基于图像处理的森林火灾检测的文献综述
基于图像处理的森林火灾检测文献综述
本科毕业论文（设计)文献综述学生姓名文慧学号091014429班级机械09—4 专业机械设计制造及其自动化指导教师郑嫦娥基于红外图像处理的森林火灾识别方法研究1国内外现状国内外很多公司、科研机构和大学院校都对图像型火灾探测技术进行过大量的研究.Bosque 公司的BSDS 系统采用红外和普通摄像机进行双波段监控,在准确识别森林火灾的同时还可以区别其它现象的干扰，误报率较低。
在大空间火灾监控方面有ISLI 公司和Magnox Electric 公司联合开发的用于电站火灾监控的VSD－8 系统。
该系统以视频运动检测软件为主体，使用各种滤波器技术，并与人工智能相结合，进行电站内的火灾监控。
国内相关单位对于图像型火灾探测技术也进行了深入的研究.其中，中国科技大学的火灾科学国家重点实验室的研究处于国际领先的地位。
依托火灾科学重点实验室的科大立安公司已经研制出双波段火灾探测器LIAN-DC，并通过相关反面的验收，投入实际应用。
同时,上海交通大学，西安交通大学都曾在火灾探测方面进行过积极的研究，并在工程实践中提出过一些算法，其探测手段主要集中在使用红外型摄像机,探测系统的抗干扰性还有待提高。
迄今为止，国内外图像型火灾探测系统还存在误报率高,自动灭火算法误差大等问题.还有待提出更多更好的探测算法以及算法的实现方法。
2常用的探测系统国内外科研机构和各大公司开发的众多火灾探测系统基于各种火灾识别模式，常见的是感烟探测系统、感温探测系统、火焰探测系统、气体探测系统和复合式探测系统等，感烟探测系统占有量最高,约70％～80％。
2。
1感烟探测系统感烟式火灾探测器主要是利用烟雾传感器探测火灾中产生的烟雾气溶胶，如中国科技大学提出高灵敏度红外图像式烟雾相对浓度测试系统,该系统利用利用发射红外光,使红外光穿过烟雾，并用CCD接收红外光的方法来检测烟雾浓度.北京林业大学的郭炜强也对基于运动特征的林火烟雾图像检测技术进行研究，感烟是探测系统在国内国外研究较多，研究较为成熟。
森林防火监测技术综述
森林防火监测技术综述摘要：森林资源是调节人类社会生态平衡的重要物态。
森林火灾，是破坏森林自然环境生态结构的严重灾害形式。
随着现代科技的不断更新，创新和研发森林防火监测技术，控制森林火灾，是优化当前森林生态环境的重要保障措施和手段。
关键词：森林火灾防火技术监测手段森林资源是保障现代经济发展的重要基础。
当前，由于雷击、自燃或者人为因素等造成的森林火灾，仍然是影响森林资源常态化发展的主要灾害形式，森林火灾作为破坏森林生态的灾害现象，往往会造成森林资源的大面积烧毁破坏，严重破坏了人类生存的自然环境和生态平衡。
当前，针对森林火灾频发的现状，科学的探究森林火灾的高效监测防控技术，是保障人类生态环境的重要措施。
一森林火灾与森林防火分析森林火灾，作为严重侵害和破坏人类生态环境的自然灾害，是指发生在林地内自由蔓延和扩展的，对森林生态系统和人类社会经济造成一定危害的火灾现象。
相对来说，森林火灾是一种突发性较强、破坏性严重、扑灭救护困难的灾害。
森林火灾的发生、蔓延和强度，具有一定的规律性，需要具备相关可燃物、火源以及氧气助燃物等条件。
通常分为地表火灾、林冠火灾和地下火灾等三种存在形式。
森林火灾的发生往往与当地的高温天气、干燥气候、相对湿度等气象因素以及空间地理特征、植被因子和社会人为因素的影响密切相关。
森林防火是运用科学的防控技术和设备，对森林火灾进行适时性全方位的预防和救护，尽量减少或避免森林火灾发生蔓延破坏森林生态资源的行为措施。
森林防火，需要采取行政干预、法制保障以及经济杠杆相结合的方法，运用高新科技手段，最大限度地避免或减少森林火灾的发生。
二森林防火监测技术分析当前，我国森林防火的形势较为严峻，特别是近年来，黑龙江、内蒙古、新疆等地区连续发生的多起特大型森林火灾，敲响了综合防治森林火灾的警钟。
当前，面对森林火灾频繁发生的现状，依据高新科技研发构建林火监测防护技术，成为防控森林火灾的重要有效措施。
（一）当前国内常用的森林防火监测技术1卫星遥感监测技术卫星遥感林火监测，是通过卫星实时监测，借助遥感技术探测林火火场热点位置及火势蔓延信息，制作森林火险预报，通过卫星数字资料估算过火面积，实施林火防护。
基于数字图像处理的森林防火识别的研究
基于数字图像处理的森林防火识别的研究【摘要】森林资源是地球上最重要的生态资源之一，森林火灾给森林资源带来了极大的损失。
及时发现森林火灾并预防对保护森林资源具有非常重大的意义。
本文通过使用数字图像处理来快速识别森林火灾发生时所产生出来的火焰和烟雾的图像特征，进而快速地识别出火灾发生的相关信息，降低了森林火灾带来的巨大的损失。
为了提高森林防火识别的准确度，将人工神经网络的方法于森林防火识别中，经过不断的学习，森林防火识别将更加准确和高效。
【关键词】数字图像处理图像分割防火识别火焰特征森林资源是地球上最重要的生态资源之一。
