基于区域生长的红外图像火源检测方法
2021-02-01刘玉婷李冰寒酒锐波
刘玉婷,李冰寒,酒锐波
(凯迈(洛阳)测控有限公司,河南 洛阳 471000)
在夜间复杂的环境背景下,观察遇到的最大难点是光强不足及对比度差,单凭人眼是很难在夜间观察目标及环境的,因此,夜间也就成为火源高发的时间段。近年来,红外成像技术作为一项前途广阔的高新技术,对夜间实时探测具有重要的影响作用。区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。其基本思想是从一组生长点开始,将与该生长点性质相似的相邻像素或者区域与生长点合并,形成新的生长点,重复此过程直到不能生长为止。区域生长是一种典型的图像分割方法,最早的区域生长图像分割方法是由Levine等人提出来的。该方法一般有两种方式,一种是先给定图像中要分割的目标物体内的一个小块或者说种子区域,再在种子区域基础上不断将其周围的像素点以一定的规则加入其中,达到最终将代表该物体的所有像素点结合成一个区域的目的;另一种是先将图像分割成很多的一致性较强,如区域内像素灰度值相同的小区域,再按一定的规则将小区域融合成大区域,达到分割图像的目的,典型的区域生长法如T.C.Pong 等人提出的基于小面模型的区域生长法,本文将采用对图像中要分割的目标物体内的一个小块作为区域进行判断,然后,采用类空间合并的方法确定该块目标是否是火源。
1 算法设计
(1)从当前图像的第一行进行判断,假设当前值大于阈值,记录起始列的坐标,接着往下判断,如果接下来的数小于阈值,则记录当前块的结束列坐标,并记录当前行的行号,依次方法接着往下判断,找出当前行所有满足条件的块并记录;如果当前行没有满足条件的块,则对下一行进行判断,直到找到满足条件的块。
(2)接着对下一行进行判断,依照上一步的方法,找出下一行中所有满足条件的块并记录。
(3)根据下一行和上一行的邻接关系,进行类空间合并;
①假设上一行的目标块个数大于零,同时,假设当前行的目标块个数大于零。先找出当前行第一块的段首值和段尾值,同时,找出上一行第一块的段首值和段尾值,如果当前行的段尾值小于上一行的段首值,则认为其属于一个新类,将行列信息记录下来;如果当前行的段首值小于上一行的段尾值,则进行合并。合并规则为:如果当前行的段首值大于上一行的段首值,则合并的段首值等于上一行的段首值;如果当前行的段尾值小于上一行的段尾值,则合并块的段尾值等于上一行的段尾值;将上一行作为合并块的行最小值,当前行作为合并块的行最大值,将得到的行和列的信息记录下来。②接着对当前行第一块和上一行第二块进行合并。如果当前行的段尾值小于上一行第二块的段首值,则当前块的合并结束;如果当前行的段首值小于上一行第二块的段尾值,则更新合并块。合并规则同上,依次判断当前块和上一行所有块。③对当前行第二块进行合并。先找出第二块的段首值和段尾值,接着对当前行第二块和与当前行第一块合并的上一行最后那个块进行判断,如果当前行第二块的段首值大于上一行有合并的最后那个块的段尾值,则对当前行第二块和上一行有合并的最后那个块的下一块进行合并,合并规则同上;如果当前行第二块小于上一行有合并的那个块的段尾值,则首先对当前行第二块和上一行有合并的那个块进行合并,接着和上一行下一块进行合并。④依次方法,判断当前行所有的块,并将各个块的信息记录下来。⑤将当前行作为上一行,接着对下一行进行分块合并。⑥按照上边的方法,完成整帧图像的检测判断。
2 算法流程
图1 为一行中找出满足条件的块的流程图,图2 为块合并流程图。
图1 算法流程图
图2 块合并流程图
图3 不同算法的火源检测仿真
3 仿真结果
采用不同算法对红外图像下火源进行仿真验证(如图3)。
由仿真结果可以看出,NCC 算法不仅检测出火源,同时,将人、动物等也检测出来,而本文算法可以准确的检测出火源,且不存在误检。
4 结语
采用基于区域生长的火源检测方法不仅可以准确的检测出火源,同时,不存在误检、漏检现象,且算法复杂度不高,方便硬件移植。这利于对野外大空间的早期火灾预警,具有重大价值。