提出一种融合RGB、YCbCr和区域生长的火焰前景提取算法。首先,在YCbCr算法的基础上,从反光和非反光区域考虑R通道和Y通道之间的关系,避免反光和非反光区域中过多噪声对初始分割的干扰;然后,计算连通区域质心权重,自动确定种子点,对完成颜色分割的图像进行区域生长,达到精细分割的目的;最后,全面分析火焰的静态和动态特征,给出面积和周长变异系数及质心运动距离变化比等,进而将火焰与路灯、蜡烛等干扰源区分开。实验结果表明:所提方法克服了单个算法对火焰场景分析中出现的识别精度不高的缺点,同时能识别出反光和非反光区域并快速排除干扰物,减少误判。

在传统的火焰检测算法中,火焰前景提取容易出现火焰轮廓不完整和抗干扰性较差的情况。为此,融合红/绿/蓝(RGB)、色调/饱和度/亮度(HSI)和最大类间方差法(Otsu)提出一种新的火焰前景提取算法,利用双颜色空间融合的算法能够提取较完整的火焰轮廓,使火焰轮廓所受干扰影响程度尽量小。获得前景图像后用灰度共生矩阵提取纹理特征,在YCbCr颜色空间中提取颜色特征,用于最终的火焰判断。同时提出一种改进的概率神经网络(PNN),将传统PNN中单一固定值的平滑因子改进为多变量参数,用条件期望最大化(ECM)算法对PNN中平滑因子进行参数优化,再将提取的特征输入改进后的PNN中训练测试。仿真结果表明,该算法具有良好的抗干扰能力,能够提高对火焰识别的精度。

针对现有视频图像火灾检测算法前景信息丢失严重、误报率高、泛化能力弱等问题,提出一种新的火灾检测算法。其主要由前景提取和分类决策两大模块组成。在前景提取模块中改进ViBe算法,实现对运动区域的选择性更新;同时使用随机森林和支持向量机组成的两级分类器对运动区域颜色进行分类,以获取精确的前景区域。在分类决策模块中,提出两种新的早期火焰特征用于描述帧间火焰区域重叠率和火焰区域不同部分运动剧烈程度比率,再结合Hu矩特征训练出决策分类器。实验结果表明,该算法具有准确率高、误报率低、泛化能力强、响应时间短等优点,并能很好地应用于实际环境中。

焦距的精确测量直接关系到光学仪器的正常使用和技术性能的充分发挥。基于光学离焦成像模型, 结合模糊图像处理快速算法,提出了一种新的实用性强的快速自动测焦方法。根据光学成像原理提出模糊图像条件下测焦原理的数学模型,运用最小二乘法拟合圆的图像处理算法计算模糊图像中两弥散光斑间的距离，利用这个距离值计算出透镜焦距。实验证明该方法能够以较高的精度估计出弥散光斑间的距离值, 从而实现精准且快速的自动测焦。该方法只需一幅模糊图像, 相对于传统的测焦方法, 减少了计算量, 提高了速度和可靠性，降低了系统的复杂度。

针对背景静止的立体视频压缩编码，提出了一种新的背景重构和前景提取的视频分割算法。首先在利用帧差法得到左右通道前景运动区域的基础上，分别对前景运动区域进行外接矩形块的初始化，并以初始块为单位进行左右通道的背景重构。然后，对左右通道视频中的每一帧序列均与重构的背景图像做差处理并得到运动前景。实验结果表明，此算法可以达到精确的分割效果，且视频分割后可以显著减小立体视频匹配时间，进而减少数据传输量和存储空间。