（定稿）钢材市场物流园项目资金申请报告5（喜欢就下吧）

阈值分割的优点是计算简单运算效率较高速度快。

在重视运算效率的应用场合，它得到了广泛应用。

火焰直方图统计直方图是统计学中的术语，图像处理技术引用了这概念，主要用来说明图像各亮度像素的分布情况。

它反映了幅图像中不同亮度等级像素所占的比例，可以看出各亮度像素数的多少和它的分布，其形状可以提供许多关于火焰状态的线索。

在图像处理中所说的直方图是指灰度直方图，描述的是图像中具有该灰度值的像素个数，其横坐标表示像素的灰度级别，纵坐标是该灰度出现的概率。

任意幅图像旦以直方图表示，图像的空间位置信息全部隐去，直方图只展示具有灰度的像素相对数目，并不提示像素原来处于图像的哪个位置图原灰度图直方图火焰图像增强显示图像增强即用来增强图像的些特征，以用于作进步的分析或显示。

图像增强技术可以主观地改善图像的质量。

因此，图像增强技术是为了改善图像感官质量而采取的种方法。

它主要通过增强图像对比度等方法来实现。

如对比度的增强是用来使对比度低的图像更容易显现其特征，而对比度低的可能原因包括光线不足图像感应器的动态范围不够等。

图像增强的过程本身并没有增加原始资料所包含的信息，仅仅是把图像些部分的特征更加强调罢了。

火焰图像存在灰度以及各色分量相对集中的特点，为了能准确观察火焰动态变化，需对火焰图像作增强显示处理。

灰度均衡有时也称直方图均衡，是种通过重新均匀的分布各灰度值来增强图像对比度的方法，即输出的直方图是平的。

下图为经过灰度均衡变换后示意图，与上图即中的图的灰度相对集中，图像对比不强相比，可以发现经过灰度均衡后灰度分布分散，图像对比度增强。

直方图变换及图像增强程序如下，图增强后图像图直方图本章小结本章主要介绍了几个数字图像概念及数字图像预处理步骤，为火焰识别做了铺垫。

火焰识别，就是要通过软件处理，能够根据提取的火焰特征来判断火焰图像的目的，所以，图像处理尤为重要，通过把采集好的图像转化灰色图，二值图，并且通过各种去噪方法，优化图像。

第四章火焰识别静态特征检测颜色识别色彩空间在颜色模型中，图像般由三个图像分量组成，每个分量图像都是其原色图像。

在空间，用以表示每像素的比特数叫做像素深度。

其中每幅红绿蓝图像都是副比特图像，所以每个彩色像素值三个组称为比特深度。

色彩模式使用模型为图像中每个像素的分量分配个范围内的强度值。

图像只使用三种颜色，就可以使它们按照不同的比例混合，在屏幕上重现种颜色。

图火焰颜色分布图首先，根据火焰与众不同的特征，以上的火焰早期产生的火焰颜色都分布在红到黄的范围内，可以由空间经过简单比较计算得到。

可以看出，任何图像中只要满足且的颜色都可以看作火焰。

然而这样仅仅能够作为最初始的筛选手段排除最不可能是火焰的物体，因此这样误报率会很高。

根据统计分析，绝大部分的火焰颜色在空间的值可以缩小到更小的范围，根据具体的场景，可以在三个不同的通道设定不同的阈值来检查火焰区域，般情况下，火焰满足∩∩故可以由以下规则判断个像素是否具有火焰的颜色∩∩若同时满足以上三个条件，则可以判定为火焰区域。

