基于獨(dú)立分量分析和顏色特征的視頻火焰圖像分割法

顏禮彬

(海軍工程大學(xué) 電子工程學(xué)院，湖北 武漢 430033)

0 引 言

基于圖像處理的火災(zāi)監(jiān)控技術(shù)以計(jì)算機(jī)為核心，它采用非接觸式的探測技術(shù)，結(jié)合光電成像和計(jì)算機(jī)圖像處理技術(shù)，將視頻圖像應(yīng)用到火災(zāi)探測中，完成火災(zāi)自動監(jiān)測報(bào)警。在對火焰圖像進(jìn)行圖像處理和分析前，考慮到火焰圖像的顏色特征非常明顯，首先考慮利用顏色識別技術(shù)[1～4]從圖像中分割出火焰區(qū)域，例如在RGB，HSV 和 YCbCr 等顏色空間建立火焰檢測顏色模型[1]完成對火焰區(qū)域分割，但該方法在部分背景顏色與火焰顏色相似度差別不大或是背景亮度很高的的情況下，會出現(xiàn)大量的干擾。另外一個(gè)進(jìn)行火焰區(qū)域分割的思路是根據(jù)火焰的運(yùn)動特性，從圖像的動目標(biāo)檢測入手，常用的方法有基于圖像差分運(yùn)算的分割方法[5～7]，如果參考圖像和閾值選取適當(dāng)，能比較準(zhǔn)確地分割出火焰和運(yùn)動物體用于特征分析，但易受到光照變化和噪聲影響[8]。獨(dú)立分量分析(independent component analysis，ICA)是一種盲源分離技術(shù)，ICA已經(jīng)廣泛運(yùn)用于圖像特征提取[9]、圖像分離[10]、圖像運(yùn)動目標(biāo)檢測[11]等諸多方面?？紤]到在視頻火焰圖像分割中，火焰變化實(shí)質(zhì)為一種運(yùn)動特性，且具有作為前景的火焰與背景圖像在信號上保持相對獨(dú)立的特點(diǎn)，可以使用ICA方法來檢測火焰的圖像區(qū)域，從而對火焰圖像進(jìn)行分割。

1 圖像分割方法原理

1.1 顏色分割法與圖像差分法

目前使用較多的將火焰從背景中分離出來的方法有顏色分割法和圖像差分法等。

火焰的顏色作為火焰最明顯的視覺特征，在火焰識別過程中起到重要的作用。眾多視頻圖像火焰檢測系統(tǒng)都引入了火焰顏色檢測模塊，國內(nèi)外很多學(xué)者提出了不同的火焰顏色檢測算法[1～4]，顏色分割法普遍存在適應(yīng)性差的不足。

圖像差分法基本原理是將圖像序列中前后圖像對應(yīng)像素點(diǎn)的灰度值或顏色相減，如果該處的數(shù)值變化很大，則認(rèn)為這是由于圖像中火焰或運(yùn)動干擾引起的。它的突出特點(diǎn)是實(shí)現(xiàn)簡單、運(yùn)算速度快，在大多數(shù)情況下檢測效果較好，常常用于對實(shí)時(shí)性要求比較高的場合。典型的差分圖像法分為幀差法[6]和背景消減法[7]。

幀差法的前后圖像為相鄰幀圖像，因?yàn)椴捎靡恍《螘r(shí)間內(nèi)前后多幀圖像進(jìn)行差分，計(jì)算方法能滿足實(shí)時(shí)性要求，且時(shí)域光線變化能立刻反應(yīng)出來，噪聲不隨時(shí)間累積而增加。

背景消減差分是首先選取一幀圖像作為參考圖像，用當(dāng)前幀和參考圖像作差分運(yùn)算，這樣不動的背景能被消減掉，火焰目標(biāo)則顯現(xiàn)出來，如果參考圖像選取適當(dāng)，能比較準(zhǔn)確地分割出火焰和運(yùn)動物體。

1.2 ICA的模型與實(shí)現(xiàn)

相較于差分法的火焰區(qū)域分割，基于 ICA 的方法從盲信號分離的角度考慮視頻序列圖像中的火焰檢測問題。其基本思想為：在源信號和線性變換均不可知的情況下，根據(jù)隨機(jī)變量的非高斯性和相互獨(dú)立性，ICA對多通道觀測數(shù)據(jù)進(jìn)行估計(jì)，使其分解成統(tǒng)計(jì)獨(dú)立的分量，即相互獨(dú)立的信源[12,13]。

為了確?；綢CA模型能夠被估計(jì)，必須做出一定的假設(shè)和約束，使估計(jì)效果接近于所期望的結(jié)果。ICA模型的前提假設(shè)：

1)M≥N，即觀測信號x的個(gè)數(shù)M應(yīng)大于等于源信號s的個(gè)數(shù)N；

2)源信號的各個(gè)分量在每個(gè)時(shí)刻t都是統(tǒng)計(jì)獨(dú)立的；

3)最多只有一個(gè)源是正態(tài)分布的。

基本ICA的模型如圖1所示。

圖1 ICA方法的基本框圖

設(shè)有n個(gè)未知的源信號si(t),i=1～n，構(gòu)成列向量s(t)=[s1(t),s2(t),…,sn(t)]T，A是一個(gè)m×n維混合矩陣，x(t)=[x1(t),x2(t),…,xn(t)]T是m維觀測信號，n(t)為m維加性噪聲，則線性混合模型可表示為

x(t)=As(t)+n(t)

