[发明专利]基于红外视频灰度图像的零照度环境烟尘监测方法

摘要

本发明公开了一种基于红外视频灰度图像的零照度环境烟尘监测方法，步骤包括：1)确定烟尘阈值，划分区域，设定安全级别；2)获取监控范围内的红外视频灰度图像；3)将获得的当前帧红外视频灰度图像的数据，采用基于改进Retinex算法计算反射图像；4)对该反射图像的数据反归一化，根据确定的烟尘阈值以及区域划分情况，分别计算总区域及各子区域烟尘的分布比例；5)根据安全级别显示烟尘情况柱状图；6)判断是否有警情发生，若没有警情，返回步骤2继续获取下一帧视频图像，以此类推。本发明方法，实现了零照度环境下红外视频灰度图像烟尘的监测。

主权项

1.一种基于红外视频灰度图像的零照度环境烟尘监测方法，其特征在于，按照以下具体步骤实施：步骤1，利用实际零照度环境下红外视频灰度图像的数据进行实验，确定烟尘阈值，针对监控目标划分区域，设定安全级别，其中，烟尘阈值Threshold＝160，监控目标划分为5个区域，安全等级设置为5个：一级对应烟尘绿色柱状图、二级对应烟尘橙色柱状图、三级对应烟尘黄色柱状图、四级对应烟尘橘红色柱状图、五级对应烟尘红色柱状图，其中三级及以下为安全范围，当超过三级时便启动报警装置及清灰设备；步骤2，通过摄像头(3)持续获取监控范围内的红外视频灰度图像；步骤3，将步骤2获得的当前帧红外视频灰度图像的数据，通过采集卡(4)输入计算机(5)中，计算机(5)采用预存的基于改进Retinex算法计算监控目标的反射图像，具体过程是：Retinex图像增强算法的基本假设是原始图像S(x,y)是光照图像L(x,y)与反射图像R(x,y)的乘积，表示为下式：S(x,y)＝R(x,y)·L(x,y)    (1)其中，x、y分别表示图像中像素的横坐标、纵坐标，函数S(x,y)表示原始图像在位置(x,y)处的像素值，函数R(x,y)表示反射图像在位置(x,y)处的像素值，函数L(x,y)表示光照图像在位置(x,y)处的像素值，将复杂的乘积运算变成简单的加减运算，即，其中，函数s(x,y)为原始图像S(x,y)以10为底的对数，函数r(x,y)为反射图像R(x,y)以10为底的对数，函数l(x,y)为光照图像L(x,y)以10为底的对数，从而将乘积关系转换为“和”的关系：s(x,y)＝r(x,y)+l(x,y)    (3)然后，在对数域中，估测函数r(x,y)，即从函数s(x,y)中去除函数l(x,y)，得到函数r(x,y)，表达式如下：其中，f(s)为对光照图像的估计函数，这样，通过对数函数的反变换得到反射图像R(x,y)，实践中Retinex图像增强算法采用直接估计法估计反射图像R(x,y)，因此，本步骤改进了Retinex算法，具体对反射图像R(x,y)的估计方式为：3.1)归一化当前帧图像数据，并求图像数据最大值Maximum，同时确定图像数据行nrows和列ncols的大小以及迭代次数n；3.2)初始化反射图像Rk(x,y)＝Maximum·ones(nrows,ncols)；3.3)基于多重迭代策略，采用螺旋路径，加权像素点灰度差值来估计当前反射图像：Rk＝Rk‑1+K·ΔR，其中，Rk为当前反射图像；Rk‑1为上次迭代反射图像，K为图像像素点灰度差值的权值，ΔR为反射图像像素点灰度差；3.4)判断当前反射图像3.5)当前反射图像3.6)更新反射分量Rk‑1＝Rk，供下次迭代使用；步骤4，通过改进Retinex算法计算得到反射图像R(x,y)后，对该反射图像R(x,y)的数据反归一化，根据确定的烟尘阈值以及区域划分情况，分别计算总区域及各子区域烟尘的分布比例；步骤5，根据安全级别显示烟尘情况柱状图，利用计算得到的烟尘比例，根据安全级别，显示总区域及各子区域柱状图；步骤6，判断是否有警情发生，若总区域或子区域烟尘分布超出安全范围，则计算机(5)发出预警信息，启动报警装置(6)及清灰设备；若没有警情，返回步骤2继续获取下一帧视频图像，以此类推。