基于MODIS遥感数据的森林防火监控方法

摘要

公开了一种基于MODIS遥感数据的森林防火监控方法，该方法首先利用MODIS遥感数据的各像元数据中的第4和第11通道的亮温值来确定单个像元所对应的地点是否为高温点，然后获取确定为高温点的地点所对应的经纬度；获取与确定为高温点的经纬度对应的地点处的当前森林视频图像，并将当前森林视频图像应用于预先设置的混合高斯背景模型，生成与确定的高温点的经纬度对应的地点处的当前森林视频图像对应的背景图像；将当前森林视频图像与该当前森林视频图像对应的背景图像进行差分，生成当前背景差分图像；将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取烟火对象信息。应用本发明，可以降低防火监控的虚警率、提升火灾监控精度。

权利要求

1.一种基于MODIS遥感数据的森林防火监控方法，该方法包括：对于待监控的区域，基于MODIS遥感数据获取与待监控的区域对应的各个像元数据；

从像元数据中提取单个像元的第4通道即4 通道的亮温值T4、背景窗中第4通道的亮温平均值T4b、第11通道即11 通道的亮温值T11以及该单个像元的经纬度，如果一个像元满足以下条件，则确定该单个像元数据中经纬度所对应的地点为高温点：式中， 为背景窗中第4通道的 的标准偏差， ， 表示背景窗口中的平均值， 表示背景窗口中 的标准偏差；为像元所对应地点的基准背景系数， 为像元所对应地点的动态调整背景系数；

从像元数据中提取确定的高温点的经纬度；

获取与确定的高温点的经纬度对应的地点处的当前森林视频图像，并将获取的当前森林视频图像应用于预先设置的混合高斯背景模型，生成与确定的高温点的经纬度对应的地点处的当前森林视频图像对应的背景图像；

将当前森林视频图像与该当前森林视频图像对应的背景图像进行差分，生成当前背景差分图像；

将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取与确定的高温点的经纬度对应的地点处的烟火对象信息；

其中，像元所对应地点的基准背景系数 是根据像元地点的经纬度从预先确定的与地球表面的地理分布相对应的 曲面确定的；像元所对应地点的动态调整背景系数 是从预先根据该对应地点的昼夜和时间段确定的 查找表查询获得的；

其中，所述与地球表面的地理分布相对应的 曲面如下预先确定：获取地球上各地点的经纬度，每一个地点的经纬度在纬度变化方向上与相邻地点的纬度相差预定的纬度变化角，每一个地点的经度在经度变化方向上与相邻地点的经度相差预定的经度变化角；

根据每一个地点的海拔高度、历史统计的该地点的温度和森林覆盖率来拟合确定该地点的基准背景系数 。

2.根据权利要求1所述的方法，其中，利用下述公式确定所述当前背景差分图像：式中， 为当前背景差分图像； 为当前森林视频图像， 为当前森林视频图像对应的背景图像；

为当前时刻像素点在图像中的像素位置信息。

3.根据权利要求1或2所述的方法，其中，所述方法进一步包括：获取当前背景差分图像中像素点的像素值，如果获取的像素值超过预先设置的二值化阈值，将该像素点的像素值更新为二值化的烟火对象的像素值；否则，将该像素点的像素值更新为二值化的背景点的像素值。

4.根据权利要求3所述的方法，其中，所述将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取烟火对象信息具体包括：将当前背景差分图像与当前帧森林视频图像进行与运算，得到中间处理图像；

获取中间处理图像中各像素点的RGB值，计算每一像素点的红颜色值与蓝颜色值的颜色差绝对值；

当确定每一像素点的颜色差绝对值大于预先设置的颜色阈值时，标记该每一像素点为烟火对象的像素点；

根据标记为烟火对象的像素点在中间处理图像中覆盖的区域，获取烟火对象信息。

5.根据权利要求3所述的方法，其中，所述将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取烟火对象信息具体包括：标记当前背景差分图像中前景点覆盖的区域；

