CN120726077A - 一种用于动态场景下火源检测的图像特征处理方法 - Google Patents

Abstract

本发明公开了一种用于动态场景下火源检测的图像特征处理方法，属于图像特征处理领域；包括以下步骤，采集动态场景的原始红外图像，预处理得到归一化红外图像；动态区域分割算法生成二值化图像；辐射梯度加权特征提取算法生成加权特征图像；动态边界特征增强算法生成动态增强特征图像；通过边缘引导的区域生长算法将边缘像素作为种子点进行区域生长，最终输出完整的火源区域图像；采用自适应阈值分割方法，基于局部温度统计特性实现了高温区域与背景区域的精准分割，通过动态调整阈值，适应不同场景的温度分布变化，显著提高了分割的鲁棒性，能够在复杂动态场景中准确区分高温区域与背景区域，减少环境干扰对火源检测的影响。

Description

一种用于动态场景下火源检测的图像特征处理方法

技术领域

本发明涉及一种用于动态场景下火源检测的图像特征处理方法，其属于图像特征处理领域。

背景技术

随着现代工业、建筑和野外环境的安全需求日益增加，火源检测技术在火灾预警、消防安全以及灾害防控领域中扮演着至关重要的角色。特别是在动态场景下，例如森林火灾监控、工业设施高温设备监测以及城市消防系统中，火源的快速和准确检测对于减少财产损失和保障人员安全具有重要意义。红外热成像技术因其能够在低光照、烟雾弥漫等复杂环境下捕捉温度信息，成为动态场景火源检测的理想选择。然而动态场景中火源的复杂性，如火焰的闪烁、边界扩展、背景干扰以及静态高温物体的存在，对传统图像处理方法提出了严峻挑战，且该用于动态场景下火源检测的图像特征处理方法还存在高温区域与火源的区分困难、火源区域完整性不足、复杂背景下的抗干扰能力不足问题。因此，开发一种高效且鲁棒的用于动态场景下火源检测的图像特征处理方法，用于动态场景下的火源检测是十分有必要的。

发明内容

本发明针对上述现有技术中存在的不足，提供一种用于动态场景下火源检测的图像特征处理方法。

本发明解决上述技术问题的技术方案如下：

一种用于动态场景下火源检测的图像特征处理方法，包括以下步骤：

S1、通过红外热成像设备采集动态场景的原始红外图像，对原始红外图像进行图像预处理，得到归一化红外图像；

通过动态区域分割算法对归一化红外图像进行处理，生成二值化图像；

基于归一化红外图像和二值化图像，通过辐射梯度加权特征提取算法生成加权特征图像；

S2、基于加权特征图像，通过动态边界特征增强算法分析帧间梯度幅值的动态变化，生成动态增强特征图像；

S3、基于动态增强特征图像，通过边缘引导的区域生长算法将边缘像素作为种子点进行区域生长，最终输出完整的火源区域图像。

进一步，所述S1中原始红外图像的每帧原始红外图像以灰度形式存储，灰度值与动态场景中物体的温度相关，高温区域对应较高的像素值，低温背景对应较低的像素值；图像预处理包括去噪和归一化处理；

对归一化红外图像进行处理基于红外图像的局部温度统计特性，分割高温区域与背景区域；

辐射梯度加权特征提取算法计算梯度幅值和方向，结合局部高温中心的径向方向生成加权特征图像，突出火源边缘的辐射特性，同时抑制背景区域的干扰。

进一步，所述S1中动态区域分割算法是一种自适应阈值分割方法，通过分析标准化图像的局部像素分布，计算每个像素的局部均值和标准差，生成自适应阈值，用于判断像素是否属于高温区域，自适应阈值由局部均值加上标准差乘以一个阈值敏感度系数构成，阈值敏感度系数用于控制自适应阈值的敏感度，决定了分割的高温区域与背景的区分严格程度，对每个像素，比较归一化像素值与自适应阈值，如果归一化像素值大于或等于自适应阈值，标记为 1，表示像素属于潜在火源区域即高温区域，如果归一化像素值小于自适应阈值，标记为 0，表示像素属于背景区域，公式表达如下：

；

其中，表示像素在时间的二值化像素值；表示像素在时间的归一化像素值；表示像素在时间的自适应阈值，计算公式为：

；

其中，表示像素在时间的局部均值，反映局部温度平均水平；表示阈值敏感度系数，用于控制自适应阈值的敏感度，决定了分割的高温区域与背景的区分严格程度；表示像素在时间的局部标准差，反映局部温度波动。

