بخشی از مقاله
چکیده - تشخیص هوشمند و به موقع آتش میتواند در مقابله با این پدیده و مهار آن موثر باشد. در این مقاله با بهبود برخی شیوههای تحلیل تصویر نظیر تبدیل تصویر RGB به تصویر HSI تطبیقی، انتخاب هوشمند مقدار آستانه در جداسازی حریق، چند ضلعیگون سازی نواحی محصور حاصل از لبهیابی و ترکیب آن با تصویر اصلی به شناسایی و کشف حریق با دقت بسیار بالا پرداخته شده است. صحت و دقت در عملکرد و تشخیص آتش با پردازش در مدت زمان اندک، از مزیتهای ویژهای هستند که سیستم پیشنهادی را از دیگر روشهای موجود تشخیص آتش نظیر تکنیک Markov، GM، DBFIR و سایر الگوریتمهای مقالات معتبر متمایز میسازد.
دقت میانگین %97/51 بدست آمده از آزمایش 83 تصویر دربردارنده حریق از محیطهای گوناگون و حساسیت بالای %98 معنادار میباشد. این سیستم نه تنها میتواند جایگزین مناسب و مطمئنی برای مجموعههای سنسوری موجود در اماکن مسکونی به حساب آید، بلکه وجود سرعت بالا در پردازش تصاویر و آشکارسازی دقیق حریق در فضاهای وسیع و پهناور، کم هزینه، قابل اعتماد و مناسب است.
- 1 مقدمه
تشخیص و شناسایی آتش، یکی از مقولههای بسیار مهم در دنیای امروز محسوب میشود چرا که در آن مستقیماً حیات موجودات زنده و به ویژه انسان مورد تهدید قرار میگیرد. تحقیقات انجام شده در زمینه تشخیص آتش به صورت هوشمند از دیرباز اهمیت ویژهای داشته، زیرا گستردگی و تأثیر تشخیص آتش و حریق در ساختمانهای مسکونی، اماکن تجاری، محیط-های صنعتی و فضاهای باز کاملاً آشکار است. اما زمینه تشخیص هوشمند آتش و حریق، محدود به این اماکن نیست؛ کشف حریق بدون دخالت عامل انسانی در جنگلها، پارکها و زمینهای زراعی بسیار ضروری به نظر میرسد.
به کارگیری سنسورهای مرسوم تشخیص آتش نظیر حرارت سنجها یا دود سنجهای محیطی در شناسایی حریق و دود نقش بسزایی دارند. اما مطالعات اخیر نشان داده است که در اماکن و ساختمانهای وسیع، عملکرد سنسورهای آشکارساز دود و سنسورهای حرارت به دلیل آشکارسازی نقطهای، ضعیف و نامطلوب است.[1] از طرفی به کارگیری این سیستمها در محیطهای باز همانند جنگلها و انبارهای بسیار بزرگ، نه تنها هزینه بسیار بالایی به دنبال دارند، بلکه از قابلیت، ویژگی و دقت آنها کاسته میشود و همچنین قادر به پوشش کامل این محیطها نخواهند بود. در جنگلها و محیطهای باز نیازمند به مانیتورینگ، به کارگیری نیروی انسانی و استفاده از حجم بالای شبکه سنسوری هستیم.
تشخیص آتش توسط سیستمهای پردازنده تصویر، یکی از روشهای نوین است که بر یک یا چند شاخصه اصلی رنگ، ترکیب یا ساختار شکلی و شدت روشنایی استوار است. در برخی شیوهها از توده رنگی آتش برای شناسایی حریق استفاده شده است. تورگای و همکارانش در سال [2] 2007 با استفاده از منطق فازی و مدل رنگ توده آتش به آشکار سازی آتش پرداختند. ویرس و زارمبا در سال [3] 2010 با تحلیل Backprojection هیستوگرام تصویر و خاصیت پیکسلهای آتش در تصویر، سیستمی کارا ابداع نمودند. در سال 2008 بو هو چو و همکارانش [4] سیستمی با دقت بالا پیشنهاد نمودند که از مدلهای آماری ترکیبی رنگ شعله و تکنیکهای پردازش تصویر بهره میبرد.
در سال 2005، ال ام یو [5] با به کارگیری شبکه-های عصبی- فازی در ساختمانهای مسکونی، سیستمی جهت تشخیص آتش ابداع نمود. تی اچ چن [6] نیز از روشهای پردازش تصویر برای تشخیص آتش استفاده کرد. فیلیپس و همکارانش در سال [7] 2002 الگوریتمی بر اساس رنگ و داده-های مربوط به حرکت شعله آتش در تصاویر ویدئویی پیشنهاد دادند. آر. ام. هارلیک و همکارانش [8] با استفاده از ماتریسهای سطح خاکستری - GLCM - و تحلیل مبتنی بر موجک و استخراج ویژگیهای بافتی تصویر به آشکارسازی آتش پرداختند. شیوه دیگری توسط هیلی و همکارانش [9] که از دادههای رنگی تصویر برای آشکارسازی حریق استفاده میکرد، به کار رفت. لیو و آهوجا [10] در سال 2004 در حوزه فوریه، از ترکیب شکلی آتش برای آشکارسازی حریق استفاده نمودند.
