基于分離YUV 顏色通道的火焰提取方法

王勇智 譚楊磊 韓 銳 張傲宇 劉崢言

（東北林業(yè)大學(xué)機(jī)電工程學(xué)院，黑龍江 哈爾濱150040）

火災(zāi)是災(zāi)害性燃燒現(xiàn)象失去控制的現(xiàn)象，是威脅我們的公眾安全與社會(huì)發(fā)展的主要災(zāi)害之一，據(jù)統(tǒng)計(jì)，2019 年一年接報(bào)的火災(zāi)有23.3 萬起，造成的直接財(cái)產(chǎn)損失高達(dá)36.12 億元。森林火災(zāi)是火災(zāi)的重要組成部分之一，會(huì)燒毀森林的動(dòng)植物資源以至于破壞生態(tài)環(huán)境，使經(jīng)濟(jì)損失巨大，甚至?xí)斐扇藛T傷亡，且在火勢(shì)較大的情況下更加難以控制，更易造成大面積破壞。因此，要最大程度的減少因?yàn)榛馂?zāi)而造成的損失，就必須在火災(zāi)發(fā)生初期的時(shí)候就發(fā)現(xiàn)問題并及時(shí)的解決。

然而森林火災(zāi)具有很大的不確定性和多變性，通過傳統(tǒng)的基于對(duì)于一些火災(zāi)特征參量如煙霧、燃燒氣體、溫度的傳感器的林火檢測(cè)方法，很容易受到周圍所處環(huán)境的影響，應(yīng)用范圍較小，分析結(jié)果不準(zhǔn)確，很容易產(chǎn)生誤報(bào)，而且反應(yīng)時(shí)間較長(zhǎng)，難以在形成初期及時(shí)發(fā)現(xiàn)，且大面積鋪設(shè)傳感器進(jìn)行監(jiān)測(cè)，會(huì)影響森林的生態(tài)環(huán)境，且耗資較高，難以實(shí)現(xiàn)。

近年來，基于計(jì)算機(jī)視覺的林火檢測(cè)技術(shù)已經(jīng)發(fā)展起來。其關(guān)鍵是基于顏色的火焰分割算法，通過分析火焰的顏色特征來建立火焰的顏色模型進(jìn)而進(jìn)行識(shí)別。為了提高檢測(cè)技術(shù)的可靠性，減少誤報(bào)率，許多國(guó)內(nèi)外學(xué)者已經(jīng)提出多種算法用于識(shí)別火焰。Ono 等通過提取紅色分量的背景圖像中潛在區(qū)域的特征量進(jìn)行神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練進(jìn)行火焰識(shí)別。Chen 等人通過在RGB 和HIS 顏色空間上分析火焰特征進(jìn)行不規(guī)則檢驗(yàn)。Celik 等通過多張火災(zāi)圖片生成的RGB 顏色空間的規(guī)則決策分割火焰像素。秦薇薇等利用背景差分法分析視頻中的火焰兵進(jìn)行分割。陳天炎等通過YCbCr 空間分析火焰像素分布特征分割火焰。Jenifer 對(duì)火焰的顏色、面積、粗糙度、偏斜度進(jìn)行概率統(tǒng)計(jì)，用貝葉斯分類器進(jìn)行決策。

1 算法流程

筆者提出的基于邊緣檢測(cè)的林火圖像分割算法可分為三部分：首先轉(zhuǎn)換圖像通道格式為YUV；之后是圖像預(yù)處理，將圖片的V 通道提取出來，獲得圖像；最后進(jìn)行中值濾波處理并使用Sobel邊緣檢測(cè)對(duì)火焰進(jìn)行提取完整火焰圖像。算法流程如圖1 所示。

圖1 方法流程圖

2 火焰提取規(guī)則

2.1 轉(zhuǎn)換圖像為YUV 色彩模型

現(xiàn)代相機(jī)采取的圖片大多為RGB 格式，RGB 顏色模型就是通過圖片中不同比例的紅、綠、藍(lán)這三原色疊加而成的顏色模型，這樣就造成一種顏色是由不同色彩以一定比例混合而成，這樣就很難做到定量的分析，無法輕易得到火焰的準(zhǔn)確數(shù)值，所以RGB 顏色模型難以用來對(duì)圖像分析處理以進(jìn)行火焰提取。

YUV 色彩模型來源于RGB 模型，該模型的特點(diǎn)是將亮度信號(hào)Y 和色度信號(hào)U、V 分離開來，YUV 顏色模型與人類對(duì)于自然界色彩的感知與認(rèn)識(shí)的原理類似，他可以把色彩空間中的亮度信息分離出來，從而更適合于圖像處理領(lǐng)域。YCbCr 則是YUV 壓縮和偏移的版本。

