吳 雪，宋曉茹，高 嵩

（西安工業(yè)大學(xué) 電子信息工程學(xué)院，西安710021）

火災(zāi)作為突發(fā)性和破壞性的災(zāi)害之一，每年都會(huì)使經(jīng)濟(jì)和環(huán)境造成很大的損失。 因此，火災(zāi)的初期識(shí)別對(duì)提高火災(zāi)探測系統(tǒng)的可靠性起著非常重要的作用。 火焰圖像的分割質(zhì)量是火災(zāi)探測系統(tǒng)的重要一步，能夠?yàn)榛鹧鎴D像特征提取和判斷火災(zāi)的真假提供重要的依據(jù)。

1 火焰圖像分割法的研究現(xiàn)狀

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，火焰圖像分割方法發(fā)展迅速。 文獻(xiàn)[1]利用最大類間方差Otsu 法，以灰度值和紅色值為輸入，對(duì)火焰圖像進(jìn)行分割。 文獻(xiàn)[2]針對(duì)現(xiàn)有分割算法的抗噪性差和計(jì)算時(shí)間長的缺點(diǎn)，提出了改進(jìn)斜分最大類間方法，該算法提高了圖像分割的抗噪性。文獻(xiàn)[3]針對(duì)Otsu 法依賴于雙峰直方圖的缺點(diǎn)，提出了基于灰度積分投影法的火焰圖像分割。 文獻(xiàn)[4]提出了基于火焰閃點(diǎn)位置的交叉性與聚合性的偵差算法，實(shí)現(xiàn)了火焰目標(biāo)區(qū)域的分割識(shí)別。 文獻(xiàn)[5-6]分別改進(jìn)了Otsu 法，以提高其最優(yōu)閾值精度。 以上方法的缺點(diǎn)是丟失了大部分火焰的彩色信息，造成分割精度的下降。

近些年來，研究學(xué)者根據(jù)火焰含有大量的彩色信息，提出了許多基于彩色空間[7]的火焰圖像分割方法。文獻(xiàn)[8]使用HSV 空間中的強(qiáng)度值和顏色分布2 種特征進(jìn)行火焰圖像分割， 取得了令人滿意的結(jié)果。 文獻(xiàn)[9]提出了基于局部分形維數(shù)的林火圖像火焰分割算法，先提取圖像的RGB 三通道分量，然后對(duì)每一個(gè)分量圖采用四棱柱模型計(jì)算局部分形維數(shù)，完成對(duì)分量圖的分割。 文獻(xiàn)[10]采用基于多尺度顏色特征和小波紋理征的無監(jiān)督火焰圖像分割方法，來提高火焰圖像分割的質(zhì)量和速度。 但基于彩色信息分割的方法多采用單色空間， 在背景復(fù)雜、干擾較多的情況下，分割精度低。

基于此，文中提出基于小波融合的雙色空間火焰分割方法， 將根據(jù)火焰在不同顏色空間的特性，通過分析火焰在HSI 空間和RGB 空間的顏色直方圖，單獨(dú)提取出在HSI 和RGB 的可疑區(qū)域；利用小波變換的方法對(duì)已單獨(dú)分割出來的火焰區(qū)域進(jìn)行融合，得到融合后的分割圖像。

2 火焰分割模型的設(shè)計(jì)

2.1 RGB 彩色模型

顏色在計(jì)算機(jī)中有不同的表達(dá)方式，可以形成不同的顏色空間。

RGB 模型是一類面向顯示和打印的模型，其以R（red 紅），G（green 綠），B（blue 藍(lán)）作為彼此獨(dú)立的三基色。 RGB 所構(gòu)成的顏色空間模型如圖1 所示。圖中， 原點(diǎn)代表黑色；3 個(gè)坐標(biāo)軸上的點(diǎn)分別代表R，G 和B；離原點(diǎn)最遠(yuǎn)的點(diǎn)代表白色；其他的顏色都可以由這3 種顏色表達(dá)。

圖1 RGB 彩色空間模型Fig.1 RGB color space model

2.2 HSI 模型

HSI（hue-saturation-intensity）模型是另一種常用的彩色圖像格式，其中H 為色度、S 為飽和度、I 為度。 該彩色空間模型可由圖2 所示椎體來表示。

圖2 HSI 彩色空間模型Fig.2 HSI color space model

圖中，模型的下頂點(diǎn)代表黑色，上頂點(diǎn)代表白色；H 可由繞圓錐中心軸的角度表示；S 可由一個(gè)點(diǎn)到圓錐的橫截面圓心的距離表示，距離越大飽和度S 越大；I 可由圓錐橫截面到頂點(diǎn)的距離表示。 該模型更加適合人的視覺系統(tǒng)。

2.3 基于小波融合的火焰分割模型設(shè)計(jì)

由于RGB 模型易受到光照變化的影響，直接采用RGB 模型對(duì)彩色圖像進(jìn)行分割，往往達(dá)不到很好的效果，而HSI 空間更加符合人的視覺特性。 故在此對(duì)2 種空間顏色的信息進(jìn)行融合，實(shí)現(xiàn)了2 種顏色空間信息的互補(bǔ)。 所采用的分割模型如圖3 所示。

