基于改进FOA-SVM的矿井火灾图像识别

• 作者: 张武雄 房卫东 毕方明 苗续芝 陈伟
• 来源期刊: 计算机工程
• 学科: 工学
• 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
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 图形图像处理
• 页码范围: 267-274
• 页数: 8页
• 分类号: TP391.4
• 字数: 5522字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050099

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈伟	中国矿业大学计算机科学与技术学院	53	226	7.0	11.0
2	房卫东	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	25	154	6.0	11.0
3	毕方明	中国矿业大学计算机科学与技术学院	19	146	5.0	11.0
4	张武雄	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	14	40	4.0	6.0
5	苗续芝	中国矿业大学计算机科学与技术学院	1	1	1.0	1.0