(1)

式(1)表示在x(t)已知和A未知的條件下，通過求解一個(gè)解混矩陣W，使得u(t)=Wx(t)逼近于源信號s(t)，且u的各分量盡可能獨(dú)立。即有

u(t)=Wx(t)=WAs(t)+Wn(t)

(2)

ICA用于火焰區(qū)域分割的基本思路為：用于檢測的視頻序列圖像相當(dāng)于經(jīng)過傳輸通道后的多個(gè)(M個(gè))混合(觀測)信號圖像，其中包含的源信號為這些序列圖像中所包含的相對獨(dú)立的火焰信息、干擾信息、背景信息等。其實(shí)質(zhì)是將序列圖像看作是一些獨(dú)立分量的混合，不變的背景是其中一個(gè)分量，而火焰目標(biāo)以及運(yùn)動的干擾在背景中的不同位置是另外一些分量。具體來說，把參與ICA分析的M幀圖像形成觀測矩陣X中的M個(gè)“觀測量”，當(dāng)這M個(gè)“觀測量”中所包含的源信息量N滿足M≥N時(shí)，就可確保得到其中火焰信息的分割圖像。

2 HSI顏色空間的火焰識別

HSI顏色模型采用色調(diào)和飽和度來描述顏色。其中色調(diào)Hue表示顏色，顏色與彩色光的波長有關(guān)，將顏色按紅橙黃綠青藍(lán)紫順序排列定義色調(diào)，并且用角度值(0°～360°)表示。飽和度Saturation表示色的純度，也就是彩色光中摻雜白光的程度。飽和度取值采用百分?jǐn)?shù)(0 %～100 %)，0 %表示灰色光或白光，100 %表示純色光。強(qiáng)度Intensity表示人眼感受到彩色光的顏色的強(qiáng)弱程度，它與彩色光的能量大小有關(guān)。

HSI顏色模型有兩個(gè)特點(diǎn)：

1)分量與圖像的彩色信息無關(guān)，可以直接面向圖像處理和運(yùn)算，從RGB顏色空間到HSI顏色空間只是一個(gè)簡單的非線性變換；

2)HSI顏色空間與人眼有著很好的視覺一致性，并且HSI中H分量(色調(diào)值)可以無差錯的定義一種顏色，從而實(shí)現(xiàn)更好的分割。

通過大量試驗(yàn)，在HSI顏色空間中，紅色和黃色色調(diào)在0°～60°之間。對于圖像中的某個(gè)像素，如果滿足式(3)，則認(rèn)為該像素為火焰

H≤60 且S>100

(3)

3 分割方法

基于ICA的視頻火焰分割方法的方框圖如圖2所示。

圖2 基于ICA的視頻火焰分割方法框圖

在進(jìn)行ICA時(shí)，適當(dāng)對圖像進(jìn)行一些預(yù)處理有時(shí)是非常必要的，它可使ICA的工作量大大減少。根據(jù)需要，可以選擇是否要將圖像轉(zhuǎn)換成灰度圖，并且對圖像數(shù)據(jù)進(jìn)行去均值處理，去均值使得火焰觀測信號成為零均值變量，目的是簡化算法。白化處理是一個(gè)必要過程，可以使用主分量分析(principal component analysis,PCA)方法進(jìn)行白化處理。PCA是對由一系列觀察數(shù)據(jù)向量組成的向量組，找到它最能表達(dá)該組數(shù)據(jù)特性的正交基，稱之為“主分量”，然后將觀察數(shù)據(jù)在主分量上進(jìn)行投影或映射，使結(jié)果具有互不相關(guān)性質(zhì)。PCA處理后的數(shù)據(jù)只是具有二階獨(dú)立性，并不是真正的獨(dú)立，它通常用作ICA處理[13]中的預(yù)處理，用于降維、以及去噪。

ICA算法如下：

1)對所有獨(dú)立分量進(jìn)行循環(huán)；

2)隨機(jī)設(shè)置權(quán)重的初始值w0,k=0；

3)判斷是否達(dá)到最大迭代次數(shù)；

4)利用迭代公式

(4)

5)對權(quán)值進(jìn)行正交化和歸一化wk+1=wk+1/‖wk+1‖；

6)判斷權(quán)值是否收斂‖wk+1-wk‖<ε，如果收斂，則輸出權(quán)值wi；

7)當(dāng)所有的獨(dú)立分量循環(huán)結(jié)束后，輸出權(quán)值矩陣W={wi}；

8)將W與白化矩陣Q相乘后即為分離矩陣，可以對輸入數(shù)據(jù)矩陣X進(jìn)行分離。

對序列圖像進(jìn)行ICA處理后，得到感興趣疑似火焰區(qū)域。由于ICA只是根據(jù)圖像中不同信息相對獨(dú)立的特點(diǎn)將各信息分離出來，此時(shí)并不清楚哪一幅圖片為火焰區(qū)域。接下來按照前文中HIS顏色空間火焰識別方法，按式(5)判斷哪個(gè)區(qū)域?yàn)榛鹧鎱^(qū)域

