一种基于遥感图像的森林火灾检测方法技术

本发明专利技术公开了一种基于遥感图像的森林火灾检测方法，涉及机器视觉工业应用中的智能识别技术领域，本发明专利技术包括读入初始图像，进行中值滤波得到去噪图；计算局部熵并归一化，得到局部熵图像；对局部熵图像进行形态学闭操作，再进行腐蚀，得到腐蚀图像；去噪图进行对数变换得到对数变换图像；计算对数变换图像中每个像素点的灰度共生矩阵，得到随机性，并对随机性进行归一化，得到随机性归一化图像；使用最大类间方差法对腐蚀图像和随机性归一化图像分别进行阈值分割，得到两个特征二值化图像；将两特征二值化图像中相对应的像素点分别进行与操作，得到最终输出图像，本发明专利技术不仅高效快捷，而且能够保证较高的准确度，具有实用价值。

A forest fire detection method based on Remote Sensing Images

The invention discloses a method for forest fire detection based on remote sensing images, involving intelligent recognition in the field of machine vision in industrial application, the invention comprises reading the initial image, median filter for image denoising image; local entropy is calculated and normalized to obtain local entropy image; local entropy image and mathematical morphology The operation, then the corrosion, corrosion image denoising; image are log transformed image by logarithmic transformation; gray calculation of each pixel in the image of the logarithmic transformation of co-occurrence matrix, random, and normalized random, random normalized image; the corrosion image and the Otsu method Random images were normalized threshold segmentation, two feature binarization image; two features two pixel image values corresponding to the respectively and operation, to obtain the final output image, the invention not only fast and efficient, but also can ensure high accuracy, practical value.