它能够为人类的生活提供各种宝贵的原材料，对于净化空气也起着非常重大的作用。
森林资源的可再生的长期性和不可替代性促使人类要格外重视它的合理利用，这不仅要求有计划的砍伐和种植，更需要注意预防森林火灾[1]。
森林火灾的发生可能是自然灾害引起的，也可能是人为引起的。
森林火灾直接给社会带来巨大的经济损失，危害着生态环境。
那么，为了减少森林火灾给人类带来的损失，需要及时发现森林火灾，只有及时发现了森林火灾，人们才能够及时救援。
因此，森林防火识别的研究是具有非常重大的意义。
本文通过使用数字图像处理的方法快速识别森林火灾是否发生，主要判断依据是森林火灾所产生出来的火焰和烟雾的图像特征，并使用神经网络的方法对森林防火识别的算法进行训练学习，进而快速地识别出图像中是否存在森林火灾，降低了森林火灾带来的巨大的损失。
1.森林火灾识别算法的概述传统的森林火灾识别大多数采用基于感温、气体、感光等[2]这些传统的识别方法容易受到空间高度、空气流速、粉尘、温度、湿度等外界因素的干扰，因而影响检测森林火灾的准确度。
基于数字图像处理的森林防火识别最重要的任务就是发现森林火灾中的各种特征如何表现在图像上，并确保这些图像特征能够明显区别于图像中除火灾以外的其他譬如树木等的背景事物[2]对于基于数字图像处理的森林火灾识别算法来说，其核心问题就是要利用森林火灾的图像的典型特征来识别火灾的存在，而处理森林火灾的图像必然要使用数字图像处理技术[3]数字图像处理的常用方法主要有：图像?换、图像编码压缩、图像增强和复原、图像分割、图像描述和图像识别[4]。
基于图像处理的森林火灾检测系统的技术研究毕业论文
基于图像处理的森林火灾检测系统的技术研究摘要图像预处理的主要方法有：灰度化、二值化、均值滤波、中值滤波、高斯滤波。
本研究还将各向异性扩散方法应用于医学图像的去噪处理。
采用基于各向异性扩散的偏微分方程，其初始值为输入图像，转化为差分格式迭代求解滤波结果。
以在去除噪声的同时，保持重要的边缘、局部细节。
在此基础上提出八向各向异性扩散和边缘增强各向异性扩散，取得了满意的结果。
K-均值聚类是一个快速的图像分割算法。
大量的实验表明K-均值聚类是一个快速收敛的算法。
经典的C-均值聚类算法是将图像分割成C类的常用方法。
它是一种非监督模糊聚类后再标定的过程，适合灰度图像中存在着模糊和不确定性的特点。
但是这种算法存在不足，如聚类数无法自动确定，运算的开销太大。
医学器官虚拟三维重构技术是现代外科计算机化，信息化发展的重要方向，是计算机科学、数学、机械学、外科及生物医学工程学等多学科高技术的结晶。
本文把各种图像预处理运用到三维医学重构上，使重构效果更好。
关键词：森林火灾检测系统；图像处理；图像分割；Color Image Segmentation and Medicinal O rgan’s3D-ReconstructionAbstractIn this paper,firstly introduce image pre-processing,for example,gray-value,two-value, gaussian filters, anisotropic diffusion.To remove the speckle noise in medical images by using anisotropic diffusion method.Based on anisotropic diffusion,a partial differential equation,of which the initial data was the input images,was transformed into differential forms and solved with iterations.Anisotropic diffusion can remove the speckle noise effedtively and has great potential in filtering medical images.It can preserve edges and local detail.K-means is a fast segmentation process. Extensive experiments show it is fast and generic.The classical C-means clustering algorithm is a well-knowm clustering method to partition an image into homogeneous regions.It is a procedure of the label following an un supervised fuzzy clustering that fuzzy c-means(FCM) algorithm is applied for intensity image segmentation,and