高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于分数阶微分视频融合的森林烟火检测算法

仲亭玉 刘文萍 刘鹏举

仲亭玉, 刘文萍, 刘鹏举. 基于分数阶微分视频融合的森林烟火检测算法[J]. 北京林业大学学报, 2017, 39(3): 24-31. doi: 10.13332/j.1000-1522.20160163
引用本文: 仲亭玉, 刘文萍, 刘鹏举. 基于分数阶微分视频融合的森林烟火检测算法[J]. 北京林业大学学报, 2017, 39(3): 24-31. doi: 10.13332/j.1000-1522.20160163
ZHONG Ting-yu, LIU Wen-ping, LIU Peng-ju. A forest fire smoke detection algorithm based on fractional-calculus video fusion[J]. Journal of Beijing Forestry University, 2017, 39(3): 24-31. doi: 10.13332/j.1000-1522.20160163
Citation: ZHONG Ting-yu, LIU Wen-ping, LIU Peng-ju. A forest fire smoke detection algorithm based on fractional-calculus video fusion[J]. Journal of Beijing Forestry University, 2017, 39(3): 24-31. doi: 10.13332/j.1000-1522.20160163

基于分数阶微分视频融合的森林烟火检测算法

doi: 10.13332/j.1000-1522.20160163
基金项目: 

中央高校基本科研业务费专项 2015ZCQ-XX

详细信息
    作者简介:

    仲亭玉。主要研究方向:数字图像视频处理。Email: ztyzhong@163.com  地址:100083  北京市海淀区清华东路35号北京林业大学信息学院

    通讯作者:

    刘文萍,教授,博士生导师。主要研究方向:计算机图象及视频分析与处理、模式识别与人工智能。Email: wendyl@vip.163.com  地址:同上

  • 中图分类号: S762.2;TP391

A forest fire smoke detection algorithm based on fractional-calculus video fusion

  • 摘要: 森林火灾检测是国内外林业应用研究的重要课题之一。及时准确地检测到森林火灾,对于森林健康及环境安全意义重大。现有的利用视频技术检测森林火灾的方法大多针对单一波段,如可见光波段或红外波段的视频信息进行分析,然而在实际应用过程中,由于森林环境复杂,基于单一波段视频信息检测火灾的结果欠佳。现阶段,基于多个波段的森林火灾检测方法非常少。本文综合利用红外及可见光视频特征,提出了一种基于分数阶微分视频融合的森林烟火检测算法,将分数阶微分理论引入红外视频和可见光视频融合中,利用分数阶微分算子对两个波段视频进行融合,然后利用背景去除法检测融合视频中的异常帧,且对异常帧图像及其与背景帧的差分图像分别进行图像分割,最终得到检测出的森林烟火区域。采用空间频率、平均梯度、森林火灾检测准确率和森林火灾检测时间误差度4个测度对本文算法和基于区域能量融合算法、基于窗口方差融合算法、基于HSI变换融合算法进行定量分析和比较。结果表明,本文算法的融合视频的融合效果最佳,并且森林火灾检测准确率和森林火灾检测时间误差均明显优于其他3种算法,说明本文提出的算法具有较好的有效性和准确性,为森林火灾检测提供了有利的新途径。
  • 图  1  基于可见光和红外融合视频的森林烟火检测算法流程

    Figure  1.  Forest fire detection algorithm process based on visible light and infrared fusion video

    图  2  FCBF算法step 1实验结果

    Figure  2.  Experiment results of step 1 based on FCBF algorithm

    图  3  FCBF算法step 3至step 5实验结果

    Figure  3.  Experiment results of step 3-step 5 based on FCBF algorithm

    图  4  FCBF算法step 6和step 7实验结果

    Figure  4.  Experiment results of step 6 & step 7 based on

    图  5  本文提出的分数阶微分算子

    Figure  5.  Proposed fractional-calculus operator

    图  6  不同融合算法生成的融合图像及林区烟火检测结果(门头沟1号火点)

    Figure  6.  Results of forest fire detection based on different fusion algorithms (No.1 fire point in Mentougou District)

    图  7  不同融合算法生成的融合图像及林区烟火检测结果(门头沟2号火点)

    Figure  7.  Results of forest fire detection based on different fusion algorithms (No.2 fire point in Mentougou District)

    图  8  不同融合算法生成的融合图像及林区烟火检测结果(门头沟3号火点)

    Figure  8.  Results of forest fire detection based on different fusion algorithms (No.3 fire point in Mentougou District)

    图  9  不同融合算法生成的融合图像及林区烟火检测结果(门头沟4号火点)

