一種森林火災紅外熱成像圖像分割方法
【技術領域】
[0001] 本發明屬于圖像處理技術領域，涉及一種森林火災紅外熱成像圖像分割方法。
【背景技術】
[0002] 圖像分割是圖像處理領域的一個基本問題，其目的是將目標和背景分離，為后續 的目標特征提取、識別和跟蹤提供依據。
[0003] 在圖像分割的眾多處理方法中，閾值分割方法由于其簡單有效的特點，在重視運 算效率的場合應用比較廣泛。它把圖像視為具有不同灰度級特性的兩類區域（目標和背 景）的組合，根據選取的閾值將圖像中的每個像素點區分為目標和背景，產生二值圖像。閾 值分割的關鍵技術在于最優閾值的選取，否則會出現欠分割或過分割等問題，影響后續處 理。
[0004] 經典的閾值方法有雙峰法、最大類間方差法（Otsu算法）、最小誤差閾值法、最大 熵分割法等，其中由Kapur等人提出的最佳熵閾值法，可以對非理想雙峰直方圖進行分割， 但是這種方法在確定閾值時計算量很大，在實時性方面很難達到要求，效率比較低。針對這 種情況，有學者提出了改進方法，即將遺傳算法與最大熵相結合，采用遺傳算法進行閾值的 搜索。遺傳算法是一種基于生物自然選擇與遺傳機理的隨機化搜索算法，具有魯棒性、并行 性和自適應性等優點，用遺傳算法來實現最佳熵閾值的確定，可以縮短尋找閾值的時間。
[0005] 森林火災是危害森林的一個重要自然因子之一，它具有突發性、災害發生地的隨 機性、短時間內造成重大損失的特點。森林火災不僅會燒毀林木及林下植物資源，還會毀壞 自然資源，破壞生態系統和生態環境，危害野生動物，甚至威脅人類，造成嚴重的人員和財 產損失。
[0006] 森林防火行業急需能快速發現火源、誤報率低和漏報率低的設備和系統，并且能 指導滅火人員快速到達火源地進行滅火。這就需要尋找一種行之有效的技術來配合傳統可 見光技術來降低誤報率和漏報率，紅外熱成像技術正是最佳的選擇。紅外熱成像技術是一 種通過被動接收物體熱輻射的紅外線信號進行成像的技術，而森林火災的初發期即會產生 熱輻射，所以將紅外熱成像技術運用于林火安防預警是非常合適的。它具有可晝夜工作，較 強的穿透煙、霧、雪的能力，識別偽裝目標的能力等。
[0007] 在對林火紅外熱成像圖像進行處理時，由于后續工作的需要，往往需要將紅外熱 成像圖像中發熱區域以及異常發熱的區域分別分割出來。有文獻提出了利用最大熵對圖像 進行雙閾值分割，并用遺傳算法進行最佳雙閾值搜索的方法來進行紅外熱成像圖像分割， 但這種方法計算量比較大，不易滿足實時性要求。
【發明內容】
[0008] 本發明所要解決的技術問題是，提供一種紅外熱成像圖像分割方法，可以提高圖 像分割的精確度。
[0009] -種森林火災紅外熱成像圖像分割方法，其特征在于：包括以下步驟：
[0010] (1)獲取紅外熱成像圖像；
[0011] (2)通過最大類間方差法對R通道下紅外熱成像圖像閾值分割得到的閾值作為最 小閾值t_;
[0012] (3)通過最大類間方差法（Otsu)對G通道下紅外熱成像圖像閾值分割得到最大閾 值 tnax;
[0013] (4)設初始迭代次數Y為1，在[t_，t_]范圍內隨機產生M個個體作為初始群體；
[0014] (5)根據最大熵算法計算每個個體的適應度值；
[0015] (6)判斷種群是否滿足終止條件，若滿足則結束，確定最優個體，并將最優個體的 值作為分割閾值，否則，進入步驟（7);
[0016] (7)對各個個體編碼，進行遺傳操作，包括順次執行的選擇操作、交叉操作和變異 操作；
[0017] (8)對變異后的個體解碼，剔除[t_，t_]范圍外的個體，轉至步驟（5)。
[0018] 本發明將遺傳算法和最大熵結合對圖像進行分割，首先獲取紅外熱成像圖像，分 別在R通道和G通道下確定最小閾值t_和最大閾值t _，來達到縮小搜索范圍的目的，在 [t_，t_]范圍內產生M個初始群體，將個體分別代入最大熵準則函數，計算當代種群中各 個體的適應度值，然后判斷是否滿足終止條件，若滿足則結束，確定最優個體并進行閾值分 害J，否則擇優秀的個體組成新的種群，對新種群中的個體依次進行交叉操作和變異操作，然 后對變異后的個體解碼，剔除[t_，t_]范圍外的個體，從計算各個體適應度值開始，循環 執行，直至滿足終止條件。
[0019] 本發明在將遺傳算法與最大熵準則相結合對圖像進行分割的基礎上，先確定一個 最小閾值和一個最大閾值，使得遺傳算法搜索閾值的范圍盡可能小，從而提高閾值分割的 速度。同時在G通道下確定異常發熱區域的分割閾值，避免了通過遺傳算法搜索最佳雙閾 值時產生的較大的計算量，也提高了異常發熱區域閾值分割的精確度。
【附圖說明】
[0020] 圖1是本發明的一種紅外熱成像圖像分割法的流程圖；
[0021] 圖2是本發明遺傳操作的具體流程圖。
【具體實施方式】
[0022] 有關本發明的詳細內容和技術，茲配合圖式說明如下：
[0023] 本發明的實施示意圖如圖1所示，其具體步驟依次為：
[0024] (1)獲取紅外熱成像圖像；
[0025] (2)通過最大類間方差法對R通道下紅外熱成像圖像閾值分割得到的閾值作為最 小閾值t_;
[0026] (3)通過Otsu準則對G通道下的圖像進行分割，分割閾值記為ta，分割得到的二 值圖像標記為g，再尋找二值圖像中像素值為1的區域在R通道灰度圖像中的位置，并計算 R通道下所述位置區域像素的最小值，作為最大閾值
[0027] (4)設初始迭代次數Y為1，同時在[t_，t_]范圍內隨機產生M個個體作為初始 群體；
[0028] (5)根據最大熵算法計算每個個體的適應度值，
[0029] 在步驟（5)中，所述最大熵算法即計算總熵的方法，圖像的總熵為
[0030] .i. l x. t a
-vu -Jh- I a
[0031] 其中，
i為灰度值為i的像素出現的概率，t為遺傳 算法中產生的個體的值。
[0032] (6)判斷種群是否滿足遺傳操作的終止條件，若滿足則結束，確定最優個體并將最 優個體的值作為分割閾值，否則，繼續下面遺傳操作；所述終止條件是算法執行次數達到最 大迭代次數或者連續三代種群中個體的最大適應度值變化率小于5%。
[0033] (7)對各個個體編碼，進行遺傳操作，具體如圖2所示