森林火灾图像分割算法研究
摘要：研究森林火灾识别问题,森林火灾图像分割是火灾特征提取和识别的前提,其分割效果直接影响火灾识别的准确率。针对现有的分割方法中存在的经验阈值难以确定和因彩色信息丢失导致分割不准确等问题,为了准确识别森林火灾图像,提出一种改进的FCM聚类的森林火灾图像分割方法。方法选用符合人眼视觉特性的HSI颜色空间,根据数据分布特点确定色度分量H和亮度分量I的初始聚类中心,分别在直方图特征空间进行模糊聚类处理,并利用像素的空间信息对模糊隶属度函数做了改进,最后在由两分量的模糊隶属度组成的二维特征空间上进行森林火灾图像分割。实验结果表明,算法可排除高亮区域的干扰,准确分割出火焰区域,为后续的森林火灾识别提供重要依据。
关键词：森林火灾；HIS模型；分割算法；聚类；
- 前言
1.1引言
图像分割，其作用是把反映物体真实情况的、占据不同区域的、具有不同特性的目标区分开来，并形成数字特征。
图像分割可以看成对目标图像的每个像素进行标签的过程，具有某种共同视觉特性的像素(包括颜色、亮度、纹理、各种图像特征或描述子)分配相同的标签，具有一定相似性，称为同质性。广义上讲，图像分割就是将目标图像分成若干同质子区域并提取感兴趣区域的过程。
图像分割是目标表达的基础,对特征测量有重要影响【1】。因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化更抽象更紧凑的形式 ,使得更高层次的图像分析图像理解成为可能。
图像分割是指把图像分成各具特殊意义的区域并提取出感兴趣目标的技术和过程满足灰度、纹理、彩色等特征的相似性【2】。图像分割算法是基于图像灰度的不连续性和图像灰度的连续性。其中不连续性是指图像灰度不连续性，连续性则是按照事先制定的准则把图像分割成相似区域。
1.2选题的背景和意义
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