火焰的尖角特征火焰的早期是种不稳定且不断发展的，面积是连续增大的。

面积判据通过面积连续增大的特性来判断是否是火焰，但存在以下明显缺陷当照明灯等物体由熄灭到点亮或者向着摄像头运动时，其面积也是连续增大的。

因此，单独使用面积判据是不可靠的。

边缘抖动是早期火焰的重要特征，它与面积判据联合工作可以克服面积判据的不足，使火焰监控更加可靠和准确。

不稳定的火焰本身有很多尖角，尖角的计算首先要利用图像分割和边缘增强技术把原始图像转换为数字图像，然后对图中各部分进行识别和计算。

火焰边缘抖动的个明显表现就是火焰的尖角数目呈现出无规则的跳动。

因此，可以采用个基于边缘抖动的火灾判据尖角判据。

实现尖角判据的主要问题有两个是尖角的识别算法是如何确定尖角跳动的阈值，即找到早期火焰与其它发光物体尖角跳动特性的区别。

尖角的识别过程分为分割特征提取识别。

分割。

分割的目的是将目标图像从背景中分离出来。

边缘增强与提取。

对分割后的图像进行边缘增强，将真实轮廓勾勒出来，可大大减少数据量，便于进步的处理。

特征点的提取和尖角的判别。

提取的目标特征主要是几何形状特性，即目标的高度宽度体态比及面积等，由于火焰的识别是种动态的目标识别，每个几何形状特征都没有固定的值，而只能给出个合适的范围。

④特征点首先是它的顶点。

对火焰尖角来说，尖角的顶点可能是多个点，所以特征点也就为多个。

尖角的另个特征是尖，给人的视觉效果是狭而长，这要求尖角的体态要符合定的标准，尖角左右两边的夹角应满足定的条件。

在计算机中尖角是由系列的点组成的，令尖角中行的亮点数为，上行的亮点数记为，要求尖角狭长可以通过控制的值来实现。

另外，对尖角的宽度和高度也有限制。

尖角的宽度应该有个上限，以避免重复记数，提高尖角检测较模糊，噪声点较多，且出现边缘间断。

同时使用检测算子进行垂直和水平方向的提取，发现水平方向的检测结果好于垂直方向。

为了得到连续且平滑的目标边界，以便后续处理，本文最终选取算子检测边缘。

图算子处理的图像原灰度图经算子处理过的图像图边缘检测的图像原灰度图经边缘检测过的图像火焰区域增长性检测火焰还有个显著的动态特性，就是火焰区域面积是不断变化的，在火灾初期面积是不断增大的即火焰区域的增长性，由火焰颜色提取的火焰区域的增长率为是第帧的火焰面积，是第其中，且为整数帧的火焰面积，在数字图像处理中面积可以用像素的和来代表，时间间隔用贞数代表，所以上式可以表示成是第帧图像中火焰区域的像素和，是第帧火焰区域的像素和，因此为从帧到帧的火焰区域像素的增长率，为了得到更可靠的增长率，采用平均增长率，公式如下此处设置个阈值，若，则可确定为火焰区域其中有实验统计得出，否则认为区域具有火焰颜色，但不是火焰。

本章小结本章主要介绍了几种火焰识别的方法，识别火焰，首先要清楚火焰的静态特征，动态特征。

静态特征主要通过火焰颜色，火焰形状来识别动态特征主要通过火焰频，像宽度，料色散含有不同波长的光脉冲通过光纤传输时，不同波长的电磁波会导致玻璃射率不相同，传输速度不同就会引起脉冲展宽，导致色散。

波导色散又称结构色散它是由光纤的几何结构决定的色散，其中光纤的横截面积尺寸起主要作用。

光在光纤中通过芯与包层界面时，受全反射作用，被限制在纤芯中传播。

但是，如果横向尺寸沿光纤轴发生波动，除导致模式间的模式变换外，还有可能引起少部分高频率的光线进入包层，在包层中传输，而包层的折射率低传播速度大，这就会引起光脉冲展宽，从而导致色散。

偏振模色散又称光的双折射单模光纤只能传输种基模的光。

基模实际上是由两个偏振方向相互正交的模场和所组成。

若单模光纤存在着不圆度微弯力应力等，和存在相位差，则合成光场是个方向和瞬时幅度随时间变化的非线性偏振，就会产生双折射现象，即和方向的折射率不同。

因传播速度不等，模场的偏振方向将沿光纤的传播方向随机变化，从而会在光纤的输出端产生偏振色散。

工艺生产出的单模光纤具有极低的偏振模色散。

色散带宽的描述模内色散系数的定义是单位光源光谱宽度单位光纤长度所对应的光脉冲的展宽延时差。

对所有类型的光纤，该系数是根据测定不同波长的光通过定长度的光纤的相对时差延时来确定的。

根据国际标准和的规定，测量单位光纤长度乘波长的群延时数据，宜用三项表达式来拟合适用于单模和多模光纤。

单模光纤色散单模光纤中，模内色散是比特率的主要制约因素。

由于其比较稳定，如果需要的话，可以通过增加段定长度的色散补偿单模光纤来补偿色散。

零色散补偿光纤就是使用段有很大负色散系数的光纤，来补偿在处具有较高色散的光纤。

使得光纤在附近的色散很小或为零，从而可以实现光纤在处具有更高的传输速率。

在单模光纤中，另种色散现象是偏振模色散，由于是不稳定的，因而不能进行补偿。

∕单模光纤系统单模光纤系统的组成通过前面对系统的理论分析，我们对系统的信号处理过程有了比较全面的认识，因此，在此基础上我们进步研究的单模光纤系统。

图为的单模光纤系统组成框图。

图单模光纤系统组成框图的系统的基本理论和信号处理过程与前面所讲述的系统是致的，只是该系统从二进制数据流到基带信号的处理过程和从基带信号到二进制数据流处理过程是由计算机来完成的。

