何 建，黃亦豪，薛黎明

（中國民用航空飛行學(xué)院航空電子電氣學(xué)院，廣漢 618307）

0 引言

火災(zāi)是常見的森林災(zāi)害之一，對環(huán)境影響巨大，同時危害人民的生命財產(chǎn)安全，因此，通過圖像處理技術(shù)，及時快速地分割出火焰區(qū)域是降低損失的有效手段之一?；馂?zāi)發(fā)生時，火焰的顏色會隨溫度的變化而改變，同時火苗會不斷地跳動閃爍，可以通過火焰跳動和顏色來進行火焰分割。對于動態(tài)特征的檢測有運動目標檢測的方式方法：光流法、背景差分法、幀間差分法等［1］，光流法雖然檢測準確率較高，但是計算龐雜，難以應(yīng)對突發(fā)的森林火。Zhu等［2］提出混合高斯模型和幀間差分法，用來檢測運動目標。郭治成等［3］提出了一種復(fù)雜背景的建模方法，可以較好地在復(fù)雜背景下進行前景目標提取。對于靜態(tài)特征的檢測利用顏色識別技術(shù)分割火焰區(qū)域，在RGB［4］和YCbCr［5］等顏色空間的基礎(chǔ)上，通過火焰的顏色信息和亮度信息來進行火焰區(qū)域分割。本文方法在幀間差分法的基礎(chǔ)上，結(jié)合YCbCr 顏色空間模型，分割火焰疑似區(qū)域，達到精細化分割的目的。該算法具體流程如圖1所示。

圖1 算法流程圖

1 幀間差分法

幀間差分法是一種將相鄰的圖像進行差分運算的算法，以差分圖像提取視頻中的運動信息。由于視頻采集設(shè)備所采集的圖像具有連續(xù)性，因此若在連續(xù)的幀內(nèi)未發(fā)現(xiàn)像素點的變化，則表明視頻環(huán)境中沒有物體運動。若像素點在連續(xù)幀間出現(xiàn)數(shù)據(jù)變化，則可以判斷該像素點對應(yīng)的物體正在發(fā)生運動。常見二幀差分法提取運動目標流程如圖2所示。

圖2 二幀差分法提取運動目標流程圖

由圖2可知，二幀差是計算相鄰兩幀圖像的像素灰度值的差并取其差的絕對值，需要用到灰度圖像f(x,y)，灰度化處理的數(shù)學(xué)過程如式（1）所示：

其中，R(x,y),G(x,y),B(x,y) 為原始圖像在RGB 顏色模型下的三個通道，前面的系數(shù)為通道權(quán)重，計算相鄰兩幀的灰度圖像之間的差分圖像為D(x,y)，差分圖像轉(zhuǎn)化公式如式（2）所示：

本文在此基礎(chǔ)上疊加差分運算，采用三幀差分法，通過獲取視頻中連續(xù)的三幀圖像第k-1幀、第k幀、第k+1 幀，將第k-1 幀與第k幀、第k幀與第k+1 幀分別做差分，獲得兩個差分圖像，最后對差分圖像做“與”運算，獲得二值圖像。通過式（1）計算二值化圖像，分別計算第k-1幀與第k幀、第k幀與第k+1幀圖像之間的差分，獲得目標變化量，設(shè)定閾值為T，按式（3）計算得到二值化后的圖像F1(x,y),F2(x,y)。

相鄰的三幀差分圖像通過F1(x,y)和F2(x,y)做“與”運算取交集可得到，將其設(shè)為S1(x,y)，計算公式如式（4）所示：

在進行三幀差分法實驗時，閾值T的選取十分重要，根據(jù)灰度圖像的灰度值來選取合適的閾值。在獲得目標的二值圖像后，再進行形態(tài)學(xué)去噪，最終得到準確的運動目標區(qū)域。

2 基于YCbCr顏色空間的火焰提取

2.1 RGB色彩空間和YCbCr色彩空間火焰分割原理

2.1.1 RGB顏色空間

在RGB 顏色空間中，基于紅、綠、藍三種基本色，通過這三種基本色配合物理學(xué)中的三色疊加定理可以產(chǎn)生各種顏色。在該顏色空間中，R、G、B三種顏色分量相互獨立，若用8比特來表示每個分量，則所能表示的范圍為［0,255］。本文基于RGB 顏色空間對火焰疑似區(qū)域進行分割，其分割依據(jù)為式（5）：

式中：Rτ為紅色分量閾值。

2.1.2 YCbCr顏色空間

YCbCr 是對YUV 進行縮放和偏移的改進版本。YCbCr 顏色模型描述了亮度和顏色信息，Y表示亮度，是圖像的總體輪廓；而Cb 表示藍色色度，Cr 表示紅色色度，Cb 和Cr 主要描繪圖像的色彩信息。

YCbCr 與RGB 具有線性關(guān)系，彼此可通過相關(guān)矩陣進行轉(zhuǎn)換，YCbCr 模型Y 表示亮度信息，可以有效克服RGB 顏色模型因為對光照強度敏感而造成的亮度干擾。RGB 顏色模型和YCbCr顏色模型的轉(zhuǎn)換公式可表示為