【技术实现步骤摘要】
一种基于遥感图像的森林火灾检测方法
本专利技术涉及机器视觉工业应用中的智能识别
，更具体的是涉及一种基于遥感图像的森林火灾检测方法。
技术介绍
森林火灾是一种年年发生的世界性的、危害森林资源的重大灾害，每一次森林大火都给森林植被、森林生态系统、全球生态环境和人类生命财产带来严重危害和损失。我国是重、特大森林火灾高发区，特别是在东北森林与华南森林，已引起政府的高度重视。因此，对于森林火灾的监控至关重要，如何及时、准确地检测到森林火灾的发生已经成为了国内外研究热点之一。森林火灾一般都发生在人迹罕至的区域，难以实现人工检测。而卫星遥感技术在监测森林火灾方面具有极大的优势，遥感检测面积广，时间、空间分辨率高，成本低廉，非常适合火灾的相关信息提取，在森林火灾检测工作中具有特殊的能力和潜力。自二十世纪七十年代初，国内外学者研究形成了多种在卫星红外图像中检测森林火灾的算法，并应用于全球区域的火情监测、过火区制图和森林火灾受害程度评价，例如基于林火红外光谱探测的MODIS火点监测算法，基于林火在卫星红外图像上的成像特征及火点的亮温阈值检测法等等。从遥感图像中分析、检测出森林火灾是遥感森林火灾监测技术的重点和难点，现有的技术主要着重于森林火灾着火点的检测，而并没有覆盖到整个着火区域，现有技术虽然能够及时检测出火灾，但由于没有利用森林火灾红外成像的形态特征，很容易受其他高辐射源或图像噪声的影响而导致虚警；而且，一旦没有在起火的第一时间检测，火灾扩散开来不再表现为着火点之后，就很可能出现漏检；并且另一方面，通过现有的检测方法无法确定火灾的区域跟面积。
技术实现思路
本专利技术的目的在于：为了解决现有的森林火灾检测方法由于没有利用森林火灾红外成像的形态特征，很容易受其他高辐射源或图像噪声的影响而导致虚警的问题，本专利技术提供一种基于遥感图像的森林火灾检测方法。本专利技术为了实现上述目的具体采用以下技术方案：一种基于遥感图像的森林火灾检测方法，包括如下步骤：S1、读入初始图像f(x,y)，进行中值滤波得到去噪图fpre(x,y)，其中(x,y)表示初始图像中的像素点坐标；S2、计算去噪图fpre(x,y)中每个像素点的3×3邻域局部熵并归一化处理，得到局部熵图像fent(x,y)；S3、使用4×4的模板对局部熵图像fent(x,y)进行形态学闭操作，再以3×3模板对闭操作后的局部熵图像fent(x,y)进行腐蚀，得到腐蚀图像ferode(x,y)；S4、将S1中得到的去噪图fpre(x,y)进行对数变换得到对数变换图像flog(x,y)；S5、计算对数变换图像flog(x,y)中每个像素点的5×5邻域灰度共生矩阵，再根据灰度共生矩阵得到每个像素点的随机性，并对所有像素点的随机性进行归一化处理，得到随机性归一化图像frandom(x,y)；S6、使用最大类间方差法对腐蚀图像ferode(x,y)和随机性归一化图像frandom(x,y)分别进行阈值分割，得到二值化图像fbinary(x,y)和二值化图像f′binary(x,y)；S7、将二值化图像fbinary(x,y)和二值化图像f′binary(x,y)中相对应的像素点分别进行与操作，得到最终输出图像fout(x,y)。进一步的，所述S1中对初始图像f(x,y)进行中值滤波具体为：对初始图像f(x,y)进行3×3邻域中值滤波，得到滤波后的去噪图fpre(x,y)，公式为：fm(x,y)＝median{fround(x,y)}fpre(x,y)＝fm(x,y)其中fround(x,y)表示3×3邻域内每个像素点的灰度值，取初始图像f(x,y)中的每个像素点(x,y)，计算每个像素点(x,y)3×3邻域内灰度值fround(x,y)的中值fm(x,y)，然后以该中值fm(x,y)代替对应像素点(x,y)的原灰度值，得到去噪图fpre(x,y)。进一步的，所述S2具体包括如下步骤：S2.1、遍历去噪图fpre(x,y)中的每个像素点(x,y)，统计每个像素点(x,y)3×3邻域的灰度直方图，方法如下：遍历每个像素点(x,y)3×3邻域的所有像素点，若在邻域中存在像素点的灰度值为i，则灰度值i的灰度数量h(i)加1，遍历完成后，得到灰度概率p(i)，公式为：其中灰度值i∈[0，255]，M为去噪图fpre(x,y)的高度，N为去噪图fpre(x,y)的宽度；S2.2、计算每个像素点(x,y)的局部熵H(x,y)，公式为：H(x,y)＝p(i)logp(i)；S2.3、将局部熵H(x,y)归一化，得到局部熵图像fent(x,y)，其中局部熵图像fent(x,y)中任意像素点(x0,y0)的计算公式为：其中min(H(x,y))表示局部熵H(x,y)中的最小值，max(H(x,y))表示局部熵H(x,y)中的最大值。进一步的，所述S3具体包括如下步骤：S3.1、使用4×4的平坦模板作为结构元a，使用结构元a对局部熵图像fent(x,y)进行膨胀操作，得到膨胀图像fswell(x,y)，计算公式为：其中fgray(x+s,y+t)属于当结构元a的中心在像素点(x,y)时，结构元a所覆盖的图像区域；s,t表示使fgray(x+s,y+t)属于结构元a覆盖的区域的常数；S3.2、使用结构元a扫过膨胀图像fswell(x,y)的每个像素点，得到第一次腐蚀图像ferode1(x,y)，计算公式为：其中fswell(x+u,y+v)属于当结构元a的中心在像素点(x,y)时，结构元a所覆盖的图像区域；u,v表示使fswell(x+u,y+v)属于结构元a覆盖的区域的常数；S3.3、使用3×3的平坦模板作为结构元b，使用结构元b扫过第一次腐蚀图像ferode1(x,y)的每个像素点，得到腐蚀图像ferode(x,y)，计算公式为：其中ferode1(x+i,y+j)属于当结构元b的中心在像素点(x,y)时，结构元b所覆盖的图像区域；i,j表示使ferode1(x+i,y+j)属于结构元b覆盖的区域的常数。进一步的，所述S4具体包括如下步骤：S4.1、遍历去噪图fpre(x,y)中的每个像素点，得到初始对数变换图像flog1(x,y)，计算公式为：flog1(x,y)＝log(fpre(x,y)+1)；S4.2、对初始对数变换图像flog1(x,y)归一化处理，得到对数变换图像flog(x,y)，其中对数变换图像flog(x,y)中任意像素点(x0,y0)的计算公式为：其中min(flog1(x,y))表示flog1(x,y)中的最小值，max(flog1(x,y))表示flog1(x,y)中的最大值。进一步的，所述S5具体包括如下步骤：S5.1、若对数变换图像flog(x,y)中当前像素点为(x0,y0)，则其5×5邻域计算公式为：其中-2≤m≤2，-2≤n≤2；遍历该邻域所有像素点，分别求出该邻域在0度、45度、90度和135度的灰度共生矩阵，具体方法如下：S5.1.1、令0度、45度、90度和135度的灰度共生矩阵分别为g0(i,j)、g45(i,j)、g90(i,j)和g135(i,j)，所述g0(i,j)、g45(i,j)、g90(i,j)和g135(i,j)均为255×255的矩阵，遍历5×本文档来自技高网...

【技术保护点】
1.一种基于遥感图像的森林火灾检测方法，其特征在于，包括如下步骤：S1、读入初始图像f(x,y)，进行中值滤波得到去噪图fpre(x,y)，其中(x,y)表示初始图像中的像素点坐标；S2、计算去噪图fpre(x,y)中每个像素点的3×3邻域局部熵并归一化处理，得到局部熵图像fent(x,y)；S3、使用4×4的模板对局部熵图像fent(x,y)进行形态学闭操作，再以3×3模板对闭操作后的局部熵图像fent(x,y)进行腐蚀，得到腐蚀图像ferode(x,y)；S4、将S1中得到的去噪图fpre(x,y)进行对数变换得到对数变换图像flog(x,y)；S5、计算对数变换图像flog(x,y)中每个像素点的5×5邻域灰度共生矩阵，再根据灰度共生矩阵得到每个像素点的随机性，并对所有像素点的随机性进行归一化处理，得到随机性归一化图像frandom(x,y)；S6、使用最大类间方差法对腐蚀图像ferode(x,y)和随机性归一化图像frandom(x,y)分别进行阈值分割，得到二值化图像fbinary(x,y)和二值化图像f′binary(x,y)；S7、将二值化图像fbinary(x,y)和二值化图像f′binary(x,y)中相对应的像素点分别进行与操作，得到最终输出图像fout(x,y)。...

