本发明属于输电线路防外破领域，涉及一种基于深度时空域特征的输电线路山火检测方法，具体说是一种输电线路的静态火灾检测方法。
背景技术
输电线路山火检测可以通过烟雾和火焰两方面进行检测，而基于烟雾的山火检测难以将山火发出的烟雾和其它诸如炊烟、工业烟囱烟雾等非险情烟雾有效区分开来，因此其实用价值不如基于火焰的山火检测。
基于火焰的山火检测通过火焰检测来触发山火报警。火焰检测有两种方式：静态火焰检测和动态火焰检测。静态火焰检测输入是单张图像，通过各种图像处理和机器学习技术检测出图像中的火焰区域；而动态火焰检测输入是视频图像序列，可以利用时域和空域信息检测出动态跳跃的火焰。以下分别介绍这两种检测方法的研究现状。
①静态火焰检测方法。静态火焰检测方法一般通过提取图像的颜色、形状、纹理及深度特征来检测火焰。由于火焰最显著的静态特征是其颜色，所以对火焰颜色的特征提取是火焰识别过程的关键。但由于一些如太阳、晚霞、车灯发出的光等对象也具有火焰类似的颜色静态特征，因此基于静态特征的检测方法的一大挑战就是如何去除这些干扰目标。
②动态火焰检测方法。动态火焰检测方法利用视频的时域信息，将火焰的跳跃、闪烁等动态特征纳入模型考虑中进行火焰检测，但不能区分闪烁的车灯与真实的火焰。
技术实现要素：
本发明的目的是提供一种输电线路的静态火灾检测方法，能检测出静态火焰区域，达到更好的检测准确率。
本发明的目的通过以下技术方案实现：
一种输电线路的静态火灾检测方法，其特征在于包括以下步骤：
(1)对图像进行基于图理论的过分割；
(2)使用基于层次聚类的方法对图像过分割区域进行合并；
(3)使用预先训练好的svm分类器对每个合并剩下的区域进行判断，如判断为火焰，则进行标注，否则不标注；步骤为对于集合r中的每个区域,采用事先训练好的svm分类器进行火灾判断。svm训练时采集大量火灾样本，将火焰区域对应的类别标签值设为1，非火焰区域类别标签值设为0，进行参数学习。此处分类器使用的核函数是径向基函数
k(x,y)＝exp(-|x-y|2/d2)。
本发明中，所述的对图像进行基于图理论的过分割步骤为：
11)将图像的每个像素映射到特征空间形成图的节点，然后利用特征空间中的距离选取与其距离最近的点作为他们的邻居，连接邻居点的边权重为两个对应节点在特征空间内的距离。这样形成有n个节点和m条边的图g。
12)将边按权重值以非递减方式排序。
13)初始化分割状态记为s(0),即每一节点属于一个区域。
14)按照以下方式由s(q-1)构造s(q)：记第q条边连接的两个节点为vi和vj，如果在s(q-1)中vi和vj是分别属于两个区域并且第q条边的权重小于两个区域的区域内间距，则合并两个区域。否则令s(q)＝s(q-1)。其中区域内间距定义为：
15)从q＝1到q＝m,重复步骤4)。
16)返回s(m)即为所求过分割区域集合r＝{r1,...,rn}。
所述的使用基于层次聚类的方法对图像过分割区域进行合并步骤为：
21)使用以下方法计算任意两个分割区域ri,rj间的相似度：
s(ri,rj)＝a1scolor(ri,rj)+a2stexture(ri,rj)
其中
其中
22)使用以下步骤对过分割后得到的区域集合进行合并
计算相似度集合s：初始化相似度集合
计算合并后区域集合r：每次计算最高相似度s(ri,rj)＝max(s)，如s小于阀值t,此处t取值0.5，则退出计算循环，否则：①合并对应区域rt＝ri∪rj②移除相关相似度区域ri：s＝s\s(ri,r*)③移除相关相似度区域rj：s＝s\s(rj,r*)④计算rt和其邻接区域集间的相似度集st⑤更新s和r：s＝s∪st，r＝r∪rt。
本发明的方法属于静态火焰检测方法，与其它方法相比，主要有以下优点：
①分割和分类判断时利用颜色和纹理特征，在检测一些与火焰有类似颜色特征的目标如太阳、晚霞时比单纯利用颜色特征的检测方法准确率更高；
②只利用空域上的颜色和纹理特征，比动态检测方法所需要的计算资源要少，便于计算资源不足的场合使用。
该方法用于实现在输电线路保护区域内基于图像处理识别出山火，准确率更高。
附图说明
图1是输电线路的静态火灾检测方法流程图；
具体实施方式
为了更好的理解本发明的技术方案，以下结合附图1对本发明作进一步的描述。附图1描述了静态火焰检测流程图。
静态火灾检测方法，包括以下步骤：
(1)对图像进行基于图理论的过分割；步骤为：
11)将图像的每个像素映射到特征空间形成图的节点，然后利用特征空间中的距离选取与其距离最近的点作为他们的邻居，连接邻居点的边权重为两个对应节点在特征空间内的距离。这样形成有n个节点和m条边的图g。
12)将边按权重值以非递减方式排序。
13)初始化分割状态记为s(0),即每一节点属于一个区域。
14)按照以下方式由由s(q-1)构造s(q)：记第q条边连接的两个节点为vi和vj，如果在s(q-1)中vi和vj是分别属于两个区域并且第q条边的权重小于两个区域的区域内间距，则合并两个区域。否则令s(q)＝s(q-1)。其中区域内间距定义为：
15)从q＝1到q＝m,重复步骤4)。
16)返回s(m)即为所求过分割区域集合r＝{r1,...,rn}。
(2)使用基于层次聚类的方法对图像过分割区域进行合并；步骤为：
21)使用以下方法计算任意两个分割区域ri,rj间的相似度：
s(ri,rj)＝a1scolor(ri,rj)+a2stexture(ri,rj)
其中
其中
22)使用以下步骤对过分割后得到的区域集合进行合并
计算相似度集合s：初始化相似度集合
计算合并后区域集合r：每次计算最高相似度s(ri,rj)＝max(s)，如s小于阀值t,此处t取值0.5，则退出计算循环，否则：①合并对应区域rt＝ri∪rj②移除相关相似度区域ri：s＝s\s(ri,r*)③移除相关相似度区域rj：s＝s\s(rj,r*)④计算rt和其邻接区域集间的相似度集st⑤更新s和r：s＝s∪st，r＝r∪rt
(3)使用预先训练好的svm分类器对每个合并剩下的区域进行判断，如判断为火焰，则进行标注，否则不标注。步骤为：
对于集合r中的每个区域,采用事先训练好的svm分类器进行火灾判断。svm训练时采集大量火灾样本，将火焰区域对应的类别标签值设为1，非火焰区域类别标签值设为0，进行参数学习。此处分类器使用的核函数是径向基函数
k(x,y)＝exp(-|x-y|2/d2)。
实例证明，本发明能检测出静态火焰区域，达到更好的检测准确率。