有关基于小波变换的油库火灾特征边缘检测毕业论文写作资料-论文写作网

简介:适合图像火灾论文写作的大学硕士及相关本科毕业论文，相关图像火灾开题报告范文和学术职称论文参考文献下载。

图像火灾论文范文

摘要：火焰及烟雾的扩散成为火灾事态发展的最直接的可视判据.为了准确及时把握油库火灾的发展事态,本文在分析多种边缘检测算法的基础上,通过小波变换准确获取了油料火灾图像的边缘特征,可作为火灾监控及应急决策的可靠依据.

关键词：火灾；多分辨率；小渡变换；边缘检测

油库火灾发生时会产生大量烟雾并不断扩散,在有风的情况下其扩散路径会发生改变.烟雾扩散的快慢、方向和烟雾的浓度是最直接判别火灾发展事态的依据,因此,为了准确监控火灾的发展过程以便采取相应的应急措施,根据火灾发生时不断变化的火焰及烟雾图像准确获取特征信息变得非常重要.烟雾的扩散可以用连续变化的边缘特征来体现,本文通过分析比较各种边缘检测算子的基础上,通过研究小波变换用于提取火灾图像边缘,实验结果证明,采用小波分析方法提取的火灾图像边缘较其它常用的方法更细、更准确、更完整.

1.各种边缘检测算法分析

通常用于图像边缘检测算法有以下几种：

Roberts算子：利用局部差分算子检测边缘,边缘定位精度高,但易出现部分边缘丢失.由于图像未经平滑处理,因此不具备抑噪能力,对陡峭边缘和噪声低的图像效果比较好：

Sobel和Prewitt算子：该两种算法首先对图像做加权平滑处理,因此对噪声具有一定的抑制作用,但有时会出现虚假边缘.边缘定位效果好,但检测出的边缘容易出现多像素宽度,有待边缘细化；

Laplacian算子：该算法是不依赖边缘方向的二阶微分算子,对于阶跃型图像边缘定位准确,但对噪声非常敏感,使得噪声成分加强,容易丢掉一部分边缘的方向信息,造成检测边缘不连续,同时抗噪能力比较差：

LoG算子：该算法克服了Laplacian边缘算子抗噪能力差的缺点,但在抑制噪声的同时也可能将原有的比较尖锐的边缘平滑掉,造成这些尖锐边缘无法检测到；

Canny算子：由一阶微分的极大值确定边缘点,图像中灰度变化剧烈的点与变化缓慢的点都对应着二阶导数零交叉点.虽然该算法是基于最优化思想推导出来的,采用高斯函数对图像作平滑处理,提高了抗噪能力,但同时也会将一部分高频边缘平滑掉.

针对以上各种检测算子的缺点,结合油料火灾图像的特点,本文提出一种基于小波变换的火灾图像边缘检测方法,该方法能较好地抑制噪声干扰,且耗时较短.提取的边缘完整准确,为图像火灾探测和应急决策提供了可靠依据.

2.小波多分辨率分析

小波分析是目前国内外前沿研究的热点之一,在各领域得到了广泛的应用.小波分析是Fourier分析思想的继承和发展,是继Fourier分析之后的又一有效的时频分析方法.小波分析是一种窗口大小（即窗口面积）固定但其形状可改变,时间窗和频率窗都可改变的时频局域化分析方法,即在低频部分具有较高的频率分辨率和较低的时间分辨率,而在高频部分具有较高的时间分辨率和较低的频率分辨率.小波分析的主要优点之一就是提供局部分析与细化的能力.

小波多分辩分析是在函数空间内,将函数描述为一系列近似函数的极限,每一个近似函数都是函数的平滑,而且具有越来越精细的近似函数,这些近似是在不同尺度（即多分辨）上得到的.构成空间L2( R)中的多分辨率闭空间序列（V）.满足下列条件：

3.二维图像的小波变换

二维图像f（x,y）的小波变换首先沿x方向用尺度函数和小波函数进行分析,将（x,y）分解成平滑逼近和细节这两部分.然后在沿&,acute,,方向用尺度函数咖∽和小波函数中(y)分别对平滑逼近和细节这两部分进行分析,这样得到四路输出.经,处理的一路是（x,y）的第一级平滑逼近LL,其余三路输出为LH1、HL1、HH1为函数的细节部分.接下来,可以对第一级平滑逼近LL1重复上面的操作进行二级分解,LL2、LH2、HL2、HH2.继续重复上面过程可以进行进一步的分析,图2为二级分解原理图.