进一步，所述S1中通过辐射梯度加权特征提取算法计算梯度幅值和方向，具体为，使用标准图像处理算子（即Sobel算子，3×3核）对归一化红外图像进行卷积，分别计算水平方向和垂直方向的梯度；通过水平和垂直梯度的平方和开方，计算每个像素的梯度幅值，反映温度变化的强度，梯度幅值越大，表明像素位于温度变化剧烈的区域，如火源边缘；通过水平和垂直梯度的反正切函数，计算每个像素的梯度方向，表示温度变化的指向。

进一步，所述S1中结合局部高温中心的径向方向生成加权特征图像，突出火源边缘的辐射特性，同时抑制背景区域的干扰，具体为：

基于二值化图像，使用八连通性算法识别高温区域的连通域，对每个连通域，计算几何质心作为高温中心，质心坐标通过连通域内像素坐标的加权平均计算，权重为二值化图像的值，值为1或0，质心反映高温区域的温度中心；对于连通域内的每个像素，计算局部高温中心的径向方向，即质心到像素点的方向；

对每个像素，计算梯度方向与径向方向的方向差值，反映两者的一致性，通过余弦函数处理方向差值，生成方向加权因子，当梯度方向与径向方向一致，方向差值为0，加权因子最大为2，当完全相反，方向差值为π，加权因子最小为0；

将二值化图像像素值、像素的梯度幅值和方向加权因子相乘，生成加权特征图像的像素值，确保仅高温区域的边缘特征被增强，非高温区域特征值为0，计算公式为：

；

其中，表示像素在时间的加权特征值；表示像素在时间的梯度幅值，计算公式为：

；

其中，表示水平方向梯度，表示垂直方向梯度；表示方向加权因子，用于增强与火源辐射特性一致的边缘特征，计算公式为：

；

其中，表示余弦函数，量化梯度方向与径向方向的相似性；表示像素在时间的梯度方向；表示像素在时间指向局部高温区域质心的径向方向角。

进一步，所述S2中动态边界特征增强算法通过帧间梯度幅值差异，量化火源边界的动态变化，对于每个像素位置，计算当前帧梯度幅值与前一帧梯度幅值的绝对差值，反映了像素点在时间维度上的梯度变化强度，火源边界因火焰闪烁或扩展，表现出显著的帧间梯度变化；将帧间梯度幅值的绝对差值除以当前帧梯度幅值的最大值，得到归一化的动态变化强度，同时，为避免归一化过程中出现除零问题，引入一个极小常数值；

对于第一帧即t=1时，由于无前一帧红外图像，无法计算帧间梯度差异，为确保动态边界特征增强算法在启动时的稳定性，采用初始化策略，将边界动态加权因子设为零；

对每个像素，将边界动态加权因子加1后与加权特征值相乘，进一步突出动态边界区域，计算公式为：

；

其中，表示像素在时间的动态增强特征值；表示边界动态加权因子，放大边界动态变化，增强边缘特征，计算公式为：

；

其中，表示帧间梯度幅值差异的绝对值，反映闪烁或扩展边界的动态变化；表示像素在时间的梯度幅值；表示当前梯度幅值的最大值，归一化帧间差异；表示极小常数，防止除零；表示动态加权强度调节系数，控制动态特征的放大程度，取值范围；

通过捕捉帧间梯度差异，突出火源边界的动态特征，显著提高火源边缘与背景的区分度，减少将静态高温物体误认为火源一类的误检。

进一步，所述S3中基于动态增强特征图像，通过边缘引导的区域生长算法将边缘像素作为种子点进行区域生长，最终输出完整的火源区域图像，具体为:

对动态增强特征图像应用阈值分割，提取显著的边缘像素，生成边缘图像；边缘分割阈值通过专家经验确定，仅当动态增强特征图像的像素值大于或等于边缘分割阈值时，标记为边缘像素，值为1，否则被标记为非边缘像素，值为0，公式表达如下：

；

其中，表示边缘图像中像素在时间的像素值，值为1时为边缘像素，值为0为时为非边缘像素；表示边缘分割阈值，通过专家经验确定；

边缘图像中的边缘像素（像素值为1时）被选为区域生长的种子点，种子点代表火源的动态边缘，具有显著的温度梯度和动态变化特性；

检查每个种子点的八邻域像素，即周围八个方向的像素，如果邻域像素在二值化图像中的值为1，表示属于高温区域，则将像素点加入生长区域，并将像素点作为新的种子点继续扩展，生长过程持续迭代，直到没有新的像素满足条件；

区域生长结束后，进行八连通性分析，连通域分析通过标记算法，标记算法包括但不限于两遍扫描法或递归法实现，生成火源区域图像，标记值为1的像素表示火源区域，值为0表示背景，作为最终火源检测结果。