通過將得到的YUV 圖像與RGB、YCbCr 圖像進(jìn)行對(duì)比（如圖2），通過人眼對(duì)火焰的直觀認(rèn)識(shí)，可以清楚的發(fā)現(xiàn)YUV 化的圖像中火焰區(qū)域被強(qiáng)化，更加容易被人眼所捕獲，而背景區(qū)域被減弱，減少了其對(duì)火焰提取的影響。從而得知YUV 色彩格式更加適用于對(duì)于火焰的提取。

圖2 圖像對(duì)比圖

2.2 分離圖像V 通道像素

火焰具有很多的顏色特征，不同燃燒物質(zhì)產(chǎn)生的火焰呈現(xiàn)出的顏色就有所不同，森林火災(zāi)時(shí)的顏色則主要有白色、黃色、橙色、紅色、暗紅色這幾種，一般情況為紅色逐漸過渡到黃色。因此RGB顏色模式中，火焰特征一般為R≥G≥B，YUV 顏色模式中，V 通道為提取火焰的主要通道。根據(jù)YUV 顏色空間的特點(diǎn)，將亮度通道Y 與色度通道U、V 分離，如圖3 所示：

圖3 Y、U、V 顏色通道分離結(jié)果

從圖可以看出：在亮度分量Y 通道，相當(dāng)于圖像的灰度圖，背景影響較大，火焰無明顯變化，適用性不強(qiáng)；在色度分量U 通道，背景影響較小，但火焰像素值有明顯減少，不適于使用；在色度分量V 通道，背景影響較小，且火焰像素值并無明顯變化，因此V 通道更加適于使用。同時(shí)，筆者將圖像分離為R、G、B 通道并進(jìn)行對(duì)比，如圖4 所示：

圖4 R、G、B 顏色通道分離結(jié)果

通過比對(duì)可以明顯看出，分離R、G、B 通道得出的結(jié)果，R 通道背景對(duì)火焰區(qū)域影響較大，不適于使用，G 和B 通道火焰區(qū)域明顯減小，更不適宜于使用。

2.3 濾波及邊緣檢測(cè)處理

最后將分離出的V 通道進(jìn)行濾波與邊緣檢測(cè)處理，濾波方法我們采取中值濾波。1971 年，圖基首次提出了中值濾波，通過采用非線性技術(shù)在像素點(diǎn)鄰域中取中值代替平均值，不但不會(huì)降低圖片的高頻信號(hào)，還能在消除噪聲同時(shí)保持圖像的邊緣特征。其原理就是將某個(gè)點(diǎn)領(lǐng)域中各點(diǎn)值的中值來代替這個(gè)點(diǎn)的值。他是一種去除噪聲的非線性的處理方法，這樣就可以在去除噪聲的同時(shí)保留圖像的細(xì)節(jié)信息。這樣就能減少背景的影響，同時(shí)不改變火焰的紋理。

邊緣檢測(cè)技術(shù)對(duì)于圖像分割是一個(gè)尤為重要的工具，常用到的有Canny、Sobel、Scharr 邊緣檢測(cè)方法，我們將上一步得到的圖片分別使用這三種方法進(jìn)行比對(duì)試驗(yàn)，得出結(jié)果如圖5。將三種方法的參數(shù)值調(diào)整到效果較好的情況，進(jìn)行對(duì)比，可以看出Sobel 邊緣檢測(cè)方法得出結(jié)果較為準(zhǔn)確，且易于辨識(shí)以至于使用。

圖5 邊緣檢測(cè)結(jié)果

3 實(shí)驗(yàn)結(jié)果分析

筆者研究提取火焰圖像，為說明此方法的適用性，以下選取兩幅具有代表性的火焰燃燒圖片進(jìn)行分析說明（如圖6），第一組的圖像為已經(jīng)發(fā)生火災(zāi)且火勢(shì)比較大；第二組為剛發(fā)生火災(zāi)且有煙干擾。得出結(jié)果較好，說明筆者所述方法能夠?qū)α只鹛崛∑疠^好的作用。

圖6 結(jié)果分析

4 結(jié)論

筆者運(yùn)用火焰在不同的顏色空間的特點(diǎn)，分析了火焰像素在不同顏色空間的分布特征，靈活利用起特點(diǎn)，并進(jìn)行多次評(píng)價(jià)指標(biāo)對(duì)結(jié)果進(jìn)行客觀評(píng)價(jià)，獲得了較好的火焰提取方法。該方法在大火以及有煙干擾的火線情況下可以簡(jiǎn)單且能有效提取火焰，故此算法具有很強(qiáng)的適用性