it suits for the uncertain and ambiguous characteristic in intensity image.However,there are some deficiencies in the algorithm,for example,the number of clustering can not be determined automatically and the operational const,for large data sets ,is too high;Medicinal organ’s dummy 3D-reconstruction is an important direction of the development in modern surgery’s computerization and informationize field. It’s a combination of t he latest techniques in computer science , mathematics , mechanics , surgery and biological engineering. In this paper,image pre-processing is appled in Medicinal organ’s dummy 3D-reconstruction,that make the result more better.Keywords:forest fire detection system; image processing; Partial Differential Equation;目录摘要 (1)Abstract (2)目录 (3)第一章课题的来源、目的和意义..................................... 错误！未定义书签。
基于图像处理的火灾监测系统
基于图像处理的火灾监测系统作者：林美辰来源：《科技传播》 2018年第3期摘要随着我国科技的大力发展，身边的人为事故发生频率却在不断上升。
据统计，我国每年因为火灾造成近40亿的损失，近3.000人的伤亡，所以，火灾已经是一个不可忽视的社会问题。
由于当前技术的不完善，所创造出的传统火灾探测器为感烟型、感温型、感光型，这些都只有单一判据且都存在着不少漏洞。
该系统通过监控实时观测，频率域法图像增强，中值滤波、以及图像分割等的预处理以及颜色的特征提取来确定火焰区域，根据火焰的区别会进行不同的操作，使该系统更加具有实用性和时效性。
关键词频率域法；中值滤波；差影法；Ycbcr中图分类号 TU892文献标识码 A文章编号 1674-6708（2018）204-0156-021 概述1.1 早期火灾检测的必要性据公安部消防局统计结果显示，我国火灾发生情况仅在2015年一年就发生了33.8万起，共计2.854人伤亡，其死亡1.742人，受伤1.112人，造成直接经济损失达到了39.5亿元。
我国在经济高速增长和社会物质财富不断增加的同时，也面临着日益严峻的消防安全形势。
一方面，随着我国人口的不断上升，城市化进程的不断加快，火灾发生的频率也在不断地上升；另一方面，由于我国的大部分建筑都是空间大、结构复杂、楼层较高、扑救困难等特点，让现代化城市的消防工作面临更多的难题。
为了保证人民的生命财产安全，加大对火灾消防领域的研究力度，加深火灾安全工程学方法的应用，已是刻不容缓。
1.2 传统的火灾探测技术1）感烟型火灾探测技术是通过火灾产生的烟气来判断是否发生火灾。
火灾发生后，温度高的火灾烟气会由于热胀冷缩而向上运动，当烟气浓度大于某个值的时候，探测器就会发出报警信号。
但是在我国大部分的建筑中，火灾烟气会在上升过程中与空气融合，导致烟气浓度达不到报警值，不会产生报警信号，或者会产生延迟报警。
2）感温型火灾探测技术是通过探测由火灾而产生的温度变化来判断是否发生火灾。
基于图像处理技术的火灾识别方法的应用与研究
基于图像处理技术的火灾识别方法的应用与研究摘要：针对火灾图像特征提取方法使用的特征单一造成火灾误报率高的问题，在最小二乘支持向量机超参数选取在快速留一法的基础上，结合共轭梯度算法，提出改进的最小二乘支持向量机的火灾图像处理方法，构建了FR?LSSVM模型。
通过对比采用BP神经网络、最小二乘法支持向量机、FR?LSSVM和标准支持向量机的实验结果可以得出，改进算法具有更好的稳定性、更快的运算速度和更高的识别率，有利于提高火灾识别的有效性，进而保护人们的生命财产安全。
