周 鳳(綏化學(xué)院信息工程學(xué)院, 綏化,152061)

一種HSI空間基于模糊聚類的火災(zāi)彩色圖像分割算法

周 鳳*
(綏化學(xué)院信息工程學(xué)院, 綏化,152061)

針對(duì)通用模糊聚類算法進(jìn)行彩色圖像分割存在對(duì)初值敏感，迭代過程耗時(shí)等問題，在HSI空間結(jié)合火焰圖像分布特征，采用平均值法進(jìn)行初值優(yōu)選，構(gòu)造抑制算子和抑制因數(shù)對(duì)火焰無關(guān)區(qū)域S和I分量進(jìn)行有效抑制，采用直方圖聚類后進(jìn)行數(shù)據(jù)融合等方式，最終實(shí)現(xiàn)彩色火災(zāi)圖像分割。實(shí)驗(yàn)表明，該算法提高了彩色火災(zāi)圖像分割的準(zhǔn)確性和收斂速度。

火災(zāi)圖像分割；模糊均值聚類；無關(guān)區(qū)域抑制；直方圖

0 引言

火災(zāi)圖像分割作為火災(zāi)探測(cè)識(shí)別的關(guān)鍵技術(shù)，一定程度上決定了火災(zāi)探測(cè)識(shí)別的快速性和準(zhǔn)確性。隨著計(jì)算機(jī)硬件及傳感器技術(shù)的不斷進(jìn)步，進(jìn)行火災(zāi)彩色圖像分割，從而在保證時(shí)效性基礎(chǔ)上提高火災(zāi)探測(cè)識(shí)別的準(zhǔn)確性成為圖像火災(zāi)探測(cè)領(lǐng)域的必然發(fā)展趨勢(shì)。

模糊C均值圖像分割算法[1](FCM，F(xiàn)uzzy C-Means)以其無需訓(xùn)練樣本，對(duì)復(fù)雜圖像適應(yīng)度高，因此得到廣泛的應(yīng)用，而彩色圖像分割更成為近年來研究的熱點(diǎn)[2]。但通用FCM算法存在諸多缺陷，如對(duì)初始值敏感，迭代過程耗時(shí)，在進(jìn)行圖像聚類時(shí)未考慮空間信息應(yīng)用等[3]，因此多數(shù)具體應(yīng)用中均采用不同方法優(yōu)化FCM，以提高分割的準(zhǔn)確性和收斂速度。本文正是針對(duì)火災(zāi)圖像分割具體應(yīng)用，在HSI色彩空間優(yōu)化FCM初值選取，對(duì)無關(guān)區(qū)域進(jìn)行抑制，采用直方圖聚類化簡(jiǎn)迭代過程以提高火災(zāi)圖像分割的準(zhǔn)確性和時(shí)效性。

1 降噪濾波與無關(guān)區(qū)域抑制

為降低噪聲對(duì)FCM的影響，應(yīng)當(dāng)對(duì)圖像進(jìn)行降噪濾波。首先將RGB圖像映射到HSI色彩空間[4]，其次使用方形3×3模板對(duì)圖像進(jìn)行中值濾波，在保留圖像邊緣的同時(shí)濾除噪聲。濾波公式如下：

(1)

在進(jìn)行圖像分割時(shí)，由于主要目標(biāo)為分離火焰區(qū)域，因此，在圖像預(yù)處理時(shí)，結(jié)合FCM算法思想，對(duì)火焰區(qū)域進(jìn)行色彩和亮度增強(qiáng)，而對(duì)其他火焰無關(guān)區(qū)域進(jìn)行抑制。由參考文獻(xiàn)[5]，火焰的H、S、I值一般如表1所示，本文采用該數(shù)據(jù)對(duì)圖像進(jìn)行無關(guān)區(qū)域抑制。

表1 火焰的HSI分布

無關(guān)區(qū)域抑制可看作對(duì)火焰區(qū)域的變相增強(qiáng)，包括飽和度抑制和亮度抑制。在HSI空間中，色度H在[0,2π]區(qū)間中周期連續(xù)變化，構(gòu)成一個(gè)“圓環(huán)”，而亮度I和飽和度S在[0,1]區(qū)間中近似線性變化，參考表1本文構(gòu)造抑制算子如下：

(2)

