基于高光谱数据的多信息融合火灾着火点的检测方法
【专利摘要】本发明公开了一种基于高光谱数据的多信息融合火灾着火点的检测方法，主要解决现有技术抗烟雾能力小，对比度低，背景噪声大，及检测温度有限，易造成漏检的问题。其实现步骤是：(1)读取火灾着火区域拍摄得到的高光谱数据，从中提取光谱图像数据；(2)提取光谱图像数据中每个像素所对应的钾、水蒸气、二氧化碳，以及响应林火本征辐射的光谱通道数据，并使用该光谱通道数据进行计算，获取各检测特征对应的检测指数；(3)对检测指数归一化并进行融合，得到融合检测指数；(4)对融合检测指数进行灰度量化，输出火灾着火点的检测结果。本发明充分利用了高光谱图像数据，检测细节明显，准确性高，可应用于森林火灾检测及监测等方面。
【专利说明】基于高光谱数据的多信息融合火灾着火点的检测方法
【技术领域】
[0001]本发明属于遥感数据处理【技术领域】，具体涉及高光谱图像光谱数据的提取和辐射计算，可用于森林、草地等野外林木火灾具体着火点的检测。
【背景技术】
[0002]随着温室效应的加剧，森林火灾的发生愈发频繁，据中国气象灾害年检获知，2012年中国发生森林火灾3966起，受害面积近1.4万公顷。森林火灾突发性强、破坏力大，已成为21世纪全球生态安全最大威胁。有数据显示，全球年均发生森林火灾20多万起,烧毁森林640万公顷，占全球森林总面积的1.8%。。森林火灾的频发致使森林吸收二氧化碳的能力下降，进一步加剧温室效应，使得本已脆弱的全球生态系统进一步恶化。因此，如何快速有效的检测森林火灾的发生，并争取尽可能多的扑救时间，便成为一项亟需解决的问题。
[0003]传统的火灾检测方法，通过设置地面瞭望站检测火灾的发生。但是，瞭望站的设立需要大量的人力物力，并且夜间的效果不佳，因此通过航空或航天红外遥感的方法便得到了广泛应用。由于森林火灾发生时，会产生光和热，并且会向外辐射红外辐射，因此，通过遥感设备来捕获这些辐射就能很容易的实现对林火的检测。此外，遥感检测方法可以不分昼夜、全天候运行，其相对传统方法节省出了许多资源，并表现出优异的能力。
[0004]目前国内在高光谱遥感检测方面处于起步阶段，可借鉴的经验不多；而国外则发展较快，技术成熟。在检测算法方面，主要有钾辐射检测，CIBR检测，水蒸气吸收检测和HFDI检测几种方法比较流行。其中:
[0005]钾辐射检测，是一种基于化学元素的辐射检测方法，相对于传统方法，它的针对性更强。由于植物组织中钾含量的干重保持0.4-3.4%之间，在其燃烧时，钾元素就会被电离并释放到空气中，因此通过检测钾元素自身辐射就实现了对火灾的检测。钾辐射法具备全天候、实时性等特点。但是，由于钾辐射检测光谱770-790nm处于可见光近红外波段，对烟雾穿透力差，检测结果容易受到烟雾的污染。
[0006]水蒸气吸收检测，是通过检测植被燃烧时产生大量的水蒸气辐射来实现对着火区域的检测，该法能在一定程度上消除钾辐射法中出现的烟雾污染情况，但是由于探测波段1890-1910nm处于较为宽广的大气水蒸气吸收谱带1800_1950nm之内，降低了检测对比度，从而使许多细节信息容易被接近的背景信息所掩埋，使得对具体着火点的检测仍有一定的难度。
[0007]CIBR(Continuum Interpolated Band Ratio)检测，则是通过检测燃烧产物中大量的CO2的辐射特征来反映火焰的本征辐射强度，从而实现对着火区域的检测。不同于水蒸气吸收检测波带，CIBR检测有着1990-2040nm的较宽检测范围，背景干扰较小，在检测细节上有了较大的提升，而且检测结果较其明显，对烟污染的抑除能力很强。然而，CIBR检测法也有其局限性，由于着火区域的产生C02浓度分布很容易受到大气因素的影响，使得它的探测结果往往出现超出着火前沿“halos”现象，也就是会在没有燃烧的区域检测出燃烧火焰，影响检测结果的精确性。[0008]HFDI (Hyperspectral Fire Detection Index)检测，是针对燃火本征福射的检测，通过在近红外区域选取两个辐射特征比较明显的波带，并计算这两个波带的对比度，从而实现对具体着火区域的检测。相对于其它三种方法而言，它对烟雾有较好的穿透效果，对比度较高，能较好的抑制背景噪声，并且有效降低了虚警概率。然而，该方法对高光谱遥感图像信息的使用仍不够充分，对检测能力的提升幅度仍不太大，使得检测目标的细节仍不够明显，干扰信息仍大量存在。另外，该法对温度在750-1400K之外的着火区域检测乏力，容易造成对一些焖烧区域的漏检，从而带来二次扑救带来的损失。
【发明内容】
[0009]本发明的目的在于针对上述已有技术的不足，提出一种基于高光谱数据的多信息融合火灾着火点的检测方法，以避免对低温焖烧区域的漏检，并充分利用了高光谱图像的光谱通道数据，消除大量的干扰信息，有效提升检测能力和检测效果。
