基于图片的火焰检测算法

简介：
本研究提出了一种创新的基于图像处理技术的火焰检测算法，通过分析视频流中的色彩和纹理特征来识别火焰，适用于火灾预防监控系统。 在传统的火焰检测算法中,常常遇到的问题是火焰前景提取不够准确,导致出现轮廓不完整以及抗干扰性较差的情况。为了解决这些问题，本段落提出了一种新的方法：通过融合红/绿/蓝(RGB)、色调/饱和度/亮度(HSI)和最大类间方差法(Otsu)，可以更有效地提取火焰的前景图像，并且能够减少外界因素对火焰轮廓的影响，使其更加完整。接下来，在得到前景图之后，利用灰度共生矩阵来获取纹理特征；同时在YCbCr颜色空间中进行颜色特性的抽取，这些信息将用于最终判断是否为火焰。 此外,还提出了一种改进的概率神经网络(PNN)，该方法对传统PNN中的平滑因子进行了优化。传统的PNN使用的是单一固定值的平滑因子，而我们将其改为多变量参数，并采用条件期望最大化(ECM)算法进行调整和优化，以提高模型性能。最后将提取的所有特征输入改进后的概率神经网络中完成训练与测试。 实验结果表明,该方法具备较强的抗干扰能力并且提高了火焰识别精度。