劉玉婷，李冰寒，酒銳波

（凱邁（洛陽(yáng)）測(cè)控有限公司，河南 洛陽(yáng) 471000）

在夜間復(fù)雜的環(huán)境背景下，觀察遇到的最大難點(diǎn)是光強(qiáng)不足及對(duì)比度差，單憑人眼是很難在夜間觀察目標(biāo)及環(huán)境的，因此，夜間也就成為火源高發(fā)的時(shí)間段。近年來，紅外成像技術(shù)作為一項(xiàng)前途廣闊的高新技術(shù)，對(duì)夜間實(shí)時(shí)探測(cè)具有重要的影響作用。區(qū)域生長(zhǎng)是根據(jù)事先定義的準(zhǔn)則將像素或者子區(qū)域聚合成更大區(qū)域的過程。其基本思想是從一組生長(zhǎng)點(diǎn)開始，將與該生長(zhǎng)點(diǎn)性質(zhì)相似的相鄰像素或者區(qū)域與生長(zhǎng)點(diǎn)合并，形成新的生長(zhǎng)點(diǎn)，重復(fù)此過程直到不能生長(zhǎng)為止。區(qū)域生長(zhǎng)是一種典型的圖像分割方法，最早的區(qū)域生長(zhǎng)圖像分割方法是由Levine等人提出來的。該方法一般有兩種方式，一種是先給定圖像中要分割的目標(biāo)物體內(nèi)的一個(gè)小塊或者說種子區(qū)域，再在種子區(qū)域基礎(chǔ)上不斷將其周圍的像素點(diǎn)以一定的規(guī)則加入其中，達(dá)到最終將代表該物體的所有像素點(diǎn)結(jié)合成一個(gè)區(qū)域的目的；另一種是先將圖像分割成很多的一致性較強(qiáng)，如區(qū)域內(nèi)像素灰度值相同的小區(qū)域，再按一定的規(guī)則將小區(qū)域融合成大區(qū)域，達(dá)到分割圖像的目的，典型的區(qū)域生長(zhǎng)法如T.C.Pong 等人提出的基于小面模型的區(qū)域生長(zhǎng)法，本文將采用對(duì)圖像中要分割的目標(biāo)物體內(nèi)的一個(gè)小塊作為區(qū)域進(jìn)行判斷，然后，采用類空間合并的方法確定該塊目標(biāo)是否是火源。

1 算法設(shè)計(jì)

（1）從當(dāng)前圖像的第一行進(jìn)行判斷，假設(shè)當(dāng)前值大于閾值，記錄起始列的坐標(biāo)，接著往下判斷，如果接下來的數(shù)小于閾值，則記錄當(dāng)前塊的結(jié)束列坐標(biāo)，并記錄當(dāng)前行的行號(hào)，依次方法接著往下判斷，找出當(dāng)前行所有滿足條件的塊并記錄；如果當(dāng)前行沒有滿足條件的塊，則對(duì)下一行進(jìn)行判斷，直到找到滿足條件的塊。

（2）接著對(duì)下一行進(jìn)行判斷，依照上一步的方法，找出下一行中所有滿足條件的塊并記錄。

（3）根據(jù)下一行和上一行的鄰接關(guān)系，進(jìn)行類空間合并；

①假設(shè)上一行的目標(biāo)塊個(gè)數(shù)大于零，同時(shí)，假設(shè)當(dāng)前行的目標(biāo)塊個(gè)數(shù)大于零。先找出當(dāng)前行第一塊的段首值和段尾值，同時(shí)，找出上一行第一塊的段首值和段尾值，如果當(dāng)前行的段尾值小于上一行的段首值，則認(rèn)為其屬于一個(gè)新類，將行列信息記錄下來；如果當(dāng)前行的段首值小于上一行的段尾值，則進(jìn)行合并。合并規(guī)則為：如果當(dāng)前行的段首值大于上一行的段首值，則合并的段首值等于上一行的段首值；如果當(dāng)前行的段尾值小于上一行的段尾值，則合并塊的段尾值等于上一行的段尾值；將上一行作為合并塊的行最小值，當(dāng)前行作為合并塊的行最大值，將得到的行和列的信息記錄下來。②接著對(duì)當(dāng)前行第一塊和上一行第二塊進(jìn)行合并。如果當(dāng)前行的段尾值小于上一行第二塊的段首值，則當(dāng)前塊的合并結(jié)束；如果當(dāng)前行的段首值小于上一行第二塊的段尾值，則更新合并塊。合并規(guī)則同上，依次判斷當(dāng)前塊和上一行所有塊。③對(duì)當(dāng)前行第二塊進(jìn)行合并。先找出第二塊的段首值和段尾值，接著對(duì)當(dāng)前行第二塊和與當(dāng)前行第一塊合并的上一行最后那個(gè)塊進(jìn)行判斷，如果當(dāng)前行第二塊的段首值大于上一行有合并的最后那個(gè)塊的段尾值，則對(duì)當(dāng)前行第二塊和上一行有合并的最后那個(gè)塊的下一塊進(jìn)行合并，合并規(guī)則同上；如果當(dāng)前行第二塊小于上一行有合并的那個(gè)塊的段尾值，則首先對(duì)當(dāng)前行第二塊和上一行有合并的那個(gè)塊進(jìn)行合并，接著和上一行下一塊進(jìn)行合并。④依次方法，判斷當(dāng)前行所有的塊，并將各個(gè)塊的信息記錄下來。⑤將當(dāng)前行作為上一行，接著對(duì)下一行進(jìn)行分塊合并。⑥按照上邊的方法，完成整幀圖像的檢測(cè)判斷。

2 算法流程

圖1 為一行中找出滿足條件的塊的流程圖，圖2 為塊合并流程圖。

圖1 算法流程圖

圖2 塊合并流程圖

圖3 不同算法的火源檢測(cè)仿真

3 仿真結(jié)果

采用不同算法對(duì)紅外圖像下火源進(jìn)行仿真驗(yàn)證（如圖3）。

由仿真結(jié)果可以看出，NCC 算法不僅檢測(cè)出火源，同時(shí)，將人、動(dòng)物等也檢測(cè)出來，而本文算法可以準(zhǔn)確的檢測(cè)出火源，且不存在誤檢。

4 結(jié)語(yǔ)

采用基于區(qū)域生長(zhǎng)的火源檢測(cè)方法不僅可以準(zhǔn)確的檢測(cè)出火源，同時(shí)，不存在誤檢、漏檢現(xiàn)象，且算法復(fù)雜度不高，方便硬件移植。這利于對(duì)野外大空間的早期火災(zāi)預(yù)警，具有重大價(jià)值。