[0010]本发明的技术方案是这样实现的:
[0011]一.技术原理
[0012]本发明根据高光谱图像的每一像素点都对应有一系列随波长变换的光谱辐射信息，而不同辐射条件下的地物又具有不同的光谱曲线，从而通过区分不同的地物辐射信息就可以实现对地物不同状态的检测。基于这一特性，将地物燃烧时释放的钾、水蒸气、二氧化碳以及不同着火温度时所对应的这些辐射信息作为火灾着火点检测特征，通过计算这些检测特征所对应的检测指数，并 作进一步的融合，得到融合检测指数，最终，通过量化处理融合检测指数，输出火灾着火点检测图像，完成了对火灾着火点的检测。
[0013]二.技术方案:
[0014]根据上述原理，本发明的实现步骤包括如下:
[0015](I)读取火灾着火地区拍摄得到的高光谱数据，从中提取出光谱图像数据；
[0016](2)依据钾辐射检测法、水蒸气吸收检测法、CIBR检测法和HFDI检测法中钾、水蒸气和二氧化碳这些检测特征所对应光谱通道索引I，从光谱图像数据中提取出这些检测特征所对应的光谱通道数据LJi]，其中，i代表像素索引；
[0017](3)设定火灾温度检测点Tp，根据维恩位移定律，得出火灾不同着火温度时的峰值波长λ mp，再根据红外辐射大气窗口对峰值波长λ _进行筛选，得到筛选后的峰值波长Xms，接着从高光谱数据提供的光谱波段表中查询出与峰值波长Xms相差最小的光谱波长λ kp，依照光谱波长Xkp对应的索引J，从光谱图像数据中提取出光谱通道数据AT[i]，并记录光谱通道的数目N，其中，i代表像素索引；
[0018](4)对步骤(2)提取的检测特征所对应的光谱通道数据LJi]，分别计算钾辐射检测指数K[i]、水蒸气吸收检测指数H20[i]、CIBR检测指数CIBR[i]和HFDI检测指数HFDI [i]；
[0019](5)对步骤(3)提取的光谱波长λ kp所对应的光谱通道数据AT[i]，按如下公式进行计算得到多通道特征检测指数V[i]:
[0020]yrn - 1];而+H
VN，
[0021]其中，i为像素索引值，N为光谱通道的数目，Ara[i]为第H个光谱通道内的光谱通道数据；
[0022](6)对上述步骤(4)得到的钾辐射检测指数K[i]、水蒸气吸收检测指数H20[i]、CIBR检测指数CIBR[i] ,HFDI检测指数HFDI [i]，以及步骤(5)所得到多通道特征检测指数
V[i]，分别进行归一化处理，保存处理结果；
[0023](7)将(6)中归一化后所得到的检测指数进行多信息融合检测计算，得到融合检测指数R[i]:
【权利要求】
1.一种基于高光谱数据的多信息融合火灾着火点的检测方法，包括如下步骤: (1)读取火灾着火地区拍摄得到的高光谱数据，从中提取出光谱图像数据； (2)依据钾辐射检测法、水蒸气吸收检测法、CIBR检测法和HFDI检测法中钾、水蒸气和二氧化碳这些检测特征所对应光谱通道索引 I，从光谱图像数据中提取出这些检测特征所对应的光谱通道数据LJi]，其中，i代表像素索引； (3)设定火灾温度检测点Tp，根据维恩位移定律，得出火灾不同着火温度时的峰值波长λ mp，再根据红外辐射大气窗口对峰值波长λπρ进行筛选，得到筛选后的峰值波长Xms，接着从高光谱数据提供的光谱波段表中查询出与峰值波长Xms相差最小的光谱波长Xkp，依照光谱波长Xkp对应的索引J，从光谱图像数据中提取出光谱通道数据Aj[i]，并记录光谱通道的数目N，其中，i代表像素索引； (4)对步骤(2)提取的检测特征所对应的光谱通道数据L1[i]，分别计算钾辐射检测指数K[i]、水蒸气吸收检测指数H2O[i]、CIBR检测指数CIBR[i]和HFDI检测指数HFDI [i]； (5)对步骤(3)提取的光谱波长Xkp所对应的多通道光谱通道数据Aj[i]，按如下公式计算多通道特征检测指数V [i]:
2.根据权利要求1所述的方法，其中步骤(3)所述的从光谱图像数据中提取出光谱通道数据Aji]，按如下步骤进行: (3a)设置着火点起始探测温度Ts、终止探测温度Τε，以及探测步长ΛΤ，则初始光谱通道数目Nt和温度检测点Tp为:
3.根据权利要求1所述的方法，其中步骤(4)所述的计算钾辐射检测指数K[i]、水蒸气吸收检测指数H20[i]、CIBR检测指数CIBR[i]和HFDI检测指数HFDI [i]，分别按照如下公式计算:
4.根据权利要求1所述的方法，其中步骤(6)所述的归一化公式，表示如下:
5.根据权利要求1所述的方法，其中步骤(8)所述的将得到的融合检测指数进行灰度量化，通过如下公式进行:
【文档编号】G06T7/00GK103942806SQ201410193431
【公开日】2014年7月23日 申请日期:2014年5月8日 优先权日:2014年5月8日
【发明者】刘德连, 张建奇, 曹毅刚, 王晓蕊, 黄曦 申请人:西安电子科技大学