[发明专利]火灾图像边缘提取处理方法、终端及系统

说明书

本申请涉及火灾图像边缘提取处理方法、终端及系统，属于火灾火焰提取技术领域。本申请包括：获取目标物的火灾图像；利用像素RGB和HSV信息对火灾图像进行像素筛选，得到目标物的第一火灾二值图，以及将火灾图像转换成灰度图，并利用Otsu算法得到目标物的第二火灾二值图；将第一火灾二值图和第二火灾二值图进行相与处理，得到目标物的第三火灾二值图；对第三火灾二值图进行边缘提取，得到目标物的第一目标火焰边缘提取图。与经典canny算法和局部去干扰改进型canny算法相比，本申请的火灾图像边缘提取效果更好，因而，通过本申请有助于提升火灾火焰提取的准确性。

技术领域

本申请属于火灾火焰提取技术领域，具体涉及火灾图像边缘提取处理方法、终端及系统。

背景技术

火灾事故是最频繁同时也是造成最严重的破坏后果之一的事故，在各种火灾事故之中，化工火灾尤其是危化品火灾，其后果是极其可怕的，因为火灾一旦发生就会产生化学品泄漏和爆炸的风险,一旦爆炸就会产生强大的破坏力，或造成重大的人员财产损失。

图像识别是危化品仓储堆垛的火灾检测的有效方案之一，尤其是针对早期火灾的发展态势，可以根据火灾火焰的形态特征比如形状轮廓，面积变化，尖角数等特征来判断。为了获取这些火灾火焰基本的特征，可以采用边缘检测技术来实现。边缘检测技术广泛用于图像识别领域，主要用来提取图像中的主体对象的边缘轮廓信息，以达到快速识别检测出图像核心信息。

请参阅图1，图1是根据一示例性实施例示出的危化品堆垛火灾成像图，在相关技术中，提出用经典Canny算法提取火灾火焰的边缘轮廓信息，实现了对火灾场景下主体火焰的边缘提取和判断，请参阅图2，图2为采用经典canny算法对图1处理得到的火灾火焰提取图。Canny算法的具体原理步骤如下：

第1步：利用高斯滤波对图像平滑去噪，技术公式如下所示：

其中(x,y)是图像像素点的坐标，σ是正态分布的标准偏差。

第2步：找寻图像灰度值的强度梯度，技术公式如下所示：

其中G是梯度模，θ是梯度方向角，Gx和Gy分别是水平和垂直方向的差分。

第3步：利用非最大抑制技术来消除边误检，只保留每个像素点上梯度强度的极大值像素点。

第4步：利用双阈值的方法来得到可能的边界点像素点，设定高低阈值th，tl，这一步对于灰度值在th之上的像素点，规定为强边缘点；在th，tl范围内的点规定弱边缘点。

第5步：利用滞后的边界跟踪，检查每个弱边缘点的8连通领域内的像素点，只要有强边缘点存在，那么这个弱边缘点就可以保留下来。最后只保留全部强边缘点和部分弱边缘点，构成了Canny算法的最终处理结果。

针对危化品堆垛火灾场景，经过试验，虽然经典Canny可以对很多物体包括火灾火焰实现边缘检测，但是存在的缺陷也很明显：Canny的高低阈值选取有很大缺陷，因为是人工经验型的，很难做到真正精确的高低阈值选取，影响最终的火焰边缘提取效果。

针对经典canny的不足之处，相关技术中也提出相关的改进，对普通图像主体对象的边缘提取效果有一定的改善提升，说明边缘提取算法存在明显的改善优化空间。例如局部去干扰改进型canny算法，请参阅图3，图3为采用局部去干扰改进型canny算法对图1处理得到的火灾火焰提取图，通过比较图2和图3可知，虽然相对于经典canny算法在火灾场景全局去噪和局部去干扰上有一定的改善，但是还是存在较为明显的非火焰因素干扰，严重影响后续基于火焰基本特征的火情判断，所以针对危化品堆垛火灾场景下火灾检测的边缘提取技术还是需要改进。

由于经典canny算法和局部去干扰改进型canny算法对危化品堆垛火灾提取火焰主体边缘信息均存在较为严重的非火焰因素干扰的问题，因而，在火灾火焰边缘提取方面，还存在着改进的需求。