将当前背景差分图像应用于拉普拉斯算子，得到梯度图像；

统计梯度图像中各标记区域内梯度值小于预先设置的梯度阈值的像素点数量，当确定统计的像素点数量大于预先设置的像素点数阈值时，标记该标记区域为烟火对象区域；

根据标记的烟火对象区域，获取烟火对象信息。

6.根据权利要求3所述的方法，其中，所述将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取烟火对象信息具体包括：根据预先存储的烟火对象轮廓特征信息，对得到的当前背景差分图像进行轮廓特征匹配，获取当前背景差分图像中与存储的烟火对象轮廓特征信息相匹配的标记区域，标记该匹配的标记区域为烟火对象区域，根据标记的烟火对象区域，获取烟火对象信息。

7.根据权利要求3所述的方法，其中，在获取采集的当前森林视频图像之后，并将获取的当前森林视频图像应用于预先设置的混合高斯背景模型之前，所述方法进一步包括：采用中值滤波算法，对获取的当前森林视频图像进行降噪处理；或对获取的森林视频图像进行行中值滤波，然后，对进行行中值滤波的森林视频图像再进行列中值滤波。

说明书

基于MODIS遥感数据的森林防火监控方法

技术领域

[0001] 本发明涉及防火监控技术，尤其涉及一种基于MODIS遥感数据的森林防火监控方法。

背景技术

[0002] 随着人们对生态环境的日益重视和关注，森林面积以及林木蓄积量逐年增加，再加上气候条件的多变性，使得森林火灾的发生越来越频繁。由于森林火灾的发生具有突发性、随机性，并能在短时间内造成巨大的经济损失，导致森林防火任务变得越来越艰巨。

[0003] 现有技术中，采用森林防火智能监控技术，能够避免原始人工观察火情的局限，可以实现森林林区数字化、科学化的管理，大大减少林业部门的费用支出和管理成本，提高林区企业的社会效应和经济效应，因而，在森林防火中应用越来越广泛。其中，基于视频的森林防火监控系统是目前火灾检测领域的研究热点，它能有效克服以传感器为基础的传统火灾检测技术的诸多不足，可以方便地应用于广场、森林等室外复杂环境。但现有基于视频的森林防火监控系统，通过监控员对摄像头拍摄得到的视频图像进行人工识别以已确定是否发生火情。由于森林中与火焰颜色相近的景物较多，例如，在秋季时逐渐变红，范围越来越大的红叶区域。因而，人工识别容易受到与火焰颜色相近的景物干扰，从而出现误判，使得防火监控的虚警率较高。现有技术中也有在视频监控技术的基础上，进一步利用混合高斯背景模型以及烟火对象检测算法来判断烟火，进一步降低了虚警率。然而，这种视频监控技术一方面需要对大量的视频图像进行逐一处理，不仅费时也消耗大量能源；另一方面由于地貌、季节导致的林区特性的不同，在林区背景颜色与烟火差异度不大的情况下，依然存在较高的误判从而导致虚警率。在发生虚警时，林业部门出动不必要的火警处理力量，增加了防火监控成本，影响了基于视频的森林防火监控系统的鲁棒性，使得森林火灾监控精度较低。

[0004] 遥感技术也普遍被用于进行火灾监控。现有技术中，提出了基于MODIS遥感数据的火点信息自动提取方法。然而，传统的基于MODSI遥感数据的火点信息提取方法，其不仅需要进行滤云判断、大气修正，还需要进行高温点检测并去除耀斑和异常高温点，并且还需要进行火点区域综合判断，其计算过程复杂，并且由于仅仅采用遥感数据进行判断以及算法本身的局限性，其火点检测的精度也不高。

[0005] 因此，现有技术中存在对一种能够精确检测林区火点的技术的需要。

发明内容

[0006] 本发明的实施例提供一种森林防火监控方法，在能够降低防火监控的虚警率、提升火灾监控精度的同时，克服了现有技术中存在的缺陷。

[0007] 根据本发明，提供了一种基于MODIS遥感数据的森林防火监控方法，该方法包括：

[0008] 对于需要待监控的区域，基于MODIS遥感数据获取与待监控的区域对应的各个像元数据；

[0009] 从像元数据中提取单个像元的第4通道即4μm通道的亮温值T4、背景窗中第4通道的亮温平均值T4b、第11通道即11μm通道的亮温值T11以及该单个像元的经纬度，如果一个像元满足以下条件，则确定该单个像元数据中经纬度所对应的地点为高温点：

