基于提升小波的图像型火灾检测技术 第7页
重构过程为:
凡=凡一U(灼)
乙二乙+p(凡)其卿二一n.一3，一2，一1(3一17)
zj+，=Merge(凡，动
由图3.3可以看出，序列凡的重建过程非常简单，只要把计算顺序反转，并且
将加法变成减法，减法变成加法，就可以完成小波反变换。这样一旦有了正变换
的形式，立刻就能得到反变换形式的性质，正是采用提升算法的一大优点，不必
再通过傅立叶变换的方式来求小波变换的逆变换。
3，1.3提升小波的优点
基于提升方案的小波变换有如下优点[25}:
(l)同址计算:即不需要辅助存储器，原信号(图像)可被小波变换的结果覆
盖;
(2)更快的小波变换:提升小波可以将变换需要的计算量减少一倍;
(3)在完成分解的提升步骤之后，可以很方便的得到分解的重构方法，只要
简单地调整计算顺序和分解过程中的正负号即可。这也是提升小波相对传统小波
分析的优势所在。
3.2火灾图像的边缘检测
图像边缘是图像的最基本特征，边缘广泛存在于物体与背景之间、物体与物
体之间、基元与基元之间。因此，边缘检测是图像分割所依赖的重要特征。
3.2.1火灾图像预处理、分割及融合
图像预处理通常包括增强、滤波、细化等几个方面。
1.火灾图像的增强
图像增强是指按特定的需要来突出一幅图像中的某些信息，同时削弱或去除
某些不需要的信息的处理方法。处理的结果使图像更适合于人的视觉特性或机器
的识别系统。增强处理并不能增加原始图像的信息，其结果只能是增强对某种信
息的辨别能力，而这种处理有可能损失一些其它信息。
图像增强具体上主要包括直方图修改处理、图像平滑处理、图像尖锐化处理
及彩色图像处理等常见的技术手段。在使用中可以采用单一方法处理，也可以采
用几种方法联合处理，以便达到预期的增强效果。
图像增强技术可以分为两大类:频域处理法，空域处理法。
(l)频率域图像增强
频域处理法的基础是卷积定理。采用图像傅立叶变换的方法来实现对图像的
西安建筑科技大学硕士学位论文
增强处理。由卷积定理可知，如果原始图像是f(x，力，处理后的图像是g(x，力，
而h(x，y)是处理系统的冲激响应，那么，处理过程可以表示如下:
g(x，夕)=f(x，y)*h(x，y)(3一18)
其中*代表卷积操作。如果:G(u，v)，万(u，v)，F(u，v)分别代表g(x，夕)，h(x，夕)，
f(x，力的傅立叶变换。那么，上面的卷积关系可以表示为变换域的乘积运算，即:
G(u，v)=F(u，v)·H(u，v)(3一19)
式中，H(u，v)是传递函数。
在增强问题中，f(x，力是给定的原始数据，经傅立叶变换可得到F(u，v)，选
择合适的H(u，v)，由下式
g(x，，)·了一‘「F(u，v)·H(u，v)」(3一20)
得到的g(x，力比f(x，力在某些特性方面更加鲜明、突出，因而更加易于识别、解
释。例如，可以强调图像中的低频分量使图像得到平滑，也可以强调图像中的高
频分量使图像的边缘得到增强等等。
(2)空间域图像增强
空域法是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础。
所用的映射变换取决于增强的目的。例如增强图像的对比度，改善图像的灰度层
次等处理均属空域法处理。
空间域图像增强方法常用的有以下几种[26]:
直接灰度变换:灰度变换就是在图像采集系统中对图像像素进行修正，使整
幅图像成像均匀。它可以使图像动态范围加大，图像对比度扩展、图像清晰、特
征明显，是图像增强的重要手段。可分为线性变换、分段线性变换和非线性变换。
本文采用的去相关拉伸法是一种基于空间域线形变换的技术。主要有三个图像处
理步骤:首先将原始图像波段变换为它们的主组分;接着分别反差拉伸变换后的
主组分，最后进行主组分反变换，在原始彩色空间显示，也可应用在灰度空间。
去相关拉伸变换实质上是另一种不同于主组分变换的光谱波段线性变换，经过第
二阶段反差拉伸正规化方差后，得到反差为单位方差的互不相关的变量，产生增
强显示图像方法的效果主要依赖于该方法产生的特殊反差对比。利用这种图像处
理方法主要目的是提取一些其他方法没有反映的各种构造信息。
直方图灰度变换:图像的灰度统计直方图是一个1一D的离散函数
P(s*)二飞/n，k=o，1，…，L一1，式中s、为图像f(x，刃的第k级灰度值，n、是f(x，对中具
有灰度值:、的像素的个数，炸是图像像素总数。因为p(s砂给出了对s、出现概率的
一个估计，所以直方图提供了原图的灰度值分布情况，也可以说给出了一幅图所
有灰度值的整体描述。这种方法是以概率论为基础，常用的方法有直方图均衡化
西安建筑科技大学硕士学位论文
和直方图规定化。
2.火灾图像分割处理
图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过