    Figure  9.  Results of forest fire detection based on different fusion algorithms (No.4 fire point in Mentougou District)

    表  1  FCBF算法与其他3种算法性能比较

    Table  1.   Comparison of FCBF algorithm and other algorithms

    算法
    Algorithm
    空间频率
    Spatial frequency(S)
    平均梯度
    Average gradient(AG)
    准确率
    Detection accuracy rate(P)/%
    时间误差度
    Detection time rate(T)/%
    HSI变换融合算法HSI fusion algorithm 16.3270 7.8280 1.26 56.12
    区域能量融合算法Regional energy fusion algorithm 28.3191 12.3122 86.20 38.57
    窗口方差融合算法Regional variance fusion algorithm 32.5767 16.1555 87.13 21.14
    FCBF算法FCBF algorithm 35.9066 19.6399 91.85 2.03
    下载: 导出CSV
  • [1] 彭禹, 蔡邦成.森林火灾监测及相关技术综述[J].安徽农业科学, 2014, 42(32):11355-11357. doi:  10.3969/j.issn.0517-6611.2014.32.048

    PENG Y, CAI B C. Review of forest fire monitoring and interrelated technology[J]. Journal of Anhui Agricultural Sciences, 2014, 42(32): 11355-11357. doi:  10.3969/j.issn.0517-6611.2014.32.048
    [2] 武桂林, 吴昊, 张蓉.基于图像处理的森林烟火检测系统[J].计算机技术与发展, 2013, 10(10):227-231. http://d.old.wanfangdata.com.cn/Periodical/wjfz201310057

    WU G L, WU H, ZHANG R. Wildfire detection system based on image processing[J]. Computer Technology and Development, 2013, 10(10): 227-231. http://d.old.wanfangdata.com.cn/Periodical/wjfz201310057
    [3] JIA Y, YUAN J, WANG J, et al. A saliency-based method for early smoke detection in video sequences[J]. Fire Technology, 2016, 52(5):1-22. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=4af6d0869ff898ac610ea54a4393f8c0
    [4] KO B, KWAK J Y, NAM J Y. Wildfire smoke detection using temporospatial features and random forest classifiers[J/OL].[2016-03-10]. http://cvpr.kmu.ac.kr/papers/international-papers/0E-publication(wildfire).pdf.
    [5] KRSTINI D, STIPANICEV D, JAKOVCEVI T. Histogram-based smoke segmentation in forest fire detection system[J]. Information Technology & Control, 2009, 38(3): 237-244.
    [6] YUAN F. Video-based smoke detection with histogram sequence of LBP and LBPV pyramids[J]. Fire Safety Journal, 2011, 46(3): 132-139. doi:  10.1016/j.firesaf.2011.01.001
    [7] 邵婧, 王冠香, 郭蔚.基于视频动态纹理的火灾检测[J].中国图象图形学报, 2013, 18(6):647-653. http://d.old.wanfangdata.com.cn/Periodical/zgtxtxxb-a201306005

    SHAO J, WANG G X, GUO W. Fire detection based on video dynamic texture[J]. Journal of Image and Graphics, 2013, 18(6): 647-653. http://d.old.wanfangdata.com.cn/Periodical/zgtxtxxb-a201306005
    [8] 张红民, 谈世磊.基于邻域对比的红外林火小目标检测[J].重庆理工大学学报(自然科学版), 2015, 29(1):107-110. doi:  10.3969/j.issn.1674-8425(z).2015.01.020

    ZHANG H M, TAN S L. Small infrared forest fire target detection based on neighborhood contrast[J]. Journal of Chongqing Institute of Technology (Natural Science), 2015, 29(1): 107-110. doi:  10.3969/j.issn.1674-8425(z).2015.01.020
    [9] BOSCH I, SERRANO A, VERGARA L. Multisensor network system for wildfire detection using infrared image processing[J]. Scientific World Journal, 2013, 2013(3): 402196-402206. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=Doaj000003741061
    [10] 王进成, 张捷, 赵高鹏, 等.可见光与红外的视频火灾探测器设计[J].单片机与嵌入式系统应用, 2014(9):28-31. http://d.old.wanfangdata.com.cn/Periodical/dpjyqrsxtyy201409009