[0010] T4>T4b+(α+Δα)δT4b

[0011] ΔT41>ΔT41b+(a+Δα)δΔT41b

[0012] 式中，δT4b为背景窗中第4通道的T4b的标准偏差，ΔT41＝T4-T11，ΔT41b表示背景窗口中ΔT41的平均值，δΔT41b表示背景窗口中ΔT41的标准偏差；α为像元所对应地点的基准背景系数，Δα为像元所对应地点的动态调整背景系数；

[0013] 从像元数据中提取确定的高温点的经纬度；

[0014] 获取与确定的高温点的经纬度对应的地点处的当前森林视频图像，并将获取的当前森林视频图像应用于预先设置的混合高斯背景模型，生成与确定的高温点的经纬度对应的地点处的当前森林视频图像对应的背景图像；

[0015] 将当前森林视频图像与该当前森林视频图像对应的背景图像进行差分，生成当前背景差分图像；

[0016] 将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取与确定的高温点的经纬度对应的地点处的烟火对象信息。

[0017] 较佳地，像元所对应地点的基准背景系数α是根据像元地点的经纬度从预先确定的与地球表面的地理分布相对应的α曲面确定的；像元所对应地点的动态调整背景系数Δα是从预先根据该对应地点的昼夜和时间段确定的Δα查找表查询获得的。

[0018] 其中，所述与地球表面的地理分布相对应的α曲面如下预先确定：

[0019] 获取地球上各地点的经纬度，每一个地点的经纬度在纬度变化方向上与相邻地点的纬度相差预定的纬度变化角，每一个地点的经度在经度变化方向上与相邻地点的经度相差预定的经度度变化角；

[0020] 根据每一个地点的海拔高度、历史统计的该地点的温度和森林覆盖率来拟合确定该地点的基准背景系数α。

[0021] 较佳地，利用下述公式确定所述当前背景差分图像：

[0022] D(x,y,t)＝|I(x,y,t)-B(x,y,t)|

[0023] 式中，D(x,y,t)为当前背景差分图像；

[0024] (x,y)为像素点在图像中的像素位置信息。

[0025] 较佳地，基于MODIS遥感数据的森林防火监控方法进一步包括：获取当前背景差分图像中像素点的像素值，如果获取的像素值超过预先设置的二值化阈值，将该像素点的像素值更新为二值化的烟火对象的像素值；否则，将该像素点的像素值更新为二值化的背景点的像素值。

[0026] 较佳地，所述将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取烟火对象信息具体包括：

[0027] 将当前背景差分图像与当前帧森林视频图像进行与运算，得到中间处理图像；

[0028] 获取中间处理图像中各像素点的RGB值，计算每一像素点的红颜色值与蓝颜色值的颜色差绝对值；

[0029] 当确定每一像素点的颜色差绝对值大于预先设置的颜色阈值时，标记该每一像素点为烟火对象的像素点；

[0030] 根据标记为烟火对象的像素点在中间处理图像中覆盖的区域，获取烟火对象信息。

[0031] 较佳地，所述将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取烟火对象信息具体包括：

[0032] 标记当前背景差分图像中前景点覆盖的区域；

[0033] 将当前背景差分图像应用于拉普拉斯算子，得到梯度图像；

[0034] 统计梯度图像中各标记区域内梯度值小于预先设置的梯度阈值的像素点数量，当确定统计的像素点数量大于预先设置的像素点数阈值时，标记该标记区域为烟火对象区域；

