不确定环境下基于sift算法和一类分类的火焰识别

在不确定的复杂环境下,基于图像的火焰早期检测是一个未解难题。因此,将灰度均衡化理论延伸至此领域来对疑似火焰图像进行预处理,通过引入sift算法发现火焰图像的多尺度特征,确定火焰极值点并进行特征匹配,有效识别火焰尖角以提高侦测的有效性。将分形理论的分数维作为火焰的特征加以使用。由于通常情况下火焰是异常值,一类分类器具有代价低、特征易获取、精度高等诸多优点,因此使用一类分类器完成火焰识别。实验证明,该研究不仅在近距离光照强的条件下具有良好的真阳性率和假阳性率,而且在光照弱的情况下具有较高的火焰发现率和较低的虚警率。