进的森林火灾探测技术。
[0003] 瞭望塔、航空监测、卫星监测是我国常规的森林火灾探测手段。瞭望塔的探测区域较为固定,不能较好的应对森林火灾的突发性及随机性。卫星探测受到时间和空间分辨率的影响,往往不能满足森林火灾探测的及时性。近年来随着航空遥感平台及载荷的发展尤其是无人机技术的高速发展,基于航空遥感的森林火灾探测技术已经在森林火灾的防治中发挥了重要作用。
[0004] 现有的图像型火灾探测方法多是基于固定摄像机进行火灾检测与识别,场景相对固定,对一般室内、大空间的火灾具有一定探测效果,而对航空遥感视频快速变化场景下的探测,到目前为止仍然不能满足实际的应用需求。
[0005] 中国专利CN101493980A一种基于多特征融合的视频火焰探测方法及中国专利CN101587622A基于视频图像智能分析的森林的烟火检测与识别方法及设备,使用基于混合高斯模型的方法来分割出火焰运动区域,此方法不能适应快速变化场景下的火灾区域分割。
[0006] 中国专利CN102163358A一种基于视频图像分析的烟雾/火焰检测方法该专利在进行火焰颜色检测时虽然增加了RGB颜色的限制条件,试图检测出完整的火灾区域,但是其忽视了RGB通道间的相关性及火焰色彩的丰富性,容易将与火灾区域某些颜色相近的物体误检为森林火灾。
[0007] 中国专利CN102496234A一种森林火灾预警方法,借助红外摄像机完成森林火灾探测,该专利未涉及具体的图像处理算法。中国专利CN201885804U和中国专利CN201844880U采用双波段红外来探测火焰,中国专利CN202195883U和中国专利CN201191222紫外波段火灾探测,中国专利CN202306757U属于多波段符合性检测技术,相对于可见光波段的探测器,它们增加了红外、紫外或多波段传感器,系统较为复杂、价格昂贵,因而限制了其推广。

发明内容

[0008] 本发明的目的在于提供一种基于航空遥感的森林火灾探测方法,包括火灾检测、火灾区域分割、静态特征提取、动态特征提取、静态和动态特征降维支持向量机识别处理;所述火灾检测由RGB颜色空间完成,所述火灾区域分割由HSV颜色空间完成,所述动态特征提取采用分区投影的全局运动估计方法。
[0009] 所述RGB颜色空间的火灾检测的检测关系为:
[0010] α、β取值40~60之间
[0011] 所述HSV颜色空间的火灾区域分割是在HSV空间提取S、V色彩分量:
[0012] (当V=0时,S=0);然后采用OTSU法对V分量、S分量进行二值化,二值为0和255;由此得到分割后的图像b(x,y)=
[0013] 本发明的技术效果显著:本发明采用分区投影的全局运动估计方法完成背景的匹配,进而提取相关区域的动态特征,克服了现有技术中需要摄像机位置固定并经过较长时间积累的缺陷。考虑了RGB通道颜色的相关性及火灾区域色彩的多样性,将火灾的检测与分割在不同的颜色空间完成;火灾检测过程完成火灾区域显著颜色的检测,避免现有技术中多种颜色检测带来的高误检率。为了降低探测设备复杂度及成本本发明仅使用可见光CCD完成探测,通过增加多种静态、动态特征的方式提高探测算法准确度。附图说明
[0014] 图1为本发明的基于航空遥感的森林火灾探测方法的流程图
[0015] 图2为本发明的静态特征提取示意图;
[0016] 图3为本发明的动态特征提取示意图;
[0017] 图4为本发明HSV空间的S分量分割结果;
[0018] 图5为本发明HSV空间的V分量分割结果;
[0019] 图6为本发明HSV空间的最终分割结果;
[0020] 图7为本发明在RGB空间对R通道处理后得到的边缘图像
[0021] 图8为本发明根据第n,(n+3)图像的位移矢量的平方向投影示意图;
[0022] 图9为本发明根据第n,(n+3)帧图像的位移矢量的垂直方向投影示意图。