(5)

式中i為ICA分離出的N個(gè)獨(dú)立分量(疑似火焰區(qū)域)之一，Hi為第i個(gè)區(qū)域中符合HIS顏色特征為火焰的像素總數(shù)，Ti為第i個(gè)區(qū)域中像素總數(shù)，Hi/Ti比值最大且大于某個(gè)最低閾值的區(qū)域即認(rèn)為為火焰區(qū)域。

4 實(shí)驗(yàn)分析

為了對方法進(jìn)行檢驗(yàn)，進(jìn)行了火焰實(shí)驗(yàn)，并采集了視頻片段。

4.1 基于ICA的分割結(jié)果

圖3為其中一個(gè)火焰視頻中提取的前后3幀圖像，從3幀圖中可以看到，隨著火焰大小的變化，背景的光線及明暗程度發(fā)生了變化，將這3幀圖像作為ICA的觀測數(shù)據(jù)。

圖3 用于ICA的觀測圖像

圖4為使用ICA方法分離后的結(jié)果，ICA的方法很好地將火焰圖像分離出來，可以看到它分離出的“獨(dú)立分量”有3個(gè)，分別為蹲著的人員、火焰、不變的背景(包括地面、鍋等)。通過HIS顏色空間分析，根據(jù)式(5)計(jì)算，圖4(a)值為0.93，圖4(b)值為0.12，圖4(c)值為0.58，因此判斷圖4(a)為分割后的火焰圖像。

圖4 ICA分割后的獨(dú)立分量

4.2 基于ICA的視頻火焰分割與背景差分法比較

為了對比ICA方法和背景差分法的分離效果，選用了圖3(a)作為背景圖，圖3(b)作為當(dāng)前幀，分別使用兩種方法進(jìn)行火焰圖像分割。圖5(a)為ICA方法分割的效果，圖5(b)為背景差分法分割的效果，從圖中可以看出ICA方法較好地分離出火焰圖像，而背景差分法得出的火焰分割圖包含了背景中的人物圖像。

圖5 ICA法與背景差分法比較

4.3 基于ICA的視頻火焰分割與背景建模法比較

通過實(shí)驗(yàn)將ICA分割方法與背景建模法比較，實(shí)驗(yàn)中使用10段火焰視頻，分別為不同的條件和場景下錄制的，其中火源的材料為柴油、汽油、紙張和木材等。在實(shí)驗(yàn)過程中，對于10段視頻的結(jié)果進(jìn)行了平均。表1中“檢出滯后幀數(shù)”為視頻中火焰出現(xiàn)到檢測出火焰之間的間隔幀數(shù)。對于混合高斯模型而言，該方法在使用過程中對光照的的突變和其他因素的適應(yīng)能力不夠，在火光的閃爍效應(yīng)下，同時(shí)還有可能提取出來的前景區(qū)域偏大于實(shí)際的前景區(qū)域，即檢測精度的問題；另一方面是背景模型必須對背景場景的改變足夠靈敏，否則會檢測出虛假對象。CodeBook法在簡單背景和復(fù)雜背景的檢測效果上具有起伏，同時(shí)需要間隔一定時(shí)間使用更新算法更新CodeBook模型，并對CodeBook進(jìn)行時(shí)間濾波。ICA檢測方法的優(yōu)勢在于基本不受光照變化、噪聲以及圖像背景灰度變化的影響，因此可以保持較穩(wěn)定的檢測效果。

表1 三種方法的檢測效果比較

5 結(jié) 論

將 ICA方法應(yīng)用到火焰圖像分割時(shí)，是將觀測圖像序列中的固定背景、火焰及運(yùn)動干擾等看作相對獨(dú)立的分量，在提供足夠的觀測圖像的基礎(chǔ)上，可以將這些相對獨(dú)立的源信號全部分離出來，基本不受光照變化、噪聲以及圖像背景灰度變化的影響。相對于顏色閾值法、差分法、背景建模法等火焰分割方法，基于 ICA 的原理更加直觀，抗干擾效果更好，這對于后續(xù)對疑似火焰圖像進(jìn)一步分析識別提供了良好條件。ICA方法僅能檢測出包括火焰在內(nèi)的各個(gè)獨(dú)立分量(疑似區(qū)域)，但無法區(qū)分火焰區(qū)域，因此，文中輔助以HIS顏色特征對各個(gè)獨(dú)立分量進(jìn)行分析，判斷出火焰區(qū)域。本文提出的方法僅是作為一種火焰區(qū)域的提取方法，要最終判定該區(qū)域是否為火焰還需要分析其它特征作進(jìn)一步識別。