【技术特征摘要】
1.一种基于遥感图像的森林火灾检测方法，其特征在于，包括如下步骤：S1、读入初始图像f(x,y)，进行中值滤波得到去噪图fpre(x,y)，其中(x,y)表示初始图像中的像素点坐标；S2、计算去噪图fpre(x,y)中每个像素点的3×3邻域局部熵并归一化处理，得到局部熵图像fent(x,y)；S3、使用4×4的模板对局部熵图像fent(x,y)进行形态学闭操作，再以3×3模板对闭操作后的局部熵图像fent(x,y)进行腐蚀，得到腐蚀图像ferode(x,y)；S4、将S1中得到的去噪图fpre(x,y)进行对数变换得到对数变换图像flog(x,y)；S5、计算对数变换图像flog(x,y)中每个像素点的5×5邻域灰度共生矩阵，再根据灰度共生矩阵得到每个像素点的随机性，并对所有像素点的随机性进行归一化处理，得到随机性归一化图像frandom(x,y)；S6、使用最大类间方差法对腐蚀图像ferode(x,y)和随机性归一化图像frandom(x,y)分别进行阈值分割，得到二值化图像fbinary(x,y)和二值化图像f′binary(x,y)；S7、将二值化图像fbinary(x,y)和二值化图像f′binary(x,y)中相对应的像素点分别进行与操作，得到最终输出图像fout(x,y)。2.根据权利要求1所述的一种基于遥感图像的森林火灾检测方法，其特征在于，所述S1中对初始图像f(x,y)进行中值滤波具体为：对初始图像f(x,y)进行3×3邻域中值滤波，得到滤波后的去噪图fpre(x,y)，公式为：fm(x,y)＝median{fround(x,y)}fpre(x,y)＝fm(x,y)其中fround(x,y)表示3×3邻域内每个像素点的灰度值，取初始图像f(x,y)中的每个像素点(x,y)，计算每个像素点(x,y)3×3邻域内灰度值fround(x,y)的中值fm(x,y)，然后以该中值fm(x,y)代替对应像素点(x,y)的原灰度值，得到去噪图fpre(x,y)。3.根据权利要求1所述的一种基于遥感图像的森林火灾检测方法，其特征在于，所述S2具体包括如下步骤：S2.1、遍历去噪图fpre(x,y)中的每个像素点(x,y)，统计每个像素点(x,y)3×3邻域的灰度直方图，方法如下：遍历每个像素点(x,y)3×3邻域的所有像素点，若在邻域中存在像素点的灰度值为i，则灰度值i的灰度数量h(i)加1，遍历完成后，得到灰度概率p(i)，公式为：其中灰度值i∈[0，255]，M为去噪图fpre(x,y)的高度，N为去噪图fpre(x,y)的宽度；S2.2、计算每个像素点(x,y)的局部熵H(x,y)，公式为：H(x,y)＝p(i)logp(i)；S2.3、将局部熵H(x,y)归一化，得到局部熵图像fent(x,y)，其中局部熵图像fent(x,y)中任意像素点(x0,y0)的计算公式为：其中min(H(x,y))表示局部熵H(x,y)中的最小值，max(H(x,y))表示局部熵H(x,y)中的最大值。4.根据权利要求1所述的一种基于遥感图像的森林火灾检测方法，其特征在于，所述S3具体包括如下步骤：S3.1、使用4×4的平坦模板作为结构元a，使用结构元a对局部熵图像fent(x,y)进行膨胀操作，得到膨胀图像fswell(x,y)，计算公式为：其中fgray(x+s,y+t)属于当结构元a的中心在像素点(x,y)时，结构元a所覆盖的图像区域；s,t表示使fgray(x+s,y+t)属于结构元a覆盖的区域的常数；S3.2、使用结构元a扫过膨胀图像fswell(x,y)的每个像素点，得到第一次腐蚀图像ferode1(x,y)，计算公式为：其中fswell(x+u,y+v)属于当结构元a的中心在像素点(x,y)时，结构元a所覆盖的图像区域；u,v表示使fswell(x+u,y+v)属于结构元a覆盖的区域的常数；S3.3、使用3×3的平坦模板作为结构元b，使用结构元b扫过第一次腐蚀图像ferode1(x,y)的每个像素点，得到腐蚀图像ferode(x,y)，...

【专利技术属性】
技术研发人员：彭真明，黄景雨，汪春宇，张天放，陶冰洁，刘雨菡，黄苏琦，张兰丹，张鹏飞，梁航，贲庆妍，杨春平，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51