一种基于输电线路山火图像的山火预测方法及系统技术方案

本发明专利技术公开了一种基于输电线路山火图像的山火预测方法及系统，根据所述输电线路山火的灰度图像，得到提取边缘后的山火图像；根据所述提取边缘后的山火图像和山火的位置，将山火进行分类，得到山火分类后的灰度图像；根据所述山火分类后的灰度图像和山火当前的地理信息，预测山火的蔓延范围。本发明专利技术先将输电线路山火的灰度图像进行降噪处理，提高图像的精度，再对山火进行分类，并结合实时的山火发生地的具体信息，对山火蔓延范围进行预测，使预测的结果更准确。

Mountain fire forecasting method and system based on transmission line fire image

The invention discloses a method and a system for predicting wildfire wildfire image based on gray image according to the transmission line fire, get the edge image after the extraction of fires; according to the image edge extraction after fires and wildfires, fires will classify the gray image obtained after the classification of fires; according to the fire classification of the gray image and the fires of geographic information, predict wildfire spread range. The present invention first gray image transmission line fire of noise reduction processing, improve the accuracy of image classification, and then on the hill, and combined with the specific information in real time to the fires, the fire spread range prediction, make the prediction results more accurate.

【技术实现步骤摘要】
一种基于输电线路山火图像的山火预测方法及系统
本专利技术涉及输电线路山火图像处理
，特别涉及一种基于输电线路山火图像的山火预测方法及系统。
技术介绍
近年来，随着国家对“退耕还林”政策力度越来越大，荒山荒地逐渐被茂密的植被所覆盖，输电线路附近的植被也越来越茂密。极端天气易引发大面积山火，不仅仅威胁到火灾影响区域内的生态环境、人员生命财产安全。同时，输电线附近山火会导致输电线路跳闸，严重影响我国电网的安全稳定运行。目前，我国在输电线路山火灾害数字图像的数据研究，主要是根据多因子综合指标森林火险的预报方法，其对历史火情火灾资料与同期的气象资料进行对比分析，并引入模糊集的概念，建立火灾危险程度的数学模型和森林火险等级预报系统。但是，由上述方法得到山火灾害数字图像噪声多，误差大，严重影响火灾蔓延趋势的判断，造成对火灾预测准确性较差。
技术实现思路
本专利技术的专利技术目的在于提供一种基于输电线路山火图像的山火预测方法及系统，以解决现有山火预测方法对火灾预测准确差的问题。根据本专利技术的实施例第一方面，提供了一种基于输电线路山火图像的山火预测方法包括：获取输电线路山火的灰度图像；根据所述输电线路山火的灰度图像，得到提取边缘后的山火图像；根据所述提取边缘后的山火图像和山火的位置，将山火进行分类，得到山火分类后的灰度图像；根据所述山火分类后的灰度图像和山火当前的地理信息，预测山火的蔓延范围；其中，所述地理信息包括风速、风向、温度、湿度、山坡的坡度和面积。根据本专利技术的实施例第二方面，提供了一种基于输电线路山火图像的山火预测系统包括：图像获取模块，获取输电线路山火的灰度图像；图像提取模块，根据所述输电线路山火的灰度图像，得到提取边缘后的山火图像；山火分类模块，根据所述提取边缘后的山火图像和山火的位置，将山火进行分类，得到山火分类后的灰度图像；山火预测模块，根据所述山火分类后的灰度图像和山火当前的地理信息，预测山火的蔓延范围；其中，所述地理信息包括风速、风向、温度、湿度、山坡的坡度和面积。由以上技术方案可知，本专利技术提供的一种基于输电线路山火图像的山火预测方法及系统，先将输电线路山火的灰度图像进行降噪处理，提高图像的精度，再对山火进行分类，并结合实时的山火发生地的具体信息，对山火蔓延范围进行预测，使预测的结果更准确。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的一种基于输电线山火图像的山火预测方法的一种流程图；图2为本专利技术提供的一种基于输电线山火图像的山火预测方法的另一种流程图；图3为本专利技术提供的一种基于输电线山火图像的山火预测系统的结构示意图；图4为图3的图像提取模块的结构示意图；图5为图3的山火分类模块的结构示意图；图6为图3的山火预测模块的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，根据本专利技术的实施例，提供了一种基于输电线路山火图像的山火预测方法包括：步骤S11：获取输电线路山火的灰度图像；步骤S12：根据所述输电线路山火的灰度图像，得到提取边缘后的山火图像；步骤S13：根据所述提取边缘后的山火图像和山火的位置，将山火进行分类，得到山火分类后的灰度图像；步骤S14：根据所述山火分类后的灰度图像和山火当前的地理信息，预测山火的蔓延范围；其中，所述地理信息包括风速、风向、温度、湿度、山坡的坡度和面积。由以上技术方案可知，本实施例提供的一种基于输电线路山火图像的山火预测方法，先将输电线路山火的灰度图像进行降噪处理，提高图像的精度，再对山火进行分类，并结合实时的山火发生地的具体信息，对山火蔓延范围进行预测，使预测的结果更准确。如图2所示，根据本专利技术的另一实施例，提供了一种基于输电线路山火图像的山火预测方法包括，步骤S21：将输电线路山火图像转换为输电线路山火的灰度图像；输电线路山火图像可为DICOM格式或者JPG格式等常见格式，如果为DICOM格式的图片，需将该图片转换为JPG格式的文件。灰度图像是灰度图像是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度。灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的，用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有256级灰度。步骤S22：将所述输电线路山火的灰度图像进行降噪处理，得到降噪后的灰度图像。降噪处理去除灰度图像的噪声点或块，以提高灰度图像的精度，降噪处理的方法可有多种，例如表面模糊等。灰度图像是灰度图像是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度。灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的，用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有256级灰度。步骤S23：根据所述输电线路山火的灰度图像的像素灰度值，对所述山火的图像进行形态学处理，得到山火的图像；由于山火图像的灰度值大于无火区域的灰度值，因此根据输电线路山火的灰度图像像素的灰度值可区分山火图像和无火图像，例如，若某个像素的灰度值大于100，即可确定该像素为山火图像像素，若某个像素的灰度值小于100，即可确定该像素为无火图像像素，这样就可得到山火的图像。步骤S24：对火山图像进行腐蚀处理，将所述山火图像和腐蚀后的山火图像相减，得到提取边缘后的山火图像。腐蚀为结构元素扫描图像中的每一个像素，将结构元素中每个像素与其覆盖的像素做“与”运算，如果都为1，则像素为1，否则为0；腐蚀可以消除图像中的边界点，使目标缩小，将腐蚀后的山火图像与形态学处理后的山火图像进行相减操作，得到山火的边缘图像。步骤S25：根据所述提取边缘后的山火图像的像素灰度值，判断山火是否为明火；明火指带有火焰的火，暗火指不带有火焰的或，如烟头、炭火星等，由于明火的像素灰度值大于暗火的灰度值，因此，通过山火图像中的像素的灰度值，可以确定山火的火势大小及山火的范围，例如像素的灰度值较大，可确定山火的火势较大，即可确定该区域的山火为明火；相反，像素的灰度值较小，可确定山火在地面上燃烧的火势较小，即可确定该区域的山火为暗火。步骤S26：若山火为明火，根据所述明火的位置，确定山火的类型。结合明火相对于地面的高度，确定山火的类型，例如，明火发生的位置较高，可确定明火发生在树冠位置，即为树冠火；明火发生的位置较低，可确定明火发生在地表，即为地表火。步骤S27：根据所述山火分类后的灰度图像和山火当前的地理信息，在第一预设的蔓延时间，得到山火的蔓延范围；地理信息包括风速、风向、温度、湿度、山坡的坡度和面积，通过第一预设的蔓延时间，该蔓延时间可作为火灾初期的蔓延时间，并且该蔓延时间较短，得到该蔓延时间后火山蔓延的范围。步骤S28：在所述山火的蔓延范围的边缘选取预测火势本文档来自技高网...

