基于红外视频图像的火焰特征提取算法∗

2018-03-31冯宪周

舰船电子工程 2018年3期

王凯冯宪周

1 引言

军用舰船由于结构特殊、且存放大量的易燃易爆物品，一旦发生火灾，往往会对舰船自身安全和舰员的生命造成严重威胁［1～4］。因此，及早发现舰船火灾具有非常重要的意义。在大空间环境下，受电磁、潮气、振动等因素的干扰，传统的基于温度、烟雾的火灾探测容易造成漏报和误报［5］。近年来，随着视频监控和图像技术的日益成熟，基于视频图像的火灾探测技术得到了广泛深入的研究［6］，其主要由图像预处理、疑似火焰区域分割、疑似火焰区域特征提取及火焰识别四部分组成，其中疑似火焰区域分割及其特征提取是火焰识别的前提和关键所在［7］，如果分割不出火焰目标，则会出现火灾漏报现象，如果分割出的目标过多，则计算机在后面特征提取及识别时的计算量过大。同样，对疑似区域的特征如果提取的比较准确，可以为分类器对火焰的识别奠定基础，如果特征提取的不准确，则分类器不能对火焰和干扰进行准确的识别，有可能会出现误报现象。

本文提出一种基于红外视频图像的舰船火灾火焰特征提取算法，首先对红外视频图像疑似火焰区域进行识别、分割，然后利用火焰燃烧初期的特点对火焰特征进行提取，并且在计算过程中采用链表序列的存放形式进行数据存储，提高了算法的运行速度。

2 疑似火焰区域分割

2.1 图像预处理

火焰图像提取就是把视频中每一帧图像中有一定火焰特征的物体像素点提取出来，以二值图的形式表现出来。目前视频火灾探测技术主要采用普通CCTV摄像机和红外摄像机两类［8］，由于发生火灾时，燃烧的火焰会向视频监控设备发射大量红外线，其红外辐射主要集中于950nm～200nm。因此本文采用带有截止可见光透红外滤波片的摄像头对火焰进行识别，该摄像头直接采集火焰释放的红外，能够更好地提取火焰的形状特征，而且消除了可见光的干扰。

2.2 疑似火焰区域识别

火焰颜色不是一个确定的值，因此在色彩空间对火焰的分割都是通过大量实验设定各个分量的取值范围，然后在分量之间求交集，从而得到具有火焰颜色的区域，也就是疑似火焰区域。由CCD摄像机采集到的视频图像都是基于RGB颜色模型的，它是通过对红色（R）、绿色（G）、蓝色（B）三种颜色之间叠加来得到各种各样颜色的［9］。火焰在燃烧时焰心为亮白色，从焰心到外依次为黄色、橙色和红色，而且从里到外红色饱和度逐渐增高，亮度逐渐降低。因此可以把火焰红色饱和度、亮度值以及红色分量值作为识别火焰的一组判据。假设采集图像中总共的像素点数为N，其中任一点(x，y)的红色饱和度Se(x，y)和亮度值Y(x，y)可表示为

当该点的红色饱和度和亮度都大于阈值SeInt和YInt时，说明像素点(x，y)具有火焰的颜色特性。

2.3 疑似火焰区域分割

本文采用四邻域搜索法进行轮廓扫描，按照顺时针方向扫描每个疑似火焰区域的边界，得到每个疑似火焰区域的所有内边界点在图像内存中的位置，并且采用链表序列的存放形式对内边界点进行存储。疑似火焰区域的数据存放形式如图1所示，其中I表示疑似火焰区域的编号，之后的数据分别为横坐标的最小值、纵坐标的最小值、横坐标的最大值、纵坐标的最大值。

边界位置数据存放形式如图2所示，其中I表示疑似火焰区域的编号，L表示当前区域边界的周长，也是当前疑似火焰区域所存边界位置的个数，之后保存着边界位置数据，这个边界位置数据是从当前疑似火焰区域的扫描起点开始扫描一周后回到起点的方式存放的。从I到第二个X0表示为一帧信息，每一帧信息用两个0分割，I与L、L与边界点的数据用一个0分隔，便于取得相关的数据。

图1 疑似火焰区域的数据存放形式

图2 边界位置数据存放形式

3 火焰特征提取

在火灾早期阶段，火焰不是定常的。在不同的时刻，火焰的面积、形状等都在变化［10～12］。如果能够提取出这些特征，就能为后续的火灾识别奠定良好的基础。

1）面积变化

火灾发生过程中，由于边缘不断地闪烁，所以连续相邻几帧图像的火焰面积都是不断变化的，但早期火焰面积变化幅值不是特别大；相反，日光灯、手电筒等干扰物在开关操作过程中面积会突然增大，等光源稳定之后，面积区域不变。因此面积变化率可以用来区分火焰和闪烁的发光干扰物。本文采用连续10帧图像中的疑似火焰区域面积值的标准差率。