[0035] 根据标记的烟火对象区域，获取烟火对象信息。

[0036] 较佳地，所述将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取烟火对象信息具体包括：

[0037] 根据预先存储的烟火对象轮廓特征信息，对得到的当前背景差分图像进行轮廓特征匹配，获取当前背景差分图像中与存储的烟火对象轮廓特征信息相匹配的标记区域，标记该匹配的标记区域为烟火对象区域，根据标记的烟火对象区域，获取烟火对象信息。

[0038] 较佳地，在所述获取采集的当前森林视频图像之后，并将获取的当前森林视频图像应用于预先设置的混合高斯背景模型之前，所述方法进一步包括：采用中值滤波算法或，对获取的当前森林视频图像进行降噪处理；或

[0039] 对获取的森林视频图像进行行中值滤波，然后，对进行行中值滤波的森林视频图像再进行列中值滤波。

[0040] 较佳地，基于MODIS遥感数据的森林防火监控方法进一步包括步骤：

[0041] 根据烟火对象信息所对应的经纬度，获取与烟火对象信息所对应的经纬度对应的像元数据中的第4通道即4μm通道的亮温值T4；

[0042] 判断T4是否满足如下任一条件：

[0043] 在白昼时，条件1：T4>360K

[0044] 或者T4>320K且ΔT41>50K，

[0045] 在黑夜时，条件2：T4>330K

[0046] 或者T4>315K且ΔT41>20K；

[0047] 如果T4否满足条件1或者条件2，则生成烟火对象信息所对应的经纬度的火点报警信息并将该火点报警信息发送；

[0048] 如果T4都没有满足条件1和条件2，则生成烟火对象信息所对应的经纬度的火点异常信息并发送该火点异常信息。

[0049] 由上述技术方案可见，本发明实施例提供的基于MODIS遥感数据的森林防火监控方法，首先利用遥感数据中的像元信息确定高温点，然后再针对确定过的高温点采用视频图像分析来提取烟火对象信息。这样，避免了不必要的针对待监控区域的所有地点不断地进行视频图像分析，也避免了单独MODIS遥感数据进行火点提取的复杂度以及缺失的精确度。由于本发明的方法一方面能够避免针对不必要的地点进行烟火监控，同时又能够保留了视频监控防火的技术有点，因此能够自动识别出森林视频图像中的烟火对象，降低森林防火监控的虚警率，提升火灾监控精度。

附图说明

[0050] 为了更清楚地说明本发明实施例或现有技术中的技术方案，以下将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，以下描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员而言，还可以根据这些附图所示实施例得到其它的实施例及其附图。

[0051] 图1为本发明实施例的基于MODIS遥感数据的森林防火监控方法流程示意图。

具体实施方式

[0052] 以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

[0053] 本发明中，考虑到在发生火灾时温度较高以及温度较高的地点更容易发生火灾，利用容易获得的MODIS遥感数据，从中提取像元数据的第4通道即4μm通道的亮温值T4、背景窗中第4通道的亮温平均值T4b、第11通道即11μm通道的亮温值T11以及该单个像元的经纬度，基于提取的信息来确定高温点以及高温点对应的经纬度，然后采用视频图像分析技术对高温点的视频图像进行处理以获取烟火信息，从而同时利用了MODIS遥感数据和视频图像分析技术来进行高精度的森林防火监控，降低森林防火监控的虚警率，提高森林防火监控的鲁棒性。

[0054] 利用遥感技术进行森林火灾检测已经广为人知，中分辨率成像光谱仪(MODIS)已经搭载在极地轨道环境遥感卫星上，每天24小时向全世界各地广播数据。因此，现有技术中也提出了基于MODIS遥感数据的火点自动提取算法。然而该算法虽然有一定的精度，但是该算法也存在复杂度高、计算量较大的缺点，并且由于算法本身的缺陷，火点的提取的精度也不能满足任意地形。然而，发明人注意到，该算法给出了利用遥感数据确定非火点的高温点的一种手段。但是该高温点的确定方式也存在缺陷，其本质上不能适应地球表面各处的独特地理环境。本发明的发明人考虑到当前视频防火监控的缺陷，创造性的采用基于MODIS遥感数据并提出了利用MODIS遥感数据中的第4和第11通道的亮温值等的高温点确定算法来确定高温点，只有被确定为高温点之处才会进行视频图像分析防火监控，从而避免了现有技术中需要对待监控区域的所有地点进行视频图像分析的工作，同时也避免了传统的基于MODIS遥感数据直接确定火点的缺陷。