程。这里特征可以是灰度、颜色、纹理等，目标可以对应单个区域，也可以对应
多个区域。
图像分割方法很多，其中最常用的是闭值分割法。该方法简单地用一个或几
个阂值将图像的灰度直方图分成几个类，并且认为图像中灰度值在同一个灰度类
内的像素属于同一个物体。
图像闭值分割方法主要有1271:J.c.Yen等人提出的用最大相关性原则选择闭
值的方法，该方法用最大相关性原则取代了最大嫡原则。A.Pikaz等人提出的基于
图像拓扑稳定状态的方法，该方法认为实际物体是能在一个较宽的闭值范围内稳
定存在，考虑将闭值设置在某个灰度时所得到的具有某种连通性如四连通的一定
大小的物体的个数，考察随着阂值的改变，这个个数的稳定状态，从而决定闭值。
N.PaPamarkos等人提出的先找出灰度直方图的峰值点，再用有理多项式来拟合灰
度直方图两个峰间的区域，然后求出相应的有理多项式的极小值，从而决定闭值
的方法。L，K.Huang等人提出的通过极小化图像的某种模糊测度来决定灰度闭值
的方法，他们提到的模糊测度包括嫡和所谓的Yager调度。其它图像分割方法包括
G.conelouP等人提出的通过对灰度共生矩阵的分析来决定闭值的方法，LLi等人
提出的通过对图像的二维直方图作Fishe:线性映射来决定闭值的方法等。
基于最大嫡原则选择闭值是最重要的闭值选择方法之一，近年来对最大嫡原
则的研究包括P.Sahoo等人提出了用Renyi嫡代替常规墒的最大嫡原则，A.D.Brink
把这种方法扩展到二维灰度直方图。H.D，Chen等人将模糊测度函数的概念引入最
大嫡原则，提出了模糊C一分类最大嫡原则。
3.图像融合处理
图像融合是将相同或不同类型传感器在同一时间或在不同时间获得的关于某
个场景的图像序列，进行几何配准后，采用一定的算法将各图像数据中包含的信
息有机结合起来，产生一幅高质量的新图像的技术。融合图像更适合人的视觉和
便于图像的后续处理，如图像分割、特征提取等。
图像融合的目的就是在于集成或整合多个原图像中的冗余信息和互补信息，
利用优势互补的数据来提高图像信息的可用程度，获取更精确、全面、可靠的图
像信息，同时增强对研究对象辨识的可靠性。
图像融合处理一般可在三个层次上进行，即数据层、特征层、决策层128]。
常用的图像数据层融合处理方法有:空域内的像素平均和加权平均、伪彩色
映射、非线性方法、贝叶斯优化方法、马尔可夫随机场、模型退火法和人工神经
网络法。在变换域常用图像金字塔分解法、小波变换法等等[29一321。
西安建筑科技大学硕士学位论文
图像处理系统中应用图像融合技术的有以下几方面的优势[33}:
(l)鲁棒性和可靠性，一个或多个信源出现错误或者功能失效时，系统仍然
能够正常工作;
(2)扩展信息系统对空间和时间的覆盖范围;
(3)增加数据空间的维数;
(4)降低决策时的不确定性;
(5)能够提取和利用海量数据中的有用信息，充分利用信息爆炸带来的好处。
图像融合技术是图像处理智能化发展的必然趋势，它们能够更好地满足人类
对信息处理的要求。
3.2.2边缘及边缘检测
图像边缘检测的实质是采用某种算法提取图像中研究对象与背景间的交界线
及对象与对象的分界线。常见的边缘有三种。阶梯形边缘，即从一个灰度到比它
高好多的另一个灰度。屋顶形边缘，它的灰度是慢慢增加到一定程度然后慢慢减
小。线性边缘，它的灰度从一个级别跳到另一个灰度级别之后然后回来。
边缘检测的定义为1341:边缘检测是根据引起图像灰度变化的物理过程来描述
图像中灰度变化的过程。
对于图像的边缘检测来说，一般在识别过程中有如下的要求:
(l)首先能够正确的检测出有效的边缘:
(2)边缘定位的精度要高;
(3)检测的响应最好是单像素的;
(4)对于不同尺度的边缘都能有较好的响应并尽量减少漏检;
(5)对噪声应该不敏感;
(6)检测的灵敏度受边缘方向影响应该小。
这些要求往往都很矛盾，很难在一个边缘检测器中得到完全的统一。判断边
缘检测器性能的方法是先看边缘图像，再评价其性能。
3.2.3传统边缘检测方法
图像的边缘可以用图像灰度函数的梯度来反映，因此图像的边缘检测算法可
以由图像局部微分技术来得到。常用的边缘检测算子包括:RobertS边缘检测算子、
sobel边缘检测算子、Prewitt边缘检测算子、Kirsch边缘检测算子、LaPlacian边缘
检测算子、差分边缘检测算子等。这些边缘检测算法都是在原始图像的某一小邻
域内构造算子。
LRobertS边缘检测算法
利用在图像内任意一点取相互垂直方向上的差分来计算梯度的原理，采用对

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10]  ... 下一页  >>