自动火焰识别项目总结

步骤分为图像获取--->图像预处理---->火焰图像分割----->火焰图像特征提取---->火焰识别

1. 图像获取

视频或图片

2. 图像预处理

预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。//图像变换，图像增强，图像去噪，图像压缩，图像恢复，二值图像处理

对图像进行噪声滤除等工作，目的为消除图像一些无关的信息，提高准确度。

1) 灰度级(intensity)变换/（pixel 变换）/pixel operation 

1））基于灰度直方图的一些操作

        灰度直方图平衡化（Histogram equalisation）

        理论：

        pros：提高对比度低的图片的质量，显示之前看不出的细节

        cons：引入噪声

        钳位（threshold）

2））灰度反转（image negatives）

3））基于像素值的一些操作（这些操作是可以叠加达到更好的效果）

    加（加上物体，记得控制pixel value的范围避免出界）

    减（减去物体）

    乘（乘以mask 可以只显示区域图像）mask通常为二值图像（0=black，1=white）

    除 （高亮或模糊特征）

2) 图像去噪

滤波

。。。

3.火焰图像分割

对databset进行背景建模，应用了比较新的的ViBe建模方法，及高斯混合模型GMM（GMM最大的贡献在于不用EM去做高斯拟合，而是采用了一种迭代的算法，这样就不需要保存很多帧的数据，节省了buffer）

 

这个项目最大的亮点是在根据火焰动态特征进行建模之前，加了一步欧拉视频放大的方法，使火焰的运动频率得到了放大，使建模的准确率更加高一点。第二个亮点就是结合了两个颜色模型，RGB和YRCBC，经过多次实验发现RGB模型检验火焰内部很准确，YRCBCR检验火焰外部轮廓很准确，因为Y代表亮度，经过分析，火焰边缘的亮度会更高一些，所以合并了两种颜色模型，使准确率进一步提高，F-score大概在90%以上。