一種基于輸電線路山火圖像的山火預測方法及系統與流程

本發明涉及輸電線路山火圖像處理技術領域，特別涉及一種基于輸電線路山火圖像的山火預測方法及系統。

背景技術：

近年來，隨著國家對“退耕還林”政策力度越來越大，荒山荒地逐漸被茂密的植被所覆蓋，輸電線路附近的植被也越來越茂密。極端天氣易引發大面積山火，不僅僅威脅到火災影響區域內的生態環境、人員生命財產安全。同時，輸電線附近山火會導致輸電線路跳閘，嚴重影響我國電網的安全穩定運行。

目前，我國在輸電線路山火災害數字圖像的數據研究，主要是根據多因子綜合指標森林火險的預報方法，其對歷史火情火災資料與同期的氣象資料進行對比分析，并引入模糊集的概念，建立火災危險程度的數學模型和森林火險等級預報系統。但是，由上述方法得到山火災害數字圖像噪聲多，誤差大，嚴重影響火災蔓延趨勢的判斷，造成對火災預測準確性較差。

技術實現要素：

本發明的發明目的在于提供一種基于輸電線路山火圖像的山火預測方法及系統，以解決現有山火預測方法對火災預測準確差的問題。

根據本發明的實施例第一方面，提供了一種基于輸電線路山火圖像的山火預測方法包括：

獲取輸電線路山火的灰度圖像；

根據所述輸電線路山火的灰度圖像，得到提取邊緣后的山火圖像；

根據所述提取邊緣后的山火圖像和山火的位置，將山火進行分類，得到山火分類后的灰度圖像；

根據所述山火分類后的灰度圖像和山火當前的地理信息，預測山火的蔓延范圍；其中，所述地理信息包括風速、風向、溫度、濕度、山坡的坡度和面積。

根據本發明的實施例第二方面，提供了一種基于輸電線路山火圖像的山火預測系統包括：

圖像獲取模塊，獲取輸電線路山火的灰度圖像；

圖像提取模塊，根據所述輸電線路山火的灰度圖像，得到提取邊緣后的山火圖像；

山火分類模塊，根據所述提取邊緣后的山火圖像和山火的位置，將山火進行分類，得到山火分類后的灰度圖像；

山火預測模塊，根據所述山火分類后的灰度圖像和山火當前的地理信息，預測山火的蔓延范圍；其中，所述地理信息包括風速、風向、溫度、濕度、山坡的坡度和面積。

由以上技術方案可知，本發明提供的一種基于輸電線路山火圖像的山火預測方法及系統，先將輸電線路山火的灰度圖像進行降噪處理，提高圖像的精度，再對山火進行分類，并結合實時的山火發生地的具體信息，對山火蔓延范圍進行預測，使預測的結果更準確。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明提供的一種基于輸電線山火圖像的山火預測方法的一種流程圖；

圖2為本發明提供的一種基于輸電線山火圖像的山火預測方法的另一種流程圖；

圖3為本發明提供的一種基于輸電線山火圖像的山火預測系統的結構示意圖；

圖4為圖3的圖像提取模塊的結構示意圖；

圖5為圖3的山火分類模塊的結構示意圖；

圖6為圖3的山火預測模塊的結構示意圖。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整的描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

如圖1所示，根據本發明的實施例，提供了一種基于輸電線路山火圖像的山火預測方法包括：

步驟S11：獲取輸電線路山火的灰度圖像；

步驟S12：根據所述輸電線路山火的灰度圖像，得到提取邊緣后的山火圖像；

步驟S13：根據所述提取邊緣后的山火圖像和山火的位置，將山火進行分類，得到山火分類后的灰度圖像；

步驟S14：根據所述山火分類后的灰度圖像和山火當前的地理信息，預測山火的蔓延范圍；其中，所述地理信息包括風速、風向、溫度、濕度、山坡的坡度和面積。

由以上技術方案可知，本實施例提供的一種基于輸電線路山火圖像的山火預測方法，先將輸電線路山火的灰度圖像進行降噪處理，提高圖像的精度，再對山火進行分類，并結合實時的山火發生地的具體信息，對山火蔓延范圍進行預測，使預測的結果更準確。