具体实施方式

[0023] 在下文中,参照附图来更充分地描述本发明的实施例,附图中示出了本发明的实施例。然而,本发明的实施例可以以许多不同的形式来实施,而不应该本解释为限于在此列出的实施例。相反,提供这些示例性实施例,使得本公开是彻底的,并且将本发明的范围充分传达给本领域技术人员。
[0024] 除非另外定义,否则所有在此使用的术语(包括技术术语和科学术语)具有与本发明所述领域的普通技术人员所通常理解的意思相同的意思。应该进一步理解,除非这里明确定义,否则术语(如在通用的字典中定义的术语)应该被解释为具有与在有关技术的上下文中的意思一致的意思,并不应该以理想化的或过于正式的意义来解释它们的意思。如图1所示,本发明提供了一种基于航空遥感的森林火灾探测方法,探测方法由视频采集模、视频序列检测模块、图像分割模块、特征提取模块、特征降维模块、识别处理模块、显示模块组成。
[0025] 有人飞机或无人机在空中拍摄的视频经过链路到达地面,再通过视频采集卡采集,输入的可见光遥感视频帧(分辨率为720×576),并将其以RGB颜色模式的存入计算机内存中;
[0026] 对采集的视频帧图像在RGB颜色空间进行颜色检测,检测关系为:
[0027] α、β取值40~60之间,通常情况下可选择α=β=40。
[0028] 对满足检测关系的视频帧进行图像分割处理,图像的分割在HSV颜色空间进行,S、V色彩分量为:
[0029] (当V=0时,S=0)。
[0030] 采用OTSU法对V分量、S分量进行二值化,二值为0和255。图4所示为S分量分割结果,图5所示为V分量分割结果,图6所示为HSV空间最终分割结果。得到分割后的图像:
[0031]
[0032] 如图2所示为静态特征提取示意图,使用R通道作为原始图像的灰度图像g(x,y)=R(x,y),对g(x,y)进行Sobel边缘化处理得到边缘图像s(x,y)=sobel(g(x,y))。图7为得到的边缘图像,提取分割区域的边缘图像的内部均值与方差作为边缘特征。
[0033]
[0034]
[0035] 其中M、N为图像的宽度和高度,s(i,j)为分割区域的Sobel边缘图像的灰度值,S为分割区域的面积,Sm、Sd为边缘图像的均值和方差。将灰度图像g(x,y)压缩至16个灰度级的得到g,(x,y),
[0036] P(i,j)=#{(x1,y1),(x2,y2)∈M×N|g,(x1,y1)=i,g,(x2,y2)=j[0037] i,j=0,1,2,…15;
[0038] 提取g,(x,y)的纹理特征:
[0039] Enm为能量均值;
[0040] End为能量方差;
[0041] Hom为逆差距均值;
[0042] Hod为逆差距方差;
[0043] CORm为相关度均值;
[0044] CORd为相关度方差;
[0045] CONm为对比度均值;
[0046] CONd为对比度方差。
[0047] 其中,
[0048]
[0049] 如图3所示为动态特征提取示意图。采用分区投影的方式进行全局运动矢量估计相比于基于全区域投影的运动估计计算量较小。动态特征提取是通过比较第n,(n+3)视频帧之间的变化实现的。分别选择第n,(n+3)视频帧图像左上,左下,右上,右下四个区域作行、列投影并进行相关计算,第(n+3)帧相对于第n帧的图像的位移矢量计算矢量 需要分别计算左上区域的水平及垂直方向投影,如图8所示为水平方向投影示意图,第n、(n+3)帧选择的矩形区域为(60,60,30,50)和(60,30,30,110)。如图9所示为垂直方向投影示意图,第n、(n+3)帧选择矩形区域为(60,60,50,30)和(30,60,110,30)。
[0050] 将第n帧视频每个像素移动 与第(n+3)视频帧配准,对场景重叠区域做帧差处理。将第n帧视频每个像素移动 与第(n+3)视频帧配准,对场景重叠区域做帧差处理;第(n+3),n视频帧配准后分割区An+3、An对应的灰度图像为Gn+3(x,y)、Gn(x,y);亮度累积变化量C1为两者差值大于3的像素个数之和ΣG(x,y)与第n帧视频分割区面积Sn之比,An+3、An对应的面积为Sn+3、Sn;
[0051]
[0052] 亮度累积变化量C1为:
[0053]
[0054] 中心位置偏移量C2为第(n+3)、n视频帧分割区域的中心位置变化量与 之差的绝对值;第(n+3)、n视频帧分割区域的中心位置为pn+3、pn,
[0055] 中心位置偏移量C2为:
[0056]
[0057] 面积增长比C3为第(n+3),n视频帧经配准后分割区域面积差值与第n视频帧的面积之比,G,(x,y)为分割区域面积差值,
[0058]
[0059]
[0060] 第(n+3)、n视频帧分割区域外接矩形周长分别为gn+3、gn,外接矩形变化量C4为gn+3、gn差值与gn之比:
[0061] c4=(gn+3-gn)/gn。
[0062] 将提取的10维静态特征及4维动态特征使用主成分分析的方式进行特征降维,得到降维后的特征。
[0063] 基于训练完毕的支持向量机分类器降维后的特征进行识别处理,核函数选择径向基函数
[0064] 虽然已经参照本发明的特定实施例示出并描述了本发明,但是本领域技术人员将理解:在不脱离由权利要求限定的本发明的精神和范围的情况下,可在其中做出形式和细节方面的各种改变。
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