火焰與煙霧的奇異特征定義與分類算法研究.pdf

1、火焰與煙霧的奇異特征定義和分類算法研究涉及到計算機圖像處理、圖像模式識別和人工智能等多門學科的知識。本論文結合相關的知識，探索了火焰與煙霧圖像的預處理、火焰與煙霧區(qū)域的特征選擇提取、火焰與煙霧區(qū)域的搜索策略和分類識別。
　　在火焰與煙霧圖像的預處理部分，本文研究了火焰與煙霧圖像在 RGB、HSI、CMYK和YCbCr四種顏色模型的視覺特性，并對4個顏色模型共13個分量圖進行直方圖均衡化處理，在分析直方圖均衡化處理后的各個分量圖后，

2、采用雙閾值分割法并選擇合適的分量圖和閾值，對火焰區(qū)域和煙霧區(qū)域進行了初步的分割。通過形態(tài)學的膨脹、開運算、閉運動以及區(qū)域空洞填充對初步分割圖進行處理，得到效果更好的火焰區(qū)域分割圖和煙霧區(qū)域分割圖。
　　在火焰和煙霧區(qū)域特征選擇和提取部分，在介紹了顏色直方圖特征、顏色矩特征和顏色梯度等多種顏色特征，以及運動物體的動態(tài)特征之后，探索了協方差描述子在表示火焰與煙霧圖像的應用，并且為了將協方差描述子與后面介紹的分類算法相結合，提出了協方差

3、描述子的有效信息等價的向量表達方式。本文在火焰與煙霧區(qū)域的搜索策略方面，介紹了窮舉法、遺傳算法跟粒子群算法、網格平鋪法及其改進方式，并分析了各種搜索策略的優(yōu)劣和適用場景，然后探索了遺傳算法和粒子群算法在火焰與煙霧探索定位中的參數優(yōu)化設置。
　　在火焰和煙霧區(qū)域分類識別算法中介紹了最簡單的模板分類法、AdaBoost算法、支持向量機算法及基于稀疏表達的分類算法，并探索了 AdaBoost算法和支持向量機算法在火焰與煙霧區(qū)域分類識別中

4、的參數設置，及研究了通過匹配追蹤和正交匹配追蹤求解基于稀疏表達的分類算法的優(yōu)劣。在本文的火焰和煙霧區(qū)域分類識別實驗中，涉及到顏色矩特征和協方差描述子兩種特征，遺傳算法跟粒子群算法和網格平鋪法三種搜索策略，以及模板分類法、AdaBoost算法、支持向量機算法和基于稀疏表達的分類器四種分類算法，將這些特征提取、搜索策略和分類算法進行適當的組合和集成，并展示和分析火焰和煙霧區(qū)域分類識別實驗的結果。
　　本文最后綜合所涉及的圖像處理技術以