如圖2所示，根據本發明的另一實施例，提供了一種基于輸電線路山火圖像的山火預測方法包括，

步驟S21：將輸電線路山火圖像轉換為輸電線路山火的灰度圖像；

輸電線路山火圖像可為DICOM格式或者JPG格式等常見格式，如果為DICOM格式的圖片，需將該圖片轉換為JPG格式的文件。

灰度圖像是灰度圖像是每個像素只有一個采樣顏色的圖像，這類圖像通常顯示為從最暗黑色到最亮的白色的灰度。灰度圖像經常是在單個電磁波頻譜如可見光內測量每個像素的亮度得到的，用于顯示的灰度圖像通常用每個采樣像素8位的非線性尺度來保存，這樣可以有256級灰度。

步驟S22：將所述輸電線路山火的灰度圖像進行降噪處理，得到降噪后的灰度圖像。

降噪處理去除灰度圖像的噪聲點或塊，以提高灰度圖像的精度，降噪處理的方法可有多種，例如表面模糊等。

灰度圖像是灰度圖像是每個像素只有一個采樣顏色的圖像，這類圖像通常顯示為從最暗黑色到最亮的白色的灰度。灰度圖像經常是在單個電磁波頻譜如可見光內測量每個像素的亮度得到的，用于顯示的灰度圖像通常用每個采樣像素8位的非線性尺度來保存，這樣可以有256級灰度。

步驟S23：根據所述輸電線路山火的灰度圖像的像素灰度值，對所述山火的圖像進行形態學處理，得到山火的圖像；

由于山火圖像的灰度值大于無火區域的灰度值，因此根據輸電線路山火的灰度圖像像素的灰度值可區分山火圖像和無火圖像，例如，若某個像素的灰度值大于100，即可確定該像素為山火圖像像素，若某個像素的灰度值小于100，即可確定該像素為無火圖像像素，這樣就可得到山火的圖像。

步驟S24：對火山圖像進行腐蝕處理，將所述山火圖像和腐蝕后的山火圖像相減，得到提取邊緣后的山火圖像。

腐蝕為結構元素掃描圖像中的每一個像素，將結構元素中每個像素與其覆蓋的像素做“與”運算，如果都為1，則像素為1，否則為0；腐蝕可以消除圖像中的邊界點，使目標縮小，將腐蝕后的山火圖像與形態學處理后的山火圖像進行相減操作，得到山火的邊緣圖像。

步驟S25：根據所述提取邊緣后的山火圖像的像素灰度值，判斷山火是否為明火；

明火指帶有火焰的火，暗火指不帶有火焰的或，如煙頭、炭火星等，由于明火的像素灰度值大于暗火的灰度值，因此，通過山火圖像中的像素的灰度值，可以確定山火的火勢大小及山火的范圍，例如像素的灰度值較大，可確定山火的火勢較大，即可確定該區域的山火為明火；相反，像素的灰度值較小，可確定山火在地面上燃燒的火勢較小，即可確定該區域的山火為暗火。

步驟S26：若山火為明火，根據所述明火的位置，確定山火的類型。

結合明火相對于地面的高度，確定山火的類型，例如，明火發生的位置較高，可確定明火發生在樹冠位置，即為樹冠火；明火發生的位置較低，可確定明火發生在地表，即為地表火。

步驟S27：根據所述山火分類后的灰度圖像和山火當前的地理信息，在第一預設的蔓延時間，得到山火的蔓延范圍；

地理信息包括風速、風向、溫度、濕度、山坡的坡度和面積，通過第一預設的蔓延時間，該蔓延時間可作為火災初期的蔓延時間，并且該蔓延時間較短，得到該蔓延時間后火山蔓延的范圍。

