隨著現(xiàn)代農(nóng)業(yè)與產(chǎn)業(yè)技術(shù)不斷發(fā)展進步以及環(huán)保要求越來越重要,大面積農(nóng)田、農(nóng)田示范區(qū)、農(nóng)田果蔬區(qū)等越來越多,各種易燃材料被農(nóng)田廣泛運用并易引起火災(zāi),此外經(jīng)常出現(xiàn)秸稈焚燒現(xiàn)象,因此,基于視頻圖像的火情煙霧檢測與預(yù)防的技術(shù)方法快速發(fā)展勢在必行。該論文采用視頻圖像展開技術(shù)分析,研究了應(yīng)用效率更高、檢測時間更短的農(nóng)田視頻圖像火災(zāi)煙霧檢測算法,給出了基于視頻圖像的農(nóng)田火災(zāi)煙霧檢測系統(tǒng)實現(xiàn)方法。主要包括以下幾個方面研究內(nèi)容:1、詳細(xì)介紹了視頻圖像中目標(biāo)或區(qū)域運動檢測的經(jīng)典方法,針對所采集的煙霧運動視頻,將其從彩色圖像轉(zhuǎn)化為灰度圖像,并在此基礎(chǔ)上描述了較廣泛使用的幀間差分法、光流法和背景減除法等經(jīng)典的目標(biāo)或區(qū)域運動檢測算法。2、針對火災(zāi)煙霧視覺特征,通過對火災(zāi)煙霧圖像的顏色、運動、區(qū)域輪廓及頻率特征展開分析,抽取了一系列可以高效表征火災(zāi)煙霧類特征的參量,最后構(gòu)造了較為精確的火災(zāi)煙霧圖像關(guān)鍵特征參量。3、探討了農(nóng)田火災(zāi)煙霧多特征檢測技術(shù),針對上述分析的煙霧圖像顏色、運動、區(qū)域輪廓和頻率特征信息,設(shè)計了基于視頻圖像的火災(zāi)煙霧檢測系統(tǒng)整體架構(gòu)和算法流程,給出火災(zāi)煙霧的綜合檢測方法。4、為了將探究的研究成果運用... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

視頻圖像二值化

再運用目前幀上的這一點與上上一幀對應(yīng)點取差，假如 2 個差值均小于一的門限值的話，那么判定目前的點為圖像背景像素點。圖 2.2 為以上 3 幀差分法圖，在進行檢測時，門限值通常是實時變化的，以滿足復(fù)雜場景或背景反復(fù)變換的.3 為運用間距為 2 的幀間差分法抽取到的前景視頻圖像。因為圖像幀差法是通過像幀間的差值來選定煙霧飄動區(qū)域，所以對于周邊條件因素的變換通常不很敏感，時性好。但是當(dāng)煙霧飄動物體區(qū)域范圍較大時，在其煙霧飄動區(qū)域中一般會出現(xiàn)空第n-1幀 第n幀 第n+1幀1 2 圖 2.2 三幀差分法原理圖

南京郵電大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文 第三章農(nóng)田火災(zāi)煙霧的多維特征分析第三章 農(nóng)田火災(zāi)煙霧的多維特征分析在上一章內(nèi)容中，對迅速高效地抽取視頻類圖像中的移動區(qū)域成為現(xiàn)階段廣泛研究的領(lǐng)域，這些研究算法的普遍性，在一定程度上得到了證實。但在這些算法的運用中，存在著應(yīng)用時間、地點、空間的影響。例如背景減除法，其在已有的技術(shù)條件下如何檢測和定義前景區(qū)域和對象，是沒有很好的規(guī)則的。它比較適應(yīng)于平緩或快速的光照背變化，復(fù)雜的背景變化等。因此本文的主要工作是著重于研究煙霧的四個特征，分別為顏色特征、煙霧運動特征、煙霧的區(qū)域輪廓特征及煙霧圖像頻率特征，并給出相應(yīng)算法。綜合運用此四種煙霧識別的方法，具有很高的精確性，并且對于系統(tǒng)的總體要求不是太高。該論文從火災(zāi)煙霧的 4 個特征，對其算法展開探究說明，論文結(jié)構(gòu)安排如下圖所示：基于 RGB 直方圖的農(nóng)田

【參考文獻】：
期刊論文
[1]基于卡爾曼濾波器的半捷聯(lián)導(dǎo)引頭控制系統(tǒng)設(shè)計[J]. 韓宇萌,賈曉洪.  兵器裝備工程學(xué)報. 2019(10)
[2]基于幀差法和混合高斯的海上運動目標(biāo)檢測[J]. 高海壯,段先華.  計算機與數(shù)字工程. 2019(05)
[3]冬季東北地區(qū)室內(nèi)甲醛擴散的數(shù)值模擬[J]. 王芳,王鵬浩,徐洪祥.  哈爾濱理工大學(xué)學(xué)報. 2018(06)
[4]一種融合小波變換與卷積神經(jīng)網(wǎng)絡(luò)的高相似度圖像識別與分類算法[J]. 姜文超,劉海波,楊宇杰,陳佳峰,孫傲冰.  計算機工程與科學(xué). 2018(09)
[5]視頻煙霧檢測研究進展[J]. 史勁亭,袁非牛,夏雪.  中國圖象圖形學(xué)報. 2018(03)
[6]基于RGB顏色模型的玉米淀粉爆燃火焰?zhèn)鞑ニ俣萚J]. 張洪銘,陳先鋒,張英,牛奕,代華明,黃楚原.  爆炸與沖擊. 2018(01)
[7]基于運動路徑角的林火煙霧圖像檢測探究[J]. 喬元秀,程朋樂.  西北林學(xué)院學(xué)報. 2017(02)
[8]基于最優(yōu)質(zhì)量傳輸光流法和神經(jīng)網(wǎng)絡(luò)的火焰和煙霧檢測[J]. 王衛(wèi)兵,徐倩,韓再博.  哈爾濱理工大學(xué)學(xué)報. 2017(01)
[9]基于背景動態(tài)更新與暗通道先驗的火災(zāi)煙霧檢測算法[J]. 趙亮,駱炎民,駱翔宇.  計算機應(yīng)用研究. 2017(03)
[10]基于視頻圖像的煙霧檢測方法探析[J]. 楊學(xué)富.  通訊世界. 2016(03)

博士論文
[1]基于顯著性檢測和煙霧時空特征的視頻火災(zāi)探測方法研究[D]. 賈陽.中國科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]基于光流算法的運動目標(biāo)檢測應(yīng)用研究[D]. 張艷艷.西安石油大學(xué) 2018
[2]基于RGB顏色分布模型的MRF圖像分割算法研究[D]. 黃晨雪.湖北工業(yè)大學(xué) 2018
[3]基于激光自混合干涉效應(yīng)的傳感應(yīng)用研究[D]. 魏穎斌.廈門大學(xué) 2017
[4]GMAW熔池網(wǎng)格結(jié)構(gòu)光三維視覺傳感[D]. 呂明達.哈爾濱工業(yè)大學(xué) 2015
[5]基于視頻的煙霧檢測算法研究[D]. 畢豐隆.大連海事大學(xué) 2014
[6]基于視頻的火災(zāi)煙霧探測算法的研究[D]. 趙陽.天津大學(xué) 2012
[7]基于圖像處理的火災(zāi)智能監(jiān)視識別技術(shù)的研究[D]. 魯維.長安大學(xué) 2009
[8]基于圖像的火災(zāi)煙霧識別算法研究[D]. 焦珂.西華大學(xué) 2008



本文編號：2920558