[0055] 图1示出了本发明实施例的基于MODIS遥感数据的森林防火监控方法流程示意图。如图1所示，在步骤10，对于需要待监控的区域，基于MODIS遥感数据获取与该待监控的区域对应的各个像元数据。如前所述，MODIS遥感数据的获得是已知的，在此不再赘述。

[0056] 可选地，在基于MODIS遥感数据获取与该待监控的区域对应的各个像元数据后，判断与待监控的区域对应的各个像元数据是否完全覆盖了该待监控区域，如果是，直接进行步骤20；如果不是，则将该待监控区域对应的各个像元数据转换为点格式的矢量地图数据，并进行反距离权重插值并栅格化，形成具有预定分辨率的栅格化后的待监控区域的像元数据，然后使用具有预定分辨率的栅格化后的待监控区域的像元数据来执行步骤20。利用该步骤，可以克服由于大气气象条件导致的待监控区域的像元数据的缺失缺陷。反距离权重插值是已知技术，在此不再赘述。

[0057] 接下来，在步骤20，从像元数据中提取单个像元的第4通道即4μm通道的亮温值T4、背景窗中第4通道的亮温平均值T4b、第11通道即11μm通道的亮温值T11以及该单个像元的经纬度，如果一个像元满足以下条件，则确定该单个像元数据中经纬度所对应的地点为高温点：

[0058] T4>T4b+(α+Δα)δT4b  公式1

[0059] ΔT41>ΔT41b+(a+Δα)δΔT41b  公式2

[0060] 式中，δT4b为背景窗中第4通道的T4b的标准偏差，ΔT41＝T4-T11，ΔT41b表示背景窗口中ΔT41的平均值，δΔT41b表示背景窗口中ΔT41的标准偏差；α为像元所对应地点的基准背景系数，Δα为像元所对应地点的动态调整背景系数。

[0061] 本发明的实施例中，通过公式1和公式2确定了高温点，作为可能发生火灾的候选地点。通过公式1和公式2右边的参数的适当设置，可以使得所确定的高温点不发生遗漏。

[0062] 采用历史统计的基于MODIS遥感数据来对公式1和公式2的实用性进行验证。数据表明，这两个公式能够满足高温点的检测需求。

[0063] 根据本发明的一个实施例，像元所对应地点的基准背景系数α是根据像元地点的经纬度从预先确定的与地球表面的地理分布相对应的α曲线确定的；像元所对应地点的动态调整背景系数Δα是从预先根据该对应地点的昼夜和时间段确定的Δα查找表查询获得的。本领域技术人员理解，Δα查找表可以通过统计一个地点的昼夜和时间段的温度波动范围的历史数据从而确定该地点的相应的Δα值，该地点的Δα值能够使得各个温度波动范围基于落在该地点的昼夜和时间段的温度历史统计值的至少80％的数据距离的该地点的昼夜和时间段的温度历史统计值的平均值在3倍的均方差范围内。本发明的发明人发现，这样的Δα值用于调节公式1和公式2中的高温点判断非常有效，并能提高高温点的检测准确度。

[0064] 作为一个实例，与地球表面的地理分布相对应的α曲面如下预先确定：

[0065] 首先，获取地球上各地点的经纬度，每一个地点的经纬度在纬度变化方向上与相邻地点的纬度相差预定的纬度变化角，每一个地点的经度在经度变化方向上与相邻地点的经度相差预定的经度度变化角。其次，根据每一个地点的海拔高度、历史统计的该地点的温度和森林覆盖率来拟合确定该地点的基准背景系数α。本领域技术人员理解，可以采用已知的拟合方法用于根据每一个地点的海拔高度、历史统计的该地点的温度和森林覆盖率来拟合确定该地点的基准背景系数α，在此略去详细介绍。其中，历史统计的该地点的温度指的是各个时期的该地点的温度值的平均值，或者是某一段时期的该地点的温度平均值。