如图所示，在发送端，信号是通过使用任意波形发生器产生的，并将作为发射器。

时域信号是由程序产生的。

在该程序中，采用调制方式将位伪随机二进制序列映射到个相应的子载波上，形成符号之后进行逆傅里叶变换将其变换到时域上，并插入保护间隔。

使用参载波总数为，使用编码，保护间隔为观察周期的，个子载波中间的个用来传输，其中的个导频用于相位估计。

系统的是个传输数据的子载波来衡量的。

由于信号是个复数，它的实部和虚部以速度被上传到，产生两路模拟信号，此时的传输速率为然后两路信号分别进入个光学调制器的和端口，直接将调制到光域上光信号传入光纤环路进行传输，该光纤环路由单模光纤和组成，其中用于补偿链路的损耗。

在接收端，从环路中出来的信号，调节本地激光器的频率使其接近发送激光器的频率，使用两个平率对各像素并行地进行，分割的结果直接给出图像区域。

阈值分割的优点是计算简单运算效率较高速度快。

在重视运算效率的应用场合，它得到了广泛应用。

火焰直方图统计直方图是统计学中的术语，图像处理技术引用了这概念，主要用来说明图像各亮度像素的分布情况。

它反映了幅图像中不同亮度等级像素所占的比例，可以看出各亮度像素数的多少和它的分布，其形状可以提供许多关于火焰状态的线索。

在图像处理中所说的直方图是指灰度直方图，描述的是图像中具有该灰度值的像素个数，其横坐标表示像素的灰度级别，纵坐标是该灰度出现的概率。

任意幅图像旦以直方图表示，图像的空间位置信息全部隐去，直方图只展示具有灰度的像素相对数目，并不提示像素原来处于图像的哪个位置图原灰度图直方图火焰图像增强显示图像增强即用来增强图像的些特征，以用于作进步的分析或显示。

图像增强技术可以主观地改善图像的质量。

因此，图像增强技术是为了改善图像感官质量而采取的种方法。

它主要通过增强图像对比度等方法来实现。

如对比度的增强是用来使对比度低的图像更容易显现其特征，而对比度低的可能原因包括光线不足图像感应器的动态范围不够等。

图像增强的过程本身并没有增加原始资料所包含的信息，仅仅是把图像些部分的特征更加强调罢了。

火焰图像存在灰度以及各色分量相对集中的特点，为了能准确观察火焰动态变化，需对火焰图像作增强显示处理。

灰度均衡有时也称直方图均衡，是种通过重新均匀的分布各灰度值来增强图像对比度的方法，即输出的直方图是平的。

下图为经过灰度均衡变换后示意图，与上图即中的图的灰度相对集中，图像对比不强相比，可以发现经过灰度均衡后灰度分布分散，图像对比度增强。

直方图变换及图像增强程序如下，图增强后图像图直方图本章小结本章主要介绍了几个数字图像概念及数字图像预处理步骤，为火焰识别做了铺垫。

火焰识别，就是要通过软件处理，能够根据提取的火焰特征来判断火焰图像的目的，所以，图像处理尤为重要，通过把采集好的图像转化灰色图，二值图，并且通过各种去噪方法，优化图像。

第四章火焰识别静态特征检测颜色识别色彩空间在颜色模型中，图像般由三个图像分量组成，每个分量图像都是其原色图像。

在空间，用以表示每像素的比特数叫做像素深度。

其中每幅红绿蓝图像都是副比特图像，所以每个彩色像素值三个组称为比特深度。

色彩模式使用模型为图像中每个像素的分量分配个范围内的强度值。

图像只使用三种颜色，就可以使它们按照不同的比例混合，在屏幕上重现种颜色。

图火焰颜色分布图首先，根据火焰与众不同的特征，以上的火焰早期产生的火焰颜色都分布在红到黄的范围内，可以由空间经过简单比较计算得到。

可以看出，任何图像中只要满足且的颜色都可以看作火焰。

然而这样仅仅能够作为最初始的筛选手段排除最不可能是火焰的物体，因此这样误报率会很高。

根据统计分析，绝大部分的火焰颜色在空间的值可以缩小到更小的范围，根据具体的场景，可以在三个不同的通道设定不同的阈值来检查火焰区域，般情况下，火焰满足∩∩故可以由以下规则判断个像素是否具有火焰的颜色∩∩