关键词：图像处理；火灾识别；快速留一法；共轭梯度；BP 神经网络；最小二乘支持向量机中图分类号：TN911.73?34 文献标识码：A 文章编号：1004?373X（2018）13?0043?04Abstract：Since the traditional fire image feature extraction method has high false alarm rate due to its single feature，an improved fire image processing method based on least square support vector machine （LSSVM）is proposed in combination with the conjugate gradient algorithm and parameter selection of least square support vector machinebased on the fast leave?one?out method，and the FR?LSSVM （Fletcher Reeves?least squares support vector machine）model is constructed. The experimental results of BP neural network，LSSVM，FR?LSSVM and standard support vector machine are compared to obtain that the improved algorithm has higher stability，faster operating speed and higher recognition rate，can improve the effectiveness of fire identification，and further protect people′s life and property safety.Keywords：image processing；fire disaster recognition；fast leave?one?out method；conjugate gradient；BP neural network；least square support vector machine 0 引言模式识别是通过计算机技术对图像、客观物体、各种物理对象与过程进行描述、分类的科学，在最小错误概率的情况下，使识别后的结果最大程度地符合实际情况，提高识别的准确度，达到利用机器对物理对象自动分类、识别的目的[1?2]。
基于图像分割的森林火灾早期烟检测算法研究
1引言针对森林火灾的智能图像处理技术是一个新的研究领域。
为了避免火势的蔓延，火灾检测的实时性和精确性是至关重要的；另外，对于火势蔓延的预测和着火位置的定位，也有利于火灾的及时扑救。
在森林中，由于树木的遮挡，烟雾的出现往往会早于火焰，所以研究基于数字图像的烟雾检测，能够及早地对森林火情进行预警，并能够直观地定位出着火位置。
文献[1]已对现有基于视频图像的林火烟雾检测算法做了较全面的总结：一般性的，可以从烟雾的光谱特征、形状特征和运动基于图像分割的森林火灾早期烟检测算法研究禹素萍1，2，顾晓雯1，2，吴贇1，2YU Suping 1，2,GU Xiaowen 1，2,WU Yun 1，21.东华大学信息科学与技术学院，上海2016202.东华大学教育部数字化纺织服装工程技术工程研究中心，上海2016201.College of Information Science and Technology,Donghua University,Shanghai 201620,China2.Engineering Research Center of Digitized Textile &Fashion Technology of Ministry of Education,Donghua University,Shanghai 201620,ChinaYU Suping,GU Xiaowen,WU Yun.Early forest fire smoke detection algorithm based on image segmentation puter Engineering and Applications,2017,53（16）：166-171.Abstract ：Focused on fire detection in large and complicated space such as forest region,a method is presented for forest fire smoke detection in a single frame,and a new superpixels merging algorithm is studied,and then an existed horizon detection algorithm is improved.Firstly,Simple Linear Iterative Clustering （SLIC ）is performed to compute superpixels