15000 تومان
افزودن به سبد خرید
0 فروش 898 بازدید
جزئیات محصول
تعداد قسمت: 1
پسوند فایل: zip
حجم فایل: 1MB
فایل راهنما: ندارد
بسته نصبی: ندارد
امکانات: شامل فایل pdf مقاله لاتین و فایل word ترجمه فارسی (13 صفحه)
تاریخ انتشار: 31 دسامبر 2018
دسته بندی: ,,,

تبلیغات

روش انطباق خودکار آشکارسازی لبه­ها برای پردازش تصویر شعله و حریق

چکیده ـ تعیین لبه­های حریق یا شعله فرآیند شناسایی مرزی بین ناحیه­ای است که در آنجا واکنش ترموشیمیایی و بدون آنها وجود دارد. این برای نظارت شعله،آشکارسازی اولیه­ی حریق، ارزیابی حریق،و تعیین عوامل حریق و شعله بر اساس تصویر موردنیاز است.چندین روش سنتی برای شناسایی لبه­های حریق آزموده شده­اند، ولی نتایج بدست آمده مأیوس کننده بوده­اند. برخی از کارهای تحقیقاتی مربوط به آشکارسازی لبه­ی حریق و شعله برای کاربردهای مختلفی ثبت شده­اند؛ به هرحال، این روش­ها بر تداوم و وضوح لبه­های حریق و شعله تأکید نمی­کنند. بنابراین یک روش محاسبه­ای برای تعیین لبه­های حریق و شعله به طور واضح و به طور پیوسته مطرح می­شود. این روش ابتدا لبه­های زائد و درشت در تصویر حریق/شعله آشکار می­کند و سپس لبه­های حریق/شعله را شناسایی می­کند و اثرات تصنعی را از بین می­برد. ویژگی خودانطباقی این روش تضمین می­کندکه لبه­های اصلی حریق/شعله نمادین برای سناریوهای مختلف مشخص می­شوند. نتایج تجربی برای تصویرهای مختلف حریق و قالب­های ویدئویی کارائی و نیرومندی این روش را اثبات کرده­اند.

کلمات شاخص ـ آشکارسازی لبه، استخراج خصیصه، حریق، شعله، تحلیلی تصویر لبه، پردازش تصویر،نظارت و بازبینی، اندازه­ گیری شکل.

مقدمه

برای دستیابی به استانداردهای دقیق روی کارایی احتراق و مأموریت­های آلوده­کننده، نظارت کمّی شعله­ی حریق در سیستم­های احتراق با سوخت سنگواره­ای، مخصوصاً در طرح­های ایجاد نیرو خیلی مهم است.این منجر به تحقیق و بررسی درباره­ی تکنولوژی­های پیشرفته­ی تصویرپردازی حریق هم در صنعت ایجاد نیرو و هم در تحقیقات آزمایشگاهی شده است.در مهندسی سلامت از حریق، به تصویرپردازی حریق نیز تأکید شده است،همانطوری که آشکارسازهای حریق تصویرمحور به طور افزاینده­ای در سیستم­های آشکارسازی حریق بکار می­روند. در مقایسه با آشکارسازهای سنتی حریق مثل آنهایی که بر اساس حسگرهای نوری، آشکارسازی موجود یونش و ترموکوپل هستند،آشکارسازهای حریق تصویر محور در آشکارسازی حریق به دلیل توانایی آنها برای آشکارسازی از راه دور حریق با اندازه کوچک و همچنین داشتن مزایای دیگر مناسب­تر فرض می­شوند.

به عنوان یکی از مراحل مهم پردازش تصویری حریق و شعله، آشکارسازی لبه اغلب نیاز و ضروری است و اساسی برای دیگر پردازش­ها است.  چندین دلیل وجود دارد که چرا این برای شناسایی لبه­های آتش نیاز و ضروری است. اولاً، لبه­های حریق اساسی را برای تعیین کمّی دامنه­ی عوامل بی نظیر شعله مانند شکل، اندازه، موقعیت و ثبات شکل می­دهند. دوماً،تعریف لبه­های شعله می­تواند مقدار پردازش داده­ها را کاهش دهد و اطلاعات نامطلوبی مثل پارازیت زمینه­ای درون تصویر را حذف کند. به عبارت دیگر، آشکارسازی لبه می­تواند ویژگی­های ساختاری مهم شعله را نگه دارد و ضمناً زمان پردازش را کوتاه کند. سوماً، آشکارسازی لبه می تواند برای بخش­بندی گروهی از شعله­ها به کار رود. این برای نظارت چندگانه­ی شعله در چند کوره­ی صنعتی جایی که سیستم چند کوره­ای استفاده می­شود، مؤثر و مفید است. علاوه بر این، تعیین به موقع  لبه ­های شعله­ ی آتش می تواند اعلام حریق را نشانه­گیری کند و به آتش­نشان­ها اطلاعاتی در مورد نوع حریق، مواد قابل اشتعال، خروجی شعله­ی آتش و غیره را بدهد. برای مثال، حرکت لبه­ی شعله­ی آتش آشکارشده می­تواند برای تشخیص اعلام حریق­های واقعی و کاذب (ساختگی) استفاده شود.

An Autoadaptive Edge-Detection Algorithm for Flame and Fire Image Processing

Abstract

The determination of flame or fire edges is the process of identifying a boundary between the area where there is thermochemical reaction and those without. It is a precursor to image-based flame monitoring, early fire detection, fire evaluation, and the determination of flame and fire parameters. Several traditional edge-detection methods have been tested to identify flame edges, but the results achieved have been disappointing. Some research works related to flame and fire edge detection were reported for different applications; however, the methods do not emphasize the continuity and clarity of the flame and fire edges. A computing algorithm is thus proposed to define flame and fire edges clearly and continuously. The algorithm detects the coarse and superfluous edges in a flame/fire image first and then identifies the edges of the flame/fire and removes the irrelevant artifacts. The autoadaptive feature of the algorithm ensures that the primary symbolic flame/fire edges are identified for different scenarios. Experimental results for different flame images and video frames proved the effectiveness and robustness of the algorithm.

لینک مقاله اصلی:

https://ieeexplore.ieee.org/document/6119219/

افزودن به سبد خرید

لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد

محصولات پر فروش

پر فروش ترین محصولات فروشگاه روکساوب