[0066] 在确定了各个地点的基准背景系数α后，就可以绘制基准背景系数α随着各个地点的经纬度的变化而变化的曲线了。之后，对于每一个确定高温点的经纬度，就可以根据经纬度来查找相应的基准背景系数α值。

[0067] 在步骤30，从像元数据中提取确定的高温点的经纬度。由于MODIS遥感数据中包含有每一个像元数据所对应地点的经纬度，因此在确定了高温点之后，很容易获得该高温点的经纬度。

[0068] 在步骤40，获取与确定的高温点的经纬度对应的地点处的当前森林视频图像，并将获取的当前森林视频图像应用于预先设置的混合高斯背景模型，生成与确定的高温点的经纬度对应的地点处的当前森林视频图像对应的背景图像。视频图像的获取可以通过事先安装的摄像头获取。摄像头的安装布置以及联网以覆盖各个森林区域不属于本发明的范畴，在此略去介绍。

[0069] 可选地，在将获取的当前森林视频图像应用于预先设置的混合高斯背景模型之前，还可以对获取的当前森林视频图像进行降噪处理。降噪处理是为了排除在森林视频图像采集过程中引入的无规则性噪声干扰，可以采用现有技术中的中值滤波算法，对获取的森林视频图像进行降噪处理。

[0070] 进一步地，由于现有技术的中值滤波算法需要对采集的森林视频图像进行遍历，实时性较差。本发明实施例中，可以采用改进的中值滤波算法，即行区域中值滤波算法进行降噪处理。具体来说，对获取的森林视频图像进行行中值滤波，然后，对进行行中值滤波的森林视频图像再进行列中值滤波。这样，可以有效减少进行降噪处理所需的时间、提高降噪处理的实时性。

[0071] 本发明实施例中，采集的森林视频图像以标识进行区别，对每一森林视频图像，按照标识依序进行降噪处理。混合高斯背景模型用于生成所述当前森林视频图像对应的背景图像可以采用现有技术，在此不再赘述。

[0072] 接下来，将当前森林视频图像与该当前森林视频图像对应的背景图像进行差分，生成当前背景差分图像，步骤50。

[0073] 步骤50中，在森林视频图像序列中，假设当前森林视频图像为I(x,y,t)，当前森林视频图像对应的背景图像为B(x,y,t)，则当前背景差分图像计算公式为：

[0074] D(x,y,t)＝|I(x,y,t)-B(x,y,t)|  (3)

[0075] 式中，D(x,y,t)为当前背景差分图像；

[0076] (x,y)为像素点在图像中的像素位置信息。

[0077] 为了使得当前背景差分图像中的背景点与前景点在颜色灰度上更容易区别，还可以进一步对当前背景差分图像进行二值化处理。即基于MODIS遥感数据的森林防火监控方法进一步包括：

[0078] 获取当前背景差分图像中像素点的像素值，如果获取的像素值超过预先设置的二值化阈值，将该像素点的像素值更新为二值化的烟火对象的像素值；否则，将该像素点的像素值更新为二值化的背景点的像素值。

[0079] 这里，像素点的像素值即为像素点的灰度值。本实施例中，烟火对象的灰度值设置为255，背景点的灰度值设置为0。这样，通过获取当前背景差分图像中像素点的灰度值，如果获取的灰度值超过预先设置的二值化阈值，将当前背景差分图像中该像素点的灰度值更新为255；如果获取的灰度值没有超过预先设置的二值化阈值，将当前背景差分图像中该像素点的灰度值更新为0。举例来说，假设二值化阈值为100，如果获取的当前背景差分图像中像素点的灰度值为120，则将当前背景差分图像中该像素点的灰度值从120更新为255；如果获取的当前背景差分图像中像素点的灰度值为90，则将当前背景差分图像中该像素点的灰度值从90更新为0，从而对当前背景差分图像进行二值化处理。