【技术保护点】
一种基于输电线路山火图像的山火预测方法，其特征在于，包括：获取输电线路山火的灰度图像；根据所述输电线路山火的灰度图像，得到提取边缘后的山火图像；根据所述提取边缘后的山火图像和山火的位置，将山火进行分类，得到山火分类后的灰度图像；根据所述山火分类后的灰度图像和山火当前的地理信息，预测山火的蔓延范围；其中，所述地理信息包括风速、风向、温度、湿度、山坡的坡度和面积。

【技术特征摘要】
1.一种基于输电线路山火图像的山火预测方法，其特征在于，包括：获取输电线路山火的灰度图像；根据所述输电线路山火的灰度图像，得到提取边缘后的山火图像；根据所述提取边缘后的山火图像和山火的位置，将山火进行分类，得到山火分类后的灰度图像；根据所述山火分类后的灰度图像和山火当前的地理信息，预测山火的蔓延范围；其中，所述地理信息包括风速、风向、温度、湿度、山坡的坡度和面积。2.根据权利要求1所述的方法，其特征在于，所述根据所述输电线路山火的灰度图像，提取火场边缘，得到提取边缘后的灰度图像包括，根据所述输电线路山火的灰度图像的像素灰度值，对所述山火的图像进行形态学处理，得到山火的图像；对所述山火图像进行腐蚀处理，将所述山火图像和腐蚀后的山火图像相减，得到提取边缘后的山火图像。3.根据权利要求1所述的方法，其特征在于，所述根据所述提取边缘后的山火图像和山火的位置，将山火进行分类包括，根据所述提取边缘后的山火图像的像素灰度值，判断山火是否为明火；若山火为明火，根据所述明火的位置，确定山火的类型。4.根据权利要求1所述的方法，其特征在于，所述根据所述山火分类后的灰度图像和山火当前的地理信息，预测山火的蔓延范围包括，根据所述山火分类后的灰度图像和山火当前的地理信息，在第一预设的蔓延时间，得到山火的蔓延范围；在所述山火的蔓延范围的边缘选取预测火势蔓延的起始点，根据山火蔓延速度和第二预设的蔓延时间，预测山活的蔓延范围。5.根据权利要求1所述的方法，其特征在于，所述获取输电线路山火的灰度图像之前包括，将输电线路山火图像转换为输电线路山火的灰度图像；将所述输电线路山火的灰度图像进行降噪处理，得到降噪后的灰度图像。...

【专利技术属性】
技术研发人员：于虹，王龙飞，马仪，翟永赛，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：云南,53