步驟S28：在所述山火的蔓延范圍的邊緣選取預測火勢的起始點，根據山火蔓延速度和第二預設的蔓延時間，預測山火的蔓延范圍。

在上述山火蔓延的范圍邊緣選取預測火勢蔓延的起始點，并且可以設置一個新的蔓延時間，山火的蔓延速度可通過多種計算方法得到，例如Rothermel模型，可結合山火發生的位置信息，如地形和風向等，計算出山火的蔓延速度，并根據預設的蔓延時間，預測山火的蔓延范圍。

由以上技術方案可知，本實施例提供的一種基于輸電線路山火圖像的山火預測方法，先將輸電線路山火的灰度圖像進行降噪處理，提高圖像的精度，再對山火進行分類，并結合實時的山火發生地的具體信息，對山火蔓延范圍進行預測，使預測的結果更準確。

如圖3所示，一種基于輸電線路山火圖像的山火預測系統包括，

圖像獲取模塊31，獲取輸電線路山火的灰度圖像；

圖像提取模塊32，根據所述輸電線路山火的灰度圖像，得到提取邊緣后的山火圖像；

山火分類模塊，根據所述提取邊緣后的山火圖像和山火的位置，將山火進行分類，得到山火分類后的灰度圖像；

山火預測模塊33，根據所述山火分類后的灰度圖像和山火當前的地理信息，預測山火的蔓延范圍；其中，所述地理信息包括風速、風向、溫度、濕度、山坡的坡度和面積。

優選地，如圖4所示，所述圖像提取模塊包括，

圖片灰度轉換模塊41，將輸電線路山火圖像轉換為輸電線路山火的灰度圖像；

圖片降噪模塊42，將所述輸電線路山火的灰度圖像進行降噪處理，得到降噪后的灰度圖像。

形態學運算單元43，根據所述輸電線路山火的灰度圖像的像素灰度值，對所述山火的圖像進行形態學處理，得到山火的圖像；

提取邊緣單元44，對所述山火圖像進行腐蝕處理，將所述山火圖像和腐蝕后的山火圖像相減，得到提取邊緣后的山火圖像。

優選地，如圖5所示，所述山火分類模塊包括，

明火判斷單元51，根據所述提取邊緣后的山火圖像的像素灰度值，判斷山火是否為明火；

山火分類單元52，若山火為明火，根據所述明火的位置，確定山火的類型。

優選地，如圖6所示，所述山火預測模塊包括，

山火蔓延范圍確定單元61，根據所述山火分類后的灰度圖像和山火當前的地理信息，在第一預設的蔓延時間，得到山火的蔓延范圍；

山火蔓延預測單元62，在所述山火的蔓延范圍的邊緣選取預測火勢的起始點，根據山火蔓延速度和第二預設的蔓延時間，預測山活的蔓延范圍。

由以上技術方案可知，本實施例提供的一種基于輸電線路山火圖像的山火預測系統，先將輸電線路山火的灰度圖像進行降噪處理，提高圖像的精度，再對山火進行分類，并結合實時的山火發生地的具體信息，對山火蔓延范圍進行預測，使預測的結果更準確。

本領域技術人員在考慮說明書及實踐這里公開的發明后，將容易想到本發明的其它實施方案。本申請旨在涵蓋本發明的任何變型、用途或者適應性變化，這些變型、用途或者適應性變化遵循本發明的一般性原理并包括本發明未公開的本技術領域中的公知常識或慣用技術手段。說明書和實施例僅被視為示例性的，本發明的真正范圍和精神由下面的權利要求指出。

應當理解的是，本發明并不局限于上面已經描述并在附圖中示出的精確結構，并且可以在不脫離其范圍進行各種修改和改變。本發明的范圍僅由所附的權利要求來限制。