自适应加权融合算法在图像型火灾探测系统中的应用.pdf

《自适应加权融合算法在图像型火灾探测系统中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、总第201期舰船电子工程V01．31No．32011年第3期ShipElectronicEngineering52自适应加权融合算法在图像型火灾探测系统中的应用。陈晓娟”夏立”卜乐平"杨加军2’(海军工程大学电气与信息工程学院1’武汉430033)(91458部队2’三亚572000)摘要根据船舶火灾探测的特点以及火灾早期预报的要求，设计了带图像信息的火灾自动报警系统，并将自适应加权融合算法应用于该系统。在该系统中信息层完成数据采集、处理，特征层运用自适应加权融合算法进行特征融合，决策层运用概率神经网络进行决策融合，完成船舶火灾探测系统的自动报警输出。实

2、验表明，将该算法应用于此系统能够准确、快速探测火灾，识别El光灯、酒精灯等干扰源，具有较强的抗干扰性。关键词自适应加权；数据采集；数据融合；干扰源中图分类号TP317ApplicationofSelf-adaptiveWeightedFusionAlgorithminFireDetectionSystemwithImageChenXiaojuan”XiaLi”BuLepin91’YangJiajun2’(CollegeofElectricalandInformationEngineering。NavalUniv．ofEngineering¨，Wuhan4

3、30033)(No．91458TroopsofPI。A孙，Sanya572000)AbstractAccordingtOthedemandingoffiredetectiononshipboard，afiredetectionsystemwithimageinformationwasdesigned．Andtheself-adaptiveweightedfusionalgorithmwasusedinthissystem．Intheinformationlayeroffiredetec—tionsystem，thedataabouttexturefeat

4、ureoffireimage，temperatureandsmokethicknesswascollectedandpretreated．Inthefeaturelayer，self-adaptiveweightedfusionalgorithmwasappliedinthefeaturelayer．Andinthedecisionlayer，thePNN(probabilisticneuralnetworks(PNN))algorithmwasusedtOmakethedecisionfusioninordertOgettheoutputofthefi

5、redetectionsystemintheship．Ithasbeenverifiedintheexperimentthatthissystemcandistinguishfirefromnuisancesourcescausedbydaylightlampandalcoholburner．Andithasabetteranti-jammingperfofinance．KeyWordsself-adaptiveweightedfusion，datacollection，datafusion，anti-jammingperformanceClassNum

6、berTP3171引言船舶火灾是比较常见的而且有着很大危害性的船舶事故，对船舶的安全构成了极大的威胁。船舶的内部环境却更趋复杂。在船舶上有工作舱、生活舱、货物舱、机舱、各种燃料舱、弹药舱(军船)等，同时由于机械设备密集，电路及液、气体运输路线复杂等原因，火灾一旦发生，如不及时扑灭，后果不堪设想。据交通部统计：1985年至1992年3月，国内船舶发生较大火灾33次，直接经济损失达7577万元；1993年，船舶火灾直接经济损失逾1500万元。1993年，“大庆256”，“安堡号”，“华海一号”，“扬子江乐园”和“普陀山”等船只发生重大火灾，直接经济损失近14

7、00万元[1~3]。与陆地上的建筑相比，船舶火灾具有反应时间短、火源多以及烟气难控制等特点，现行的火灾探测方法难以正常发挥作用。本文选用高性能的DM642处理器为核心的SEEnVPM642开发平·收稿日期：2010年lO月4Et，修回日期：2010年11月7日基金项目：国家自然科学基金(编号：50677069)资助。作者简介：陈晓娟，女，博士研究生，研究方向：信号处理。2011年第3期舰船电子工程53台，设计了带图像信息的火灾自动报警系统。该系统中信息层完成火灾现场图像纹理、烟雾浓度、温度的数据采集、预处理，特征层运用自适应加权融合算法进行火灾特征融合，

8、决策层采用概率神经网络算法进行决策融合，从而完成船舶火灾探测系统的自动报警输出。