    WANG J C, ZHANG J, ZHAO G P, et al. Video fire detector based on visible light and infrared ray[J]. Microcontroller and Embedded Systems, 2014(9): 28-31. http://d.old.wanfangdata.com.cn/Periodical/dpjyqrsxtyy201409009
    [11] ZHANG Y S, ZHANG F, LI B Z. Fractional domain varying-order differential denoising method[J/OL]. Optical Engineering, 2014, 53(10).[2016-03-10]. http://opticalengineering.spiedigitallibrary.org/article.aspx?articleid=1862284.
    [12] PU Y F, ZHOU J L, SIARRY P. Fractional partial differential equation: fractional total variation and fractional steepest descent approach-based multiscale denoising model for texture image[J]. Abstract & Applied Analysis, 2013, 2013(4): 764-787. http://d.old.wanfangdata.com.cn/OAPaper/oai_doaj-articles_a88dcdc41c4220caa80d3c0a02e78b7d
    [13] YANG X Z, WANG W. Road identification in aerial images on fractional differential and one-pass ridge edge detection[J]. Journal of Applied Remote Sensing, 2014, 8(7): 4480-4494. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=12231f8fce4dfbc92233eadb9b056bc8
    [14] CHI C, GAO F. Palm print edge extraction using fractional differential algorithm[J]. Journal of Applied Mathematics, 2013, 2014(2): 1-7. http://d.old.wanfangdata.com.cn/NSTLQK/NSTL_QKJJ0232715086/
    [15] GHAMISI P, COUCEIRO M S, BENEDIKTSSON J A. An efficient method for segmentation of images based on fractional calculus and natural selection[J]. Expert Systems with Applications, 2012, 39(16): 12407-12417. doi:  10.1016/j.eswa.2012.04.078
    [16] ZHIMING W, HONG B. Entropy based multi-resolution visible-infrared image fusion[C]//Proceedings of 2012 IEEE Symposium on Electrical & Electronics Engineering (EEESYM). Boston: IEEE: 2012: 639-643.
    [17] 杨勇, 童松, 黄淑英.快速离散Curvelet变换域的图像融合[J].中国图象图形学报, 2015, 20(2):219-228. http://d.old.wanfangdata.com.cn/Periodical/zgtxtxxb-a201502008