陳天炎等［6］提出基于YCbCr顏色空間的火焰前景區(qū)域分割方法，并建立了YCbCr 顏色空間模型。其分割依據(jù)為

其中：τ∈[ 40,80 ]。

2.2 RGB色彩空間和YCbCr色彩空間火焰分割效果對比

2.2.1 RGB火焰分割效果

以一次火焰圖像為例，在R、G、B 三個通道上的圖像如圖3所示。

圖3 RGB顏色空間三個通道火焰圖像顏色效果

根據(jù)圖3可見，火焰區(qū)域與火焰高亮反光區(qū)域在R 通道上混合在了一起，火焰呈現(xiàn)為白色。雖然在G 通道和B 通道中成功去除了火焰高亮的反光區(qū)域影響，但對火焰區(qū)域的提取效果明顯不如R通道。

結(jié)合RGB三通道圖像顯示效果與式（2）的規(guī)則對火焰進行分割，分割效果如圖4所示。

圖4 RGB火焰分割結(jié)果

根據(jù)圖4 可以發(fā)現(xiàn)，基于RGB 顏色模型的火焰分割存在很多噪點，進行的分割只是通過顏色判斷，且對火焰輪廓的分割不夠精確，丟失了較多火焰信息。同時，無法很好地區(qū)分火焰和類火焰顏色物體，導(dǎo)致消防員身著的紅色消防服也被誤認為是火焰，降低了火焰分割的準確性，進而增大了數(shù)據(jù)誤差，使得后續(xù)的火焰分割變得更加困難。

2.2.2 YCbCr火焰分割效果

以一次火焰圖像為例，在Y、Cb、Cr 三個通道上的圖像如圖5所示。

由圖5可以看出，Y通道和Cr通道上火焰區(qū)域較好地區(qū)分了火焰區(qū)域和高亮區(qū)域，在Cb 通道上火焰部分呈現(xiàn)黑色，三個通道分割出的火焰亮度不一致，火焰分割呈現(xiàn)出的亮或暗受像素值大小的影響。

結(jié)合YCbCr 三通道圖像顯示效果與式（9）的規(guī)則對火焰進行分割，分割效果如圖6所示。

圖6 YCbCr火焰分割結(jié)果

使用YCbCr 顏色模型能夠更精確地獲取火焰的范圍和形狀，同時可以較好地區(qū)分火焰和類火焰顏色物體，避免干擾，綜合比較下YCbCr 顏色模型提取的火焰更加清晰。以上兩個顏色模型的仿真實驗結(jié)果表明，相對于RGB顏色模型，YCbCr 在火焰圖像的清晰度、準確度和易處理性方面具有更大的優(yōu)勢。

3 仿真實驗

為驗證本文算法的可行性，本文選取了一段火焰燃燒視頻來進行仿真實驗。本實驗是在64 位的Windows10 操作系統(tǒng)中的PyCharm 軟件上進行測試，CPU 主頻為3.00 GHz，內(nèi)存為16.00 GB。

對于本文提出的算法，利用火焰燃燒圖像來驗證算法在處理實際場景中的情況，針對連續(xù)三幀真實場景圖像，采用高斯濾波去噪、圖像二值化和本文算法處理。同時，選取相同幀的前一幀圖像，在進行相同的預(yù)處理后采用傳統(tǒng)的二幀差分法進行處理。圖7展示了兩種算法的對比結(jié)果。

圖7 結(jié)果對比

從圖7（b）中可以看出，傳統(tǒng)的二幀差分法可以識別出火焰的輪廓，但火焰邊緣輪廓不夠清晰，火焰中心存在較多的“空洞”。這是由于對二幀圖像進行差分操作手段單一，在像素點移動后不能較好地進行捕捉。而圖7（c）是采用本文提出的算法得到的結(jié)果圖像，火焰邊緣輪廓的檢測更為清晰準確，火焰的內(nèi)部信息更為完整。本文算法通過結(jié)合三幀差分法和YCbCr顏色模型，能夠更好地提取火焰的內(nèi)部信息，改善了“空洞”問題，提高了火焰區(qū)域分割的準確性。

4 結(jié)語

本文針對森林火焰檢測中火焰疑似區(qū)域提取的問題，設(shè)計了一種融合YCbCr 和三幀差分法森林火焰前景提取算法。該算法首先通過三幀差分算法對視頻進行分幀處理，利用形態(tài)學(xué)進行去噪處理，再計算兩個參考幀和當前幀之間像素點的位置差異，得到像素點在參考幀中的位置和在當前幀中的位置之間的偏移量，從而檢測出不斷變化的火焰，結(jié)合YCbCr 算法來進一步分割火焰疑似區(qū)域，達到精細化分割的目的。實驗結(jié)果表明：所提方法克服了單個算法對火焰分割精度不高的缺點，仿真實驗結(jié)果表明，可以較好地完成火焰分割，達到預(yù)期要求。