计算机工程

作者：苗续芝,陈伟,毕方明,房卫东,张武雄

单位：1.中国矿业大学 计算机科学与技术学院,江苏 徐州 221116; 2.中国科学院上海微系统与信息技术研究所 无线传感网与通信重点实验室,上海 201899

关键词：矿井火灾,火灾特征,图像处理,支持向量机,果蝇优化算法

基金：国家自然科学基金(51104157);国家自然科学基金联合基金项目(U1510115);中国博士后科学基金(2016M601910);中国博士后科学基金特别项目(2013T60574);江苏省基础研究计划(BK20140202)。

为解决矿井下传统火灾识别方法准确率较低的问题,提出一种基于改进果蝇优化算法(FOA)-支持向量机(SVM)的火灾图像识别算法。利用YCrCb颜色空间对捕获的图像进行分割,根据早期的火灾图像特征从图像序列中提取多个火灾特征值。用基于分群体融合的改进FOA算法搜索SVM最优核参数和惩罚因子,将提取的火灾图像特征值作为SVM的输入对样本数据进行分类。实验结果表明,采用该方法对矿井火灾进行识别时准确率达97.2%,其分类效果显著优于FOA方法、粒子群优化算法等。

来源：2019年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第4期