其中，S0=0.3,I0=0.445，抑制結(jié)果見圖1、圖2。

圖1 S分量抑制算子抑制曲線Fig.1 Curves of S attenuation operator

圖2 I分量抑制算子抑制曲線Fig.2 Curves of I attenuation operator

圖1為S分量抑制曲線，橫軸為原始Sij分量，縱軸為按公式(2)進(jìn)行抑制后Sij′取值，實(shí)線為參考線，表征前后取值不變，虛線為抑制后取值。由圖1可以看出，該算子對(duì)圖像“較暗”部分的飽和度進(jìn)行了抑制，而對(duì)圖像中“較亮”部分進(jìn)行了增強(qiáng)，有利于在聚類運(yùn)算中增加火焰區(qū)域與其他無關(guān)區(qū)域的歐氏距離。

圖2為I分量抑制曲線，橫軸為原始Iij分量，縱軸為按公式(2)進(jìn)行抑制后I′ij取值，實(shí)線為參考線，表征前后取值不變，虛線為抑制后取值。由圖2可以看出，該算子對(duì)圖像整體亮度進(jìn)行了抑制，對(duì)“較暗”部分的亮度抑制作用較強(qiáng)，而對(duì)圖像中“較亮”部分抑制作用逐步減弱，為后續(xù)處理提供便利。

為進(jìn)一步分離火焰區(qū)域，應(yīng)對(duì)火焰區(qū)以外區(qū)域的亮度進(jìn)行進(jìn)一步抑制，由表1可知，H分量對(duì)圖像火焰區(qū)部分區(qū)分較為穩(wěn)定，由此可設(shè)H為自變量，構(gòu)造I分量抑制因子如下：

(3)

其中θ表征火焰色度中心，取值π/6，α表征保留/抑制的比例，該值越大，火焰區(qū)域亮度保留越多，同時(shí)對(duì)非火焰區(qū)域抑制作用越強(qiáng)。由圖3可知，越接近火焰色度中心，I分量抑制因子抑制越弱，而越遠(yuǎn)離火焰色度中心，I分量抑制因子抑制越強(qiáng)。

圖3 I抑制因子函數(shù)曲線Fig.3 Curves of I Attenuation factor

由于在圖像高亮區(qū)域H分量噪聲因素的影響，在使用抑制因子K進(jìn)行亮度抑制時(shí)，可能會(huì)對(duì)原本屬于火焰區(qū)域的高亮區(qū)域進(jìn)行抑制從而造成錯(cuò)誤，所以應(yīng)使用式(4)的方法進(jìn)行亮度抑制。

(4)

其中，δ為區(qū)分閾值。為有效抑制圖像中直高亮區(qū)域，并保留火焰區(qū)域中高亮區(qū)域，經(jīng)實(shí)驗(yàn)統(tǒng)計(jì)，δ取0.9時(shí)，火焰圖像處理可取得較好效果。

圖4 算子和抑制因子處理結(jié)果Fig.4 Processing results by attenuation operators and attenuation factor

2 初值選取與直方圖量化

傳統(tǒng)FCM算法對(duì)初值較為敏感，類似火焰圖像分割這類最終只將圖像劃分為兩個(gè)聚類的應(yīng)用，如果采用隨機(jī)初始化，很可能會(huì)造成火焰區(qū)域分割錯(cuò)誤，因此應(yīng)當(dāng)針對(duì)火焰圖像根據(jù)火焰特征進(jìn)行初值選取，以提高FCM的準(zhǔn)確性和迭代收斂速度。本文使用表1數(shù)據(jù)采用基于平均值的初始聚類中心選取方法，從視覺及處理效率角度考慮，用色度閾值進(jìn)行簡(jiǎn)單劃分即可完全滿足需要。

設(shè)圖像所有點(diǎn)的集合為S，火焰區(qū)域聚類中心為(H0,S0,I0)，非火焰區(qū)域聚類中心為(H1,S1,I1)，所以有：

(5)

由于要大量迭代計(jì)算每一像素點(diǎn)的隸屬度，因此傳統(tǒng)的FCM速度相對(duì)不高。為降低計(jì)算復(fù)雜度，應(yīng)將圖像各分量映射到直方圖[6]上，基于直方圖進(jìn)行聚類，設(shè)圖像為M×N的像素矩陣，直方圖量化階數(shù)為L(zhǎng)，本文采用一維直方圖，每分量為l(i)(i=0…L-1)，對(duì)H、I分量分別統(tǒng)計(jì)直方圖，則有：

(6)

3 基于改進(jìn)的FCM火災(zāi)圖像分割

利用經(jīng)驗(yàn)數(shù)據(jù)對(duì)原始圖像進(jìn)行預(yù)處理，在保留火焰區(qū)域信息的基礎(chǔ)上對(duì)無關(guān)區(qū)域進(jìn)行抑制，提高FCM隸屬度的差異，并采用平均值方法確定初始聚類中心；根據(jù)采用一維直方圖在(H,S)和I分量上分別進(jìn)行聚類，并進(jìn)行綜合處理，極大降低迭代的計(jì)算量和迭代次數(shù)，考慮鄰域均分改進(jìn)隸屬度函數(shù)，提高分割準(zhǔn)確度，在此基礎(chǔ)上，實(shí)現(xiàn)在HSI空間中的FCM火災(zāi)圖像分割。算法流程如圖5。