圖3 火焰分割模型Fig.3 Flame splitting model

先分別對(duì)RGB 空間和HSI 空間進(jìn)行單獨(dú)分割，然后利用小波方法對(duì)2 種分割后的圖像進(jìn)行融合，得到最終的火焰分割圖。

2.4 小波融合算法的設(shè)計(jì)

圖像融合算法是將獲得的同一目標(biāo)的2 幅或者多幅圖像，通過一種特定算法合成為一種新的圖像的方法。 圖像融合可以分為像素級(jí)融合、特征級(jí)融合和決策級(jí)融合等3 個(gè)等級(jí)。

基于小波變換的圖像融合是一種像素級(jí)的融合方法，由小波正變換和小波逆變換組成。 其中，小波正變換能夠把圖像分解成水平、垂直和對(duì)角的高頻分量與低頻分量， 分別對(duì)應(yīng)于圖像的不同結(jié)構(gòu)。小波變化的二級(jí)分解由圖4 所示。 小波的逆變換變換能夠?qū)D像進(jìn)行重構(gòu)，保證在分解的過程中沒有信息的損失。

圖4 小波分解過程Fig.4 Wavelet decomposition process

利用小波的特性， 對(duì)經(jīng)過HSI 空間和RGB 空間分割后的圖像進(jìn)行融合，模型如圖5 所示。 具體方法如下： 對(duì)經(jīng)過HSI 彩色空間和RGB 彩色空間分割后的源圖像，分別進(jìn)行一級(jí)小波分解，得到相應(yīng)源圖像的近似低頻分量和3 個(gè)高頻分量；對(duì)分解后的低頻分量和高頻分量，采用不同的融合規(guī)則進(jìn)行融合；利用小波逆變換重構(gòu)圖像，得到最終的分割圖像。

圖5 小波融合方法Fig.5 Wavelet fusion method

3 試驗(yàn)結(jié)果與分析

所做試驗(yàn)選取一幅圖像中含有多前景，且背景復(fù)雜的火災(zāi)圖像作為研究對(duì)象，所選圖像如圖6 所示。 為了說明提出算法的有效性，利用融合后的分割圖像， 分別與單獨(dú)采用HSI 彩色空間和RGB 彩色空間的火焰區(qū)域進(jìn)行分割后的圖像做比較。

圖6 火焰原圖Fig.6 Flame artwork

3.1 HSI 空間的火焰圖像分割

火焰具有色調(diào)特性和飽和度較高的特性。 因此，為了分析火焰在HSI 彩色空間的像素值分布特點(diǎn)， 對(duì)HSI 彩色空間的H，S 和I 空間進(jìn)行分離，并分析其H 和S 分量的直方圖，如圖7（a）和（b）所示?；鹧娴纳纫话阍?～60 度之間，飽和度在0.6～1 之間。 通過分析原圖的直方圖，試驗(yàn)將選取H 通道閾值為0.2 和飽和度空間閾值為0.6 進(jìn)行HSI 空間的火焰區(qū)域分割。 經(jīng)過HSI 彩色空間分割后的火焰區(qū)域圖像如圖7（c）所示。

圖7 HSI 空間分割Fig.7 HSI space segmentation

3.2 RGB 空間的火焰圖像分割

火焰在燃燒時(shí)具有發(fā)光發(fā)亮的特性，一般的變化范圍在紅色與黃色之間， 存在很明顯的偏色現(xiàn)象。 該特性在圖像上表現(xiàn)為紅色分量像素值高，綠色和藍(lán)色通道的像素值比較低。 該試驗(yàn)將同樣分析原圖在RGB 空間上的紅色通道直方圖和藍(lán)色通道直方圖，如圖8（a）和（b）所示。將R 通道閾值設(shè)定為180，藍(lán)色通道閾值設(shè)定為50。經(jīng)過HSI 彩色空間分割后的火焰區(qū)域圖像如圖8（c）所示。

圖8 RGB 空間分割Fig.8 RGB space segmentation

3.3 基于小波變換融合的雙色空間分割

分別對(duì)經(jīng)過HSI 空間和RGB 空間分割后的圖像進(jìn)行小波分解。 采用級(jí)小波分解，以sym4 作為函數(shù)空間基，對(duì)于高頻和低頻均采用加權(quán)平均的融合方法， 融合再利用小波的逆變換進(jìn)行小波重構(gòu)，得到融合后的火焰分割圖。 在利用小波方法融合后的圖像如圖9 所示。

圖9 融合后的圖像分割Fig.9 Image segmentation after fusion

由圖可見， 對(duì)火焰圖像經(jīng)過HSI 和RGB 空間單獨(dú)分割后，再采用小波變化的方法對(duì)分割后的圖像進(jìn)行融合， 其更好地包含了圖像火焰區(qū)域的信息，優(yōu)于單色空間的分割效果。

4 結(jié)語

針對(duì)單色空間對(duì)火焰分割的信息丟失， 提出了基于小波融合的HSI 和RGB 雙彩色空間的火焰分割方法。 該方法利用各原圖信息的互補(bǔ)，增加了對(duì)原始圖像分割后包含信息的豐富性， 得到更全面的圖像信息。 仿真試驗(yàn)對(duì)比結(jié)果表明，該方法相比于傳統(tǒng)的單色空間分割方法， 提高了分割的精度。