    YANG Y, TONG S, HUANG S Y. Image fusion based on fast discrete Curvelet transform[J]. Journal of Image and Graphics, 2015, 20(2): 219-228. http://d.old.wanfangdata.com.cn/Periodical/zgtxtxxb-a201502008
  • [1] 刘长春, 刘鹏举, 季烨云.  基于视频区域动态特征的林火烟雾检测技术研究 . 北京林业大学学报, 2020, 42(): 1-10. doi: 10.12171/j.1000-1522.20200049
    [2] 李鹏飞, 郭小平, 顾清敏, 张昕, 冯昶栋, 郭光.  基于可见光植被指数的乌海市矿山排土场坡面植被覆盖信息提取研究 . 北京林业大学学报, 2020, 42(6): 102-112. doi: 10.12171/j.1000-1522.20190252
    [3] 陈珠琳, 王雪峰, 孙汉中.  基于可见光-近红外图像的幼龄檀香全磷含量诊断 . 北京林业大学学报, 2019, 41(2): 88-96. doi: 10.13332/j.1000-1522.20180214
    [4] 时小龙, 王立海, 徐华东, 徐庆波, 曹时凯, 许明贤.  基于阻抗仪和ERT技术的红松内部腐朽定量检测 . 北京林业大学学报, 2017, 39(9): 102-111. doi: 10.13332/j.1000-1522.20170196
    [5] 时小龙, 王立海, 徐华东, 徐庆波, 曹时凯, 许明贤.  基于阻抗仪和ERT技术的红松内部腐朽定量检测 . 北京林业大学学报, 2017, 39(9): 102-111. doi: 10.13332/j.1000-1522.20170123
    [6] 伏静, 戴思兰.  基于高光谱成像技术的菊花花色表型和色素成分分析 . 北京林业大学学报, 2016, 38(8): 88-98. doi: 10.13332/j.1000-1522.20150483
    [7] 李一琳, 丁长青.  基于GIS和MaxEnt技术对濒危物种褐马鸡的保护空缺分析 . 北京林业大学学报, 2016, 38(11): 34-41. doi: 10.13332/j.1000-1522.20160134
    [8] 李加国, 李松林, 韩梅, 汪晓峰.  4种检测柠条种子活力技术的比较分析 . 北京林业大学学报, 2015, 37(1): 15-28. doi: 10.13332/j.cnki.jbfu.2015.01.020
    [9] 赵索菲, 撒潮, 杨娜, 李婷婷.  基于时域和频域的层积材强度检测系统 . 北京林业大学学报, 2012, 34(3): 116-119.
    [10] 胡雄武, 张平松, 于仲.  直流电法CT技术检测林木孔洞结构特征 . 北京林业大学学报, 2012, 34(3): 103-106.
    [11] 孙伟, 侯瑞霞, 唐小明.  荒漠化和沙化监测数据动态分析技术 . 北京林业大学学报, 2012, 34(5): 105-112.
    [12] 陈凤毛, 叶建仁, 吴小芹, 谈家金, 黄麟.  松材线虫两种实用分子检测技术 . 北京林业大学学报, 2011, 33(4): 149-152.
    [13] 彭冠云, 江泽慧, 刘杏娥, 任海青, 余雁.  木质地板结构与密度分布特征的CT技术检测 . 北京林业大学学报, 2010, 32(6): 109-113.
    [14] 徐爱俊, 方陆明, 楼雄伟.  基于可见光视频的森林火灾识别算法 . 北京林业大学学报, 2010, 32(2): 14-20.
    [15] 冯仲科, 姚山, 董斌.  数字山东林业生态工程建设关键技术分析 . 北京林业大学学报, 2008, 30(增刊1): 147-151.
    [16] 秦爱光, 何亚平, 周永学, 王芳, 颜绍馗, 张璧光, 魏潇潇, 郑小贤, 袁怀文, 张洪江, 刘杏娥, 李瑞, 白岗栓, 胡万良, 毛俊娟, 高黎, 邓小文, 张莉俊, 杨平, 吴彩燕, 黄荣凤, 王费新, 胡胜华, 殷亚方, 崔赛华, 王胜华, 刘燕, 孙向阳, 李猛, 张克斌, 罗晓芳, 常旭, 费世民, 杜社妮, 王晓欢, 戴思兰, 王正, 樊军锋, NagaoHirofumi, 汪思龙, 谭学仁, 乔建平, 赵天忠, 王小青, 张岩, 王兆印, , 孔祥文, 张旭, 李昀, 高荣孚, 张双保, 江玉林, 徐嘉, 张占雄, 龚月桦, 刘云芳, 王海燕, KatoHideo, 陈放, 江泽慧, 范冰, 李华, 韩士杰, 刘秀英, 侯喜录, 杨培华, 任海青, 丁磊, 郭树花, IdoHirofumi, 李晓峰, 陈秀明, 李媛良, 常亮, , 陈宗伟, 薛岩, , 费本华, 李考学, 高建社, 蒋俊明, 陈学平, 张桂兰, 张代贵, 徐庆祥, , 涂代伦, 金鑫, 刘永红, 续九如, , 王晓东, 李雪峰, 张红丽, , , 丁国权.  基于XML技术的生物标本信息共享规范数字化表达技术 . 北京林业大学学报, 2007, 29(6): 215-218.