and a new superpixels merging algorithm is used.Secondly,a robust horizon detection algorithm is proposed to reduce false alarm rata by cloud interference.Finally,these superpixel areas are characterized using spectrum information,and support vector machine classification is applied to distinguish smoke and background.Experimental results show that this supepixels merging algorithm is efficient and concise,which is easy to be programmed.The smoke detection algorithm is based on image segmentation method,which can reduce noise interference,and smoke detection rate is 77%under forest scene.Key words ：single frame;smoke detection;image segmentation;horizon detection;supepixels merging摘要：针对森林这样的大空间、复杂场景下的火灾检测，提出一种在单帧视频序列图像中的烟检测方法，并研究一种新的超像素合并算法，改进现有的天地线检测算法。
基于红外图像的森林火灾识别技术分析
独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。
据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。
作者签名：贾艳成日期：2015年5月9 日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。
本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。
（保密的学位论文在解密后应遵守此规定）作者签名：贾艳成导师签名：张昌华日期：2015年5月11日摘要摘要过去主要采用烟雾传感器和温度传感器进行山林火灾的监控，判别标准单一，识别准确率较低。
本文利用红外图像处理技术和模式识别技术，设计了红外图像山火识别系统；同时配合采集到的环境信息，做进一步决策。
森林火灾识别系统主要从红外图像预处理、图像分割、特征提取和火灾模式识别这四个方面进行研究，其中，特征提取和火灾模式识别是研究的重点。
在图像处理方面，利用帧间差分法得到火灾疑似图像，使用中值滤波进行降噪处理。
预处理后，利用经典算法对红外图像的分割，得到火灾疑似区域。
并分析适用于灰度红外图像的区域分割算法，通过仿真得到更好的分割效果。
分割得到二值图像后，利用形态学的方法进行进一步处理。
在特征提取方面，主要提取火灾疑似区域的几何特征、纹理特征、直方图特征和动态特征。
与此同时，将提取特征的算法应用于火灾样本和四种非火灾样本：火灾视频、白炽灯视频、蜡烛视频、动物视频和高温物体视频；然后，对一维、二维和三维特征进行作图分析。
为了进一步提高火灾识别的准确率，使用了基于无线传感器网络的烟雾温度监测系统，采集输电走廊附近的环境特征，作为火灾识别的辅助特征。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本科毕业论文(设计)
文献综述
学生姓名张海州学 号082033117 专 业通信工程班 级1班
指导教师林文静
基于红外图像处理的森林火灾识别方法研究
1国内外现状
国内外很多公司、科研机构和大学院校都对图像型火灾探测技术进行过大量的研究。
Bosque 公司的 BSDS 系统采用红外和普通摄像机进行双波段监控，在准确识别森林火灾的同时还可以区别其它现象的干扰，误报率较低。
在大空间火灾监控方面有 ISLI 公司和 Magnox Electric 公司联合开发的用于电站火灾监控的VSD－8 系统。
该系统以视频运动检测软件为主体，使用各种滤波器技术，并与人工智能相结合，进行电站内的火灾监控。
国内相关单位对于图像型火灾探测技术也进行了深入的研究。
其中，中国科技大学的火灾科学国家重点实验室的研究处于国际领先的地位。
依托火灾科学重点实验室的科大立安公司已经研制出双波段火灾探测器 LIAN-DC，并通过相关反面的验收，投入实际应用。
同时，上海交通大学，西安交通大学都曾在火灾探测方面进行过积极的研究，并在工程实践中提出过一些算法，其探测手段主要集中在使用红外型摄像机，探测系统的抗干扰性还有待提高。