در برخی از سیستمهای مذکور، زمان تشخیص و کشف حریق به چند ده ثانیه میرسد. طبیعی است که این مشکل بسیار خطرناک خواهد بود؛ چرا که شناسایی و کشف آتش در مراحل آغازین شکلگیری آن، نقش به سزایی در مهار حریق خواهد داشت. در برخی روشها نیز با دقت پایین در آشکارسازی آتش رو به رو هستیم. به طور مثال، موقعیت و مکان نواحی رو به رشد آتش در برخی شیوهها مد نظر نیست. بنابراین نیاز به سیستمی هوشمند و کارا در کشف حریق ضروری به نظر می-رسد، به طوری که قادر باشد در زمان اندکی با دقت بسیار بالا وجود آتش را به درستی تشخیص دهد. در این مقاله با استفاده از تکنیکهای بهبود داده شده پردازش تصویر، سیستمی دقیق و قابل اعتماد معرفی شده است.
2 -جداسازی بخشی از تصویر
1- 2 -تبدیل تصویر از فضای RGB به HSI تطبیقی
اگر N مجموعه اعداد طبیعی باشد و - x,y - نیز مختصات فضایی در تصویر I تلقی گردد، مجموعه 0 1'2'3'…'O-1} را مجموعه اعداد مثبت فرض میکنیم که نشان دهنده شدت روشنایی هر کدام از مولفههای قرمز، سبز و آبی - RGB - تصویر اصلی است. بنابراین یک تصویر رنگی از قاعده هم پوشانی فضایی تبعیت میکند و در یک تصویر رنگی، ترکیب شدت روشناییهای سه وجه - R, G, B - سازنده تصویر است.
- 2- 2 انتخاب هوشمند آستانه
شدت روشناییهای یک تصویر Grayscale تنها میتواند در فاصله 255]و[0 متغیر باشد. این یک ویژگی بسیار کارآمد محسوب میشود. روش جداسازی بخشی از تصویر با انتخاب آستانه مناسب، مبتنی بر تقسیم تصویر به دو کلاس پس زمینه و پیش زمینه است.[12] در پردازش تصویر، عمدتاً از روش آستانه گذاری متقارن استفاده میگردد. پس از آنکه تصویر از فضای RGB به فضای HSI تبدیل شد، با در نظر داشتن تفاوت رنگ حریق و تغییر در هیستوگرام تصویر، به جداسازی آتش خواهیم پرداخت. خاصیت بالا بودن رنج شدت روشنایی بخش حریق در تصویر RGB باعث میشود تا بتوان تغییر آنی هیستوگرام به صورت تغییر صعودی درک شود.
بنابراین به طور معمول این شدت روشنایی در هیستوگرام به صورت پلکان نمود پیدا میکند. آستانه مورد نظر را T مینامیم و این مقدار بااستفاده از رنج گسترده HSI و تکیه بر شدت روشنایی بالای آتش قابل محاسبه است. در شکل 1 هیستوگرام سه طیف تشکیل دهنده تصویر RGB به نمایش در آمده است. از طرفی اگر جداسازی بخشی از تصویر بر اساس شدت روشنایی صورت گیرد، مقدار آستانه یا مرز به عنوان شدت روشنایی مبنا در تقسیم بندی در نظر گرفته می-شود؛ به این صورت که شدت روشناییهای بزرگتر از مقدار آستانه، برابر یک و شدت روشناییهای کوچکتر از آن برابر صفر خواهد بود.
پس تصویری باینری متشکل از عناصر صفر و یک با استفاده از این رویه که در واقع آستانهگذاری سراسری خواهیم داشت. نامیده میشود، زمانی بهترین حالت رخ میدهد، که تغییرات کافی میان بخشهای مختلف تصویر وجود داشته باشد. در برخی روشها نیز جهت انتخاب آستانه مناسب برای جداسازی حریق و آتش از سایر بخشهای تصویر، از خاصیت ترکیب شکلی و رنگ استفاده شده است.[13] شکل 2 شامل تصویر اصلی، نمایش یک بعد از سه بعد تبدیل HSI، آستانه گذاری بر این تصویر و تبدیل نمودن آن به فضای باینری نمایش داده شده است.
3 -لبهیابی - Edge Detection -
شیوه لبهیابی، استفاده از عملگرهای ماتریس گرادیان برای آشکارسازی آن دسته از پیکسلهای تصویر است که شدت روشنایی آنها تغییر ناگهانی نسبت به سایر پیکسلهای مجاور دارند.[14] این تکنیک معمولاً از عملگرهای مشتق مرتبه اول و مرتبه دوم برای هر پیکسل استفاده میکند. عملگر مشتق مرتبه اول پیکسلهای را که در آنها دامنه شدت روشنایی بزرگتر از مقدار آستانه تعریف شده است، در همان ناحیه از تصویر نمایان میسازد و عملگر مشتق مرتبه دوم نیز به دنبال یافتن نقاط تلاقی- با صفر است. اگر تصویر اصلی را با f - x, y - نمایش دهیم،