圖5 算法流程圖Fig.5 Algorithm flow diagram

4 實(shí)驗(yàn)結(jié)果及分析

為驗(yàn)證算法的有效性，采用標(biāo)準(zhǔn)FCM算法和本文算法進(jìn)行分割處理，算法測(cè)試平臺(tái)為Window7、Intel-i7 3770K、內(nèi)存8G的PC機(jī)。對(duì)比如圖6所示 。

圖6 圖像處理結(jié)果對(duì)比Fig.6 Comparison of fire image processing result

圖6(a)為原始火災(zāi)圖像；(b)為標(biāo)準(zhǔn)FCM分割結(jié)果，由于天空背景及其他無關(guān)區(qū)域亮度和火焰近似，故而未將火焰和背景高亮部分區(qū)分開；(c)為對(duì)原始圖像進(jìn)行無關(guān)區(qū)抑制的結(jié)果；(d)為本文算法的分割結(jié)果，相比標(biāo)準(zhǔn)FCM，本文算法針對(duì)復(fù)雜背景火災(zāi)圖像，可有效抑制了火焰無關(guān)區(qū)域?qū)垲惖挠绊?，?zhǔn)確分割出了火焰區(qū)域。

從處理時(shí)間對(duì)比看，本文算法相比標(biāo)準(zhǔn)FCM耗時(shí)更短，實(shí)時(shí)性更強(qiáng)。

5 結(jié)論

本文結(jié)合火災(zāi)圖像的特征，提出了一種FCM彩色火焰圖像分割方法，通過初值優(yōu)選、構(gòu)造抑制函數(shù)和抑制因子對(duì)無關(guān)區(qū)進(jìn)行抑制、采用直方圖聚類等手段，提升了火災(zāi)圖像模糊聚類分割的準(zhǔn)確性，為后續(xù)的火災(zāi)特征提取和分析提供了有利支撐。

[1] 朱小雨. 基于FCM聚類的彩色圖像分割算法研究[D]. 吉林: 吉林大學(xué), 2011: 23-31.

[2]JiZx,etal.Fuzzyc-meansclusteringwithweightedimagepatchforimagesegmentation[J].AppliedSoftComputing, 2012, 12(6): 1659-1667.

[3] 楊潤(rùn)玲. 基于FCM類型算法的自動(dòng)圖像分割方法研究[D]. 西安: 西安電子科技大學(xué), 2006: 13-21.

[4]GonzalezRC. 數(shù)字圖像處理[M]. 北京: 電子工業(yè)出版社, 2005: 144-320.

[5]HorngWB,etal.Anewimagebasedreal-timeflamedetectionmethodusingcoloranalysis[J].inConfICNSC, 2005,IEEE, 2005: 100-105.

[6]LanJH,ZengYL.Multi-thresholdimagesegmentationusingmaximumfuzzyentropybasedonanew2Dhistogram[J].Optik-InternationalJournalforLightandElectronOptics, 2013, 124(18): 3756-3760.

A fire color image segmentation algorithm base on fuzzy C-means clustering in HSI space

ZHOU Feng
(Sui Hua University, Suihua 152061, China)

The general fuzzy clustering algorithm for color image segmentation is sensitive to initial value and the iterative process is time-consuming. In this paper, a fire color image segmentation algorithm base on fuzzy C-means clustering in HSI space is developed. In HSI color space, with flame image distribution, the average value method is used for optimization of initial value, thereby attenuation operator and attenuation factor are constructed to attenuate the flame unrelated region on S and I component effectively. The data are clustered and integrated base on the histogram, and the color fire image segmentation is finally realized. Experiments show that this algorithm improves the accuracy and convergence rate of color fire image segmentation.

Fire image segmentation; Fuzzy C-means clustering; Irrelevant area attenuation; Histogram

2016-04-21；修改日期：2016-07-22

綏化學(xué)院2015年科學(xué)技術(shù)研究項(xiàng)目“基于嵌入式視覺的火災(zāi)檢測(cè)的研究”(No:K1502003)

周鳳(1980-)，講師，綏化學(xué)院，教師，從事計(jì)算機(jī)應(yīng)用方面研究。

周鳳，E-mail:36272828@qq.com

1004-5309(2017)-0049-05

10.3969/j.issn.1004-5309.2017.01.07

TP391.41; X915.5

A