迄今为止，国内外图像型火灾探测系统还存在误报率高，自动灭火算法误差大等问题。
还有待提出更多更好的探测算法以及算法的实现方法。
2常用的探测系统
国内外科研机构和各大公司开发的众多火灾探测系统基于各种火灾识别模式，常见的是感烟探测系统、感温探测系统、火焰探测系统、气体探测系统和复合式探测系统等，感烟探测系统占有量最高，约70%～80%。
2.1感烟探测系统
感烟式火灾探测器主要是利用烟雾传感器探测火灾中产生的烟雾气溶胶，如中国科技大学提出高灵敏度红外图像式烟雾相对浓度测试系统，该系统利用利
用发射红外光，使红外光穿过烟雾，并用CCD接收红外光的方法来检测烟雾浓度。
北京林业大学的郭炜强也对基于运动特征的林火烟雾图像检测技术进行研究，感烟是探测系统在国内国外研究较多，研究较为成熟。
2.2感温探测系统
感温式烟雾探测器主要是利用一个点型或线缆型的温度传感器来探测传感器周围温度的变化或升温速率。
其结构有点型和线缆型，当前广泛使用的是点型电子感温火灾探测器和线缆型易熔金属或记忆金属感温火灾探测器。
如美国的智能微尘监测网络通过直升机飞播温度传感器来了解火灾情况；德国发明的防火机器昆虫通过红外线和生物传感技术监视森林里的温度来判断是否发生火灾。
2.3感光探测系统（火焰探测系统）
感光式火灾探测器主要是探测火灾中火焰辐射光波的特性。
通常有红外光探测器和紫外光探测器。
2.4气体探测系统
可燃气体探测器采用各种光敏元件或传感器来探测火灾初期产生的烟气中某些气体的浓度或气体成分，一般的结构为点型。
当前用于火灾探测的可燃气体探测器主要采用催化燃烧式或者电化学式探测原理。
如葡萄牙的“F3”森林火灾探测系统则是在探测到烟雾后对大气进行化学分析然后发出警报。
2.5复合式探测系统
有些场合会综合使用两种或者两种以上的探测方法，或者是同一种方法两种或两种以上灵敏度的探测器来提高探测能力和性能。
如烟温复合式火灾探测器，双灵敏度感烟输出式火灾探测器。
随着科学技术的发展，森林防火工作正日益走向智能化、系统化、综合化。
因此本毕业设计将综合研究感烟和感温探测系统，以实现降低火灾探测系统的误报率。
3林火识别的算法研究
目前的红外热成像仪林火识别主要依据系统设计者的主观经验对热图像的
数据进行处理，现主要的林火识别算法包括阈值判定法、邻域阈值判定法和均值对比判定法。
3. 1 阈值判定法
在红外热成像中，温度越高的区域图像的像元值就越大，表现在图像上就越亮。
因此需要根据试验，事先设置红外热像仪的着火点的阈值，当像元取值高于这一阈值时系统便认为发现着火点。
将该阈值设定为F，则着火点的集合可表示为:
Fire = { a( i，j) ︳a( i，j ) ＞F，1≤i≤m，1≤j≤n} ( 2)
3. 2 邻域阈值判定法
该方法仍然需要事先设置红外热像仪的着火点阈值F，当像元取值高于这一阈值时，需要该像元取值及该像元周边八邻域( 考虑到误差及红外热像仪处于不断扫描过程中，均值判定法一般不考虑图像边缘点的取值，故像元均包含八邻域) 的取值求平均，若该平均值仍然大于着火点阈值F，则认为发现着火点。
设像元取值及像元周边八邻域取值之和为
Sum，其算法为:Sum = Σi + 1x = i － 1a( x，j － 1) + Σi + 1x = i － 1a( x，j) +Σi + 1x = i － 1a( x，j + 1) ，1＜ i ＜m，1 ＜ j ＜n ( 3)
则着火点的集合可以表示为:
Fire = { a( i，j) ︳a( i，j) ＞ F ＆ Sum/9 ＞F，1 ＜ i ＜m，1 ＜ j ＜ n}
3. 3 均值对比判定法
该方法是在均值判定法的基础之上，求取全图所有像元取值的平均值Ave，再设定一个阈值T，当像元及周边八邻域像元取值的平均值大于Ave + T时，认为发现着火点。
全图所有像元取值的平均值可表示为:
Ave = Σm，ni = 1，j = 1a( i，j ) /m ×n ( 5)120
阈值判定法通过判定单一像元点取值计算火点，灵敏性最高，但也容易受野外个别奇异点干扰; 邻域阈值判定法提取火点抗干扰能力比阈值判定法有所增强，但能准确判定火点的最远距离会有所缩短; 均值对比判定法提取火点的时候，可以通过求取均值来排除大多数干扰，但其监测距离最短。
为此我们将深入研究监测距离长抗干扰能力又比较强的森林火灾识别算法，以实现算法的最优化。
4基于红外图像分析的图像处理方法
4.1滤波法平均滤波法处理背景噪音
4.2图像分割
4.3阀值确定
5实验分析的方法
林火自动识别算法的参数设置受外界环境的影响较大，必须根据当地的实际情况进行测试和调整，国内已有相当多的可以可靠获取算法参数的验证火灾系统可靠度的方法。
参考文献
[1] 李明. 大空间早期火灾的双波段图像型探测方法的研究[D].天津：天津大学，2007
[2] 都该欣. 高灵敏度红外图像式烟雾相对浓度测试的研究和实现[J].火灾科学，2001（1）
[3]基于红外图像和视频分析的林火监测技术[J].。