[0080] 之后，将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取与确定的高温点的经纬度对应的地点处的烟火对象信息，步骤60。

[0081] 作为一个实例，将得到的当前背景差分图像应用于预先设置的烟火对象检测算法，获取与确定的高温点的经纬度对应的地点处的烟火对象信息具体包括：

[0082] (1)将当前背景差分图像与当前帧森林视频图像进行与运算，得到待处理图像。如前所述，如果对当前背景差分图像进行了二值化处理，则将进行二值化处理后的当前背景差分图像与当前帧森林视频图像进行与运算，得到待处理图像。

[0083] (2)获取待处理图像中各像素点的RGB值，计算每一像素点的红颜色值与蓝颜色值的颜色差绝对值。

[0084] 其中，颜色差绝对值计算公式为：

[0085] H＝|R-B|

[0086] 式中，H为颜色差绝对值；

[0087] R为像素点的RGB值中的红颜色值；

[0088] B为像素点的RGB值中的蓝颜色值。

[0089] (3)判断每一像素点的颜色差绝对值是否大于预先设置的检测阈值，如果是，标记该每一像素点为烟火对象的像素点，否则，不作处理。

[0090] 其中，当像素点的RGB值满足公式(4)时，判定该像素点为烟火对象的像素点，并对该像素点进行标记。

[0091] H＝|R-B|>thresh  (4)

[0092] 其中，thresh为检测阈值，可以根据现场环境自适应选取或基于历史统计经验值选取。

[0093] (4)，根据标记为烟火对象的像素点在待处理图像中覆盖的区域，获取烟火对象信息。

[0094] 其中，根据标记为烟火对象的像素点在待处理图像中覆盖的区域，获取烟火对象信息为公知技术，在此略去详述。

[0095] 较佳地，所述将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取与确定的高温点的经纬度对应的地点处的烟火对象信息具体包括：

[0096] 将当前背景差分图像与当前帧森林视频图像进行与运算，得到中间处理图像；

[0097] 获取中间处理图像中各像素点的RGB值，计算每一像素点的红颜色值与蓝颜色值的颜色差绝对值；

[0098] 当确定每一像素点的颜色差绝对值大于预先设置的颜色阈值时，标记该每一像素点为烟火对象的像素点；

[0099] 根据标记为烟火对象的像素点在中间处理图像中覆盖的区域，获取烟火对象信息。

[0100] 可替换地，所述将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取与确定的高温点的经纬度对应的地点处的烟火对象信息具体包括：

[0101] 首先，标记当前背景差分图像中前景点覆盖的区域；

[0102] 本步骤中，可根据实际需要，通过标记当前背景差分图像中前景点覆盖的区域，可形成一个或多个标记区域。标记区域可采用包络法获取。

[0103] 其次，将当前背景差分图像应用于拉普拉斯算子，得到梯度图像；

[0104] 本步骤中，由于烟火对象轮廓特征相对于背景点的轮廓特征较为清晰，因此，可以采用拉普拉斯算子获得当前背景差分图像的梯度图像，梯度图像中，梯度值越大，表明与烟火对象轮廓特征越匹配，为烟火对象的概率也就越大。当像素点的梯度值小于预先设置的梯度阈值时，可以排除该像素点为烟火对象的像素点的可能。

[0105] 如前所述，如果对当前背景差分图像进行了二值化处理，则将进行二值化处理后的当前背景差分图像应用于拉普拉斯(Laplace)算子，采用拉普拉斯算子获得二值化处理后的当前背景差分图像的二值化梯度图像。关于拉普拉斯算子及其运算流程为公知技术，在此略去详述。

[0106] 本发明实施例中，在得到进行二值化处理的当前背景差分图像后，其中，烟火对象的灰度值为255，背景点的灰度值为0。这样，对二值化处理的当前背景差分图像中的白色团块进行区域标记，获得每个白色团块的包络矩形框，并应用于拉普拉斯算子。

[0107] 接着，统计梯度图像中各标记区域内梯度值小于预先设置的梯度阈值的像素点数量，如果统计的像素点数量大于预先设置的像素点数阈值，标记该标记区域为烟火对象区域；

