1 燕山大学 信息科学与工程学院 河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
2 江苏天明机械集团有限公司, 江苏 连云港 222062
为了克服由于烟雾稀薄、远景以及风速带来的干扰, 实现火灾的及时准确检测, 提出了一种有效的基于小波纹理特征分析的视频烟雾检测算法。该算法首先利用混合高斯模型提取运动区域, 对运动区域进行网格化和二维离散小波变换以获取局部信息；然后利用灰度共生矩阵提取每个网格的纹理特征；最后利用自适应神经模糊推理系统(ANFIS)和联合判别准则进行训练和火灾判断。实验表明, 该算法检测率达到了94.8%, 误检率为1.1%, 证明该算法可以充分挖掘图像的局部信息, 并提高了检测烟雾的空间分辨率, 适宜多种场景, 可靠性较高。
纹理特征 二维离散小波变换 灰度共生矩阵 自适应神经模糊推理系统 textural features two-dimension discrete wavelet transform gray level co-occurrence matrix adaptive neuro-fuzzy inference system
1 淮北煤炭师范学院 物理系,安徽 淮北 235000
2 中国科学院安徽光学精密机械研究所,合肥 230031
针对差分吸收光谱技术(DOAS)获取差分吸收光学密度(OD)的技术特点,本文提出采用自适应神经模糊推理系统(ANFIS)来逼近DOAS测量谱中慢变成分,并依次获得痕量气体差分吸收光学密度。该方法根据DOAS系统获得测量谱的特点进行自适应调整网络参数,因此能较精确地分离慢变部分和快变部分。利用SO2样气进行实验,结果表明ANIFIS比多项式函数更为灵活。基于AINFIS网络获取的OD进行浓度反演,提高了DOAS反演精度。
差分吸收光学密度 自适应神经模糊推理系统 慢变 逼近 DOAS DOAS differential absorption optical density adaptive neural fuzzy inference system slowly varying component approaching
