一种森林火灾红外热成像图像分割方法
【技术领域】
[0001] 本发明属于图像处理技术领域，涉及一种森林火灾红外热成像图像分割方法。
【背景技术】
[0002] 图像分割是图像处理领域的一个基本问题，其目的是将目标和背景分离，为后续 的目标特征提取、识别和跟踪提供依据。
[0003] 在图像分割的众多处理方法中，阈值分割方法由于其简单有效的特点，在重视运 算效率的场合应用比较广泛。它把图像视为具有不同灰度级特性的两类区域（目标和背 景）的组合，根据选取的阈值将图像中的每个像素点区分为目标和背景，产生二值图像。阈 值分割的关键技术在于最优阈值的选取，否则会出现欠分割或过分割等问题，影响后续处 理。
[0004] 经典的阈值方法有双峰法、最大类间方差法（Otsu算法）、最小误差阈值法、最大 熵分割法等，其中由Kapur等人提出的最佳熵阈值法，可以对非理想双峰直方图进行分割， 但是这种方法在确定阈值时计算量很大，在实时性方面很难达到要求，效率比较低。针对这 种情况，有学者提出了改进方法，即将遗传算法与最大熵相结合，采用遗传算法进行阈值的 搜索。遗传算法是一种基于生物自然选择与遗传机理的随机化搜索算法，具有鲁棒性、并行 性和自适应性等优点，用遗传算法来实现最佳熵阈值的确定，可以缩短寻找阈值的时间。
[0005] 森林火灾是危害森林的一个重要自然因子之一，它具有突发性、灾害发生地的随 机性、短时间内造成重大损失的特点。森林火灾不仅会烧毁林木及林下植物资源，还会毁坏 自然资源，破坏生态系统和生态环境，危害野生动物，甚至威胁人类，造成严重的人员和财 产损失。
[0006] 森林防火行业急需能快速发现火源、误报率低和漏报率低的设备和系统，并且能 指导灭火人员快速到达火源地进行灭火。这就需要寻找一种行之有效的技术来配合传统可 见光技术来降低误报率和漏报率，红外热成像技术正是最佳的选择。红外热成像技术是一 种通过被动接收物体热辐射的红外线信号进行成像的技术，而森林火灾的初发期即会产生 热辐射，所以将红外热成像技术运用于林火安防预警是非常合适的。它具有可昼夜工作，较 强的穿透烟、雾、雪的能力，识别伪装目标的能力等。
[0007] 在对林火红外热成像图像进行处理时，由于后续工作的需要，往往需要将红外热 成像图像中发热区域以及异常发热的区域分别分割出来。有文献提出了利用最大熵对图像 进行双阈值分割，并用遗传算法进行最佳双阈值搜索的方法来进行红外热成像图像分割， 但这种方法计算量比较大，不易满足实时性要求。
【发明内容】
[0008] 本发明所要解决的技术问题是，提供一种红外热成像图像分割方法，可以提高图 像分割的精确度。
[0009] -种森林火灾红外热成像图像分割方法，其特征在于：包括以下步骤：
[0010] (1)获取红外热成像图像；
[0011] (2)通过最大类间方差法对R通道下红外热成像图像阈值分割得到的阈值作为最 小阈值t_;
[0012] (3)通过最大类间方差法（Otsu)对G通道下红外热成像图像阈值分割得到最大阈 值 tnax;
[0013] (4)设初始迭代次数Y为1，在[t_，t_]范围内随机产生M个个体作为初始群体；
[0014] (5)根据最大熵算法计算每个个体的适应度值；
[0015] (6)判断种群是否满足终止条件，若满足则结束，确定最优个体，并将最优个体的 值作为分割阈值，否则，进入步骤（7);
[0016] (7)对各个个体编码，进行遗传操作，包括顺次执行的选择操作、交叉操作和变异 操作；
[0017] (8)对变异后的个体解码，剔除[t_，t_]范围外的个体，转至步骤（5)。
[0018] 本发明将遗传算法和最大熵结合对图像进行分割，首先获取红外热成像图像，分 别在R通道和G通道下确定最小阈值t_和最大阈值t _，来达到缩小搜索范围的目的，在 [t_，t_]范围内产生M个初始群体，将个体分别代入最大熵准则函数，计算当代种群中各 个体的适应度值，然后判断是否满足终止条件，若满足则结束，确定最优个体并进行阈值分 害J，否则择优秀的个体组成新的种群，对新种群中的个体依次进行交叉操作和变异操作，然 后对变异后的个体解码，剔除[t_，t_]范围外的个体，从计算各个体适应度值开始，循环 执行，直至满足终止条件。
[0019] 本发明在将遗传算法与最大熵准则相结合对图像进行分割的基础上，先确定一个 最小阈值和一个最大阈值，使得遗传算法搜索阈值的范围尽可能小，从而提高阈值分割的 速度。同时在G通道下确定异常发热区域的分割阈值，避免了通过遗传算法搜索最佳双阈 值时产生的较大的计算量，也提高了异常发热区域阈值分割的精确度。
【附图说明】
[0020] 图1是本发明的一种红外热成像图像分割法的流程图；
[0021] 图2是本发明遗传操作的具体流程图。
【具体实施方式】
[0022] 有关本发明的详细内容和技术，兹配合图式说明如下：
[0023] 本发明的实施示意图如图1所示，其具体步骤依次为：
[0024] (1)获取红外热成像图像；
[0025] (2)通过最大类间方差法对R通道下红外热成像图像阈值分割得到的阈值作为最 小阈值t_;
[0026] (3)通过Otsu准则对G通道下的图像进行分割，分割阈值记为ta，分割得到的二 值图像标记为g，再寻找二值图像中像素值为1的区域在R通道灰度图像中的位置，并计算 R通道下所述位置区域像素的最小值，作为最大阈值
[0027] (4)设初始迭代次数Y为1，同时在[t_，t_]范围内随机产生M个个体作为初始 群体；
[0028] (5)根据最大熵算法计算每个个体的适应度值，
[0029] 在步骤（5)中，所述最大熵算法即计算总熵的方法，图像的总熵为
[0030] .i. l x. t a
-vu -Jh- I a
[0031] 其中，
i为灰度值为i的像素出现的概率，t为遗传 算法中产生的个体的值。
[0032] (6)判断种群是否满足遗传操作的终止条件，若满足则结束，确定最优个体并将最 优个体的值作为分割阈值，否则，继续下面遗传操作；所述终止条件是算法执行次数达到最 大迭代次数或者连续三代种群中个体的最大适应度值变化率小于5%。
[0033] (7)对各个个体编码，进行遗传操作，具体如图2所示