[0108] 接下来，根据标记的烟火对象区域，获取烟火对象信息。

[0109] 作为再一可选的实施例，还可以根据预先存储的烟火对象轮廓特征信息，对得到的当前背景差分图像进行轮廓特征匹配，获取当前背景差分图像中与存储的烟火对象轮廓特征信息相匹配的标记区域，标记该匹配的标记区域为烟火对象区域，根据标记的烟火对象区域，获取烟火对象信息。

[0110] 作为替换，所述将生成的当前背景差分图像应用于预先设置的烟火对象检测算法，获取与确定的高温点的经纬度对应的地点处的烟火对象信息具体包括：

[0111] 根据预先存储的烟火对象轮廓特征信息，对得到的当前背景差分图像进行轮廓特征匹配，获取当前背景差分图像中与存储的烟火对象轮廓特征信息相匹配的标记区域，标记该匹配的标记区域为烟火对象区域，根据标记的烟火对象区域，获取烟火对象信息。

[0112] 为了提高检测烟火的准确率，还可以对上述三种获取烟火对象信息方法进行组合使用，从而可以更精确地获取烟火对象信息。

[0113] 可选地，在步骤60之后，基于MODIS遥感数据的森林防火监控方法进一步包括步骤：

[0114] 根据烟火对象信息所对应的经纬度，获取与烟火对象信息所对应的经纬度对应的像元数据中的第4通道即4μm通道的亮温值T4；

[0115] 判断T4是否满足如下任一条件：

[0116] 在白昼时，条件1：T4>360K

[0117] 或者T4>320K且ΔT41>50K，

[0118] 在黑夜时，条件2：T4>330K

[0119] 或者T4>315K且ΔT41>20K；

[0120] 如果T4否满足条件1或者条件2，则生成烟火对象信息所对应的经纬度的火点报警信息并将该火点报警信息发送；

[0121] 如果T4都没有满足条件1和条件2，则生成烟火对象信息所对应的经纬度的火点异常信息并发送该火点异常信息。

[0122] 通过采用此步骤，在检测出烟火信息后，对存在烟火信息的地点再次使用条件1和条件2来判断是否有火点，则可以进一步提高烟火信息的检测准确率。在根据步骤60检测出烟火信息后，只要条件1或2满足，则火点报警信息，同时将火点报警信息发送出去，通知相关管理人员及时安排出动火警处理力量。如果在根据步骤60检测出烟火信息后，条件1和条件2都没有满足，说明根据步骤60检测出的烟火信息可能存在瑕疵，此时仅生成火点异常信息并发送，从而可以通过排出森林火点巡视人员去查看，而不需要立即出动火警处理力量。该步骤的采用，本质上给“烟火检测”施加了双重保险措施，能够使得烟火的检测精度大幅提高。

[0123] 本发明的实施例中，首先利用MODIS遥感数据中的各个像元的第4通道和第11通道的亮温值等相关参数，通过高温点判断算法确定出高温点，并获取确定的高温点的经纬度信息，之后利用视频图像分析法对确定高温点进行烟火检测以确定出烟火信息。利用MODIS遥感数据进行高温点的确定，相当于对需要进行视频图像分析的地点先进行一次筛查，以避免大量的、不必要的视频图像分析。本发明的方法既避免了直接利用MODIS遥感数据进行火点提取所存在的算法复杂、适用性不强等缺点，也避免了传统的视频图像分析法确定烟火信息所存在的缺陷，能够将森林视频图像中烟火对象与烟火对象颜色相同或相似的景物区别开，虚警率较低，提高森林防火监控的鲁棒性。

[0124] 本发明实施例的森林防火监控方法，其图像信号处理器硬件平台可以为工控机。同时，本发明实施例提出的烟火对象检测算法可采用VC语言编程实现。

[0125] 显然，本领域技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若对本发明的这些修改和变形属于本发明权利要求及其等同技术的范围之内，则本发明也包含这些改动和变型在内。