    [17] 张仁军, 李昌晓, 尹增芳, 林勇明, 谭健晖, 陈圆, 张玉兰, 林娅, 崔丽娟, 邢韶华, 闫德千, 张运春, 李云开, 孙阁, 吴淑芳, 王超, 李春义, 刘杏娥, 赵铁珍, 张颖, 王蕾, 周海宾, 王春梅, 任云卯, 金莹杉, 张秀新, 梁善庆, 周繇, 王戈, 徐秋芳, 王莲英, 刘青林, 张志强, 于俊林, 杨培岭, 翟明普, 杨远芬, 江泽慧, 江泽慧, 刘国经, 洪滔, 高岚, 周荣伍, 吴普特, 余养伦, 罗建举, 马钦彦, 张明, 张桥英, 钟章成, 樊汝汶, 张曼胤, 赵勃, 刘艳红, 黄华国, 王以红, 马履一, 温亚利, 张晓丽, 张本刚, 崔国发, 王小青, 于文吉, 费本华, 刘俊昌, 殷际松, 邵彬, 冯浩, 田英杰, 吴承祯, 汪晓峰, 王希群, 周国逸, 柯水发, 罗鹏, 周国模, 何春光, 安玉涛, 陈学政, 王玉涛, 杨海军, 李敏, 何松云, 徐克学, 刘爱青, 温亚利, 徐昕, 洪伟, 骆有庆, 王九中, 马润国, 康峰峰, 任树梅, 高贤明, 邬奇峰, 赵景刚, 费本华, 蔡玲, 魏晓华, 胡喜生, 吴家森, 安树杰, 田平, 林斌, 郑万建, 朱高浦, 赵弟行, 赵焕勋, 吴宁, 任海青, 卢俊峰, 李永祥, 宋萍, 范海兰.  分布式数据库技术在数字化森林生态站的应用 . 北京林业大学学报, 2007, 29(3): 131-135.
    [18] 姚洪军, 惠刚盈, 李瑞, 徐向舟, 宋颖琦, 王顺忠, 王旭, 王尚德, 白新祥, 周成理, 余雁, 任琴, 王清奎, 武广涛, 马尔妮, 雷加富, 齐实, 耿玉清, 何亚平, 徐基良, 刘秀萍, 陈丽华, 周国逸, 刘大庆, 赵广杰, 费世民, 王飞, 费本华, 俞国胜, 杨莉, 云琦, 杨谦, 康向阳, 胡可, 徐海, 崔国发, 史军义, 石玉杰, 白翠霞, 汪思龙, 张克斌, 胡永建, 徐秉玖, 秦跟基, 孙阁, 张红武, 蒋俊明, 戴思兰, 胡艳波, 赵铁蕊, 宋维峰, 李忠, 陈晓鸣, 李代丽, 王百田, 冯宗炜, 孙阁, 张波, 张恒明, 瞿礼嘉, 易传辉, 张慧, 王戈, 王亮生, 代力民, 陈秀明, 张德强, 陈华君, 高荣孚, 杨晓晖, 董占地, 朱金兆, 王树森, 朱明东, 金幼菊, 余英, 石雷, 乔锋, 肖玉保, 闫俊华, 武波, 陈峻崎, 王庆礼, 赵辉, 杨海龙, 杨俊杰, 李镇宇, 陈晓阳, 唐森强, 杨莉, SteveMcNulty.  超声技术在造林地表面障碍检测中的应用 . 北京林业大学学报, 2006, 28(5): 125-128.
    [19] 杜官本, 周志强, 江泽慧, 刘志军, 李国平, 徐剑琦, 刘智, 李贤军, 施婷婷, 于寒颖, 周国模, 雷相东, 黄心渊, 张煜星, 曹伟, 程丽莉, 赵俊卉, 崔彬彬, 肖化顺, 张展羽, 王志玲, 陈伟, 程金新, 雷霆, 宗世祥, 张贵, 李云, 苏淑钗, 杨谦, 吴家森, 郭广猛, 李云, 张璧光, 黄群策, 张璧光, 王正, 刘童燕, 王海, 张彩虹, 雷洪, 丁立建, 郝雨, 曹金珍, 关德新, 苏里坦, 张则路, 骆有庆, 王正, 常亮, 张大红, 姜培坤, 方群, 刘彤, 金晓洁], 许志春, 张国华, 秦岭, 贺宏奎, 宋南, 秦广雍, 李文军, 黄晓丽, 张慧东, 张书香, 陈晓光, 吴家兵, 周晓燕, 张佳蕊, 王勇, 刘大鹏, 于兴华, 姜金仲, 张弥, 高黎, 蔡学理, 苏晓华, 张金桐, 李延军, 陈燕, 冯慧, 刘建立, 刘海龙, 姜静, 陈绪和, 周梅, 朱彩霞, 成小芳, 王谦, 王德国, 王安志, 尹伟伦, 张冰玉, 张连生, 金昌杰, 聂立水, 陈建伟3, 亢新刚, 张勤, 冯大领, 梁树军, 韩士杰, 崔国发, 胡君艳, 姚国龙.  “数字林业”及其技术与发展 . 北京林业大学学报, 2006, 28(6): 142-147.
    [20] 李艳华, 李贤军, 吴娟, 张占宽, 卜崇峰, 王发国, 郝朝运, 杨丽韫, 徐秋芳, 王安志, 宋瑞清, 罗辑, 刘海军, 程万里, 毕华兴, 赵廷宁, 张志, 陈永亮, 旷远文, 王鸿斌, 明军, 程根伟, 马洁, 张启翔, 习宝田, 骆有庆, 张真, 马忠明, 姜培坤, 刘建梅, 李文华, 曹子龙, 冀瑞卿, 张璧光, 叶华谷, 刘一星, 谭秀英, 郭卫东, 陈天全, 刘国彬, 温达志, 朱金兆, 温俊宝, 兰彦平, 郑翠玲, 李笑吟, 李文军, 敏朗, 李伟, 沈泉, 朱清科, 周国逸, 康向阳, 陈玉福, 孔祥波, 刘鹏, 裴铁, 程放, 邢福武, 刘世忠, 孙保平, 何祖慰, 李延军, 马其侠, 则元京, 张志明, 张宇清, 金昌杰, 沈佐锐, 姚爱静, 陈红锋, 张德强, 丁国栋, 金幼菊, 冯继华, 陶万强, 曹刚, 魏铁.  基于DEM的数字地形分析 . 北京林业大学学报, 2005, 27(2): 49-53.
  • 加载中