本发明具有以下有益效果：采用自适应阈值分割方法，基于局部温度统计特性（局部均值和标准差），实现了高温区域与背景区域的精准分割，生成二值化图像，通过动态调整阈值，适应不同场景的温度分布变化，显著提高了分割的鲁棒性，能够在复杂动态场景中准确区分高温区域与背景区域，减少了环境干扰对火源检测的影响；

通过结合归一化红外图像和二值化图像，利用辐射梯度加权特征提取算法，计算梯度幅值和方向，并融入局部高温中心的径向方向，生成加权特征图像，突出了火源边缘的辐射特性，增强了火源区域的边缘特征，同时有效抑制了背景区域的干扰，显著提高了火源边缘的检测精度，为后续动态特征分析奠定了基础；

通过动态边界特征增强算法，分析帧间梯度幅值的变化，捕捉火源边界的动态特性（如火焰闪烁、边界扩展），生成动态增强特征图像，通过量化帧间梯度差异，突出火源的动态特征，显著提高了火源与静态高温物体（如热源设备）的区分度，降低了误检率，增强了动态场景下火源检测的可靠性；

基于动态增强特征图像，采用边缘引导的区域生长算法，以火源边缘像素为种子点进行区域生长，生成完整的火源区域图像，结合火源边缘的动态特性和内部温度的稳定性，克服了传统方法在动态场景中火源内部区域识别不完整的问题，显著提高了火源区域的完整性和检测精度，确保了复杂场景下火源的全面识别。

附图说明

图1为本发明的流程图。

图2为本发明实施例1的原始红外图像。

图3为本发明实施例1的归一化红外图像。

图4为本发明实施例1的二值化图像。

图5为本发明实施例1的加权特征图像。

图6为本发明实施例1的动态增强特征图像。

图7为本发明实施例1的完整的火源区域图像。

具体实施方式

以下对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

参照附图1，一种用于动态场景下火源检测的图像特征处理方法，包括以下步骤：

S1、通过红外热成像设备采集动态场景的原始红外图像，对原始红外图像进行图像预处理，得到归一化红外图像，通过动态区域分割算法对归一化红外图像进行处理，生成二值化图像，基于归一化红外图像和二值化图像，通过辐射梯度加权特征提取算法生成加权特征图像；

通过红外热成像设备采集动态场景的原始红外图像，每帧原始红外图像以灰度形式存储，灰度值与动态场景中物体的温度相关，高温区域（如火源）对应较高的像素值，低温背景对应较低的像素值；

对原始红外图像进行图像预处理，包括去噪和归一化处理，得到归一化红外图像；

基于红外图像的局部温度统计特性，通过动态区域分割算法对归一化红外图像进行处理，分割高温区域与背景区域，生成二值化图像；

所述动态区域分割算法是一种自适应阈值分割方法，通过分析标准化图像的局部像素分布，计算每个像素的局部均值和标准差，生成自适应阈值，用于判断像素是否属于高温区域，自适应阈值由局部均值加上标准差乘以一个阈值敏感度系数构成，阈值敏感度系数用于控制自适应阈值的敏感度，决定了分割的高温区域与背景的区分严格程度，对每个像素，比较归一化像素值与自适应阈值，如果归一化像素值大于或等于自适应阈值，标记为1，表示像素属于潜在火源区域即高温区域，如果归一化像素值小于自适应阈值，标记为 0，表示像素属于背景区域，公式表达如下：

；

其中，表示像素在时间的二值化像素值；表示像素在时间的归一化像素值；表示像素在时间的自适应阈值，计算公式为：

；

其中，表示像素在时间的局部均值，反映局部温度平均水平；表示阈值敏感度系数，用于控制自适应阈值的敏感度，决定了分割的高温区域与背景的区分严格程度；表示像素在时间的局部标准差，反映局部温度波动；

基于归一化红外图像和二值化图像，通过辐射梯度加权特征提取算法计算梯度幅值和方向，结合局部高温中心的径向方向，生成加权特征图像，突出火源边缘的辐射特性，同时抑制背景区域的干扰；

使用标准图像处理算子（Sobel算子，3×3核）对归一化红外图像进行卷积，分别计算水平方向和垂直方向的梯度；通过水平和垂直梯度的平方和开方，计算每个像素的梯度幅值，反映温度变化的强度，梯度幅值越大，表明像素位于温度变化剧烈的区域，如火源边缘；通过水平和垂直梯度的反正切函数，计算每个像素的梯度方向，表示温度变化的指向；

基于二值化图像，使用八连通性算法识别高温区域的连通域，对每个连通域，计算几何质心作为高温中心，质心坐标通过连通域内像素坐标的加权平均计算，权重为二值化图像的值，值为1或0，质心反映高温区域的温度中心；对于连通域内的每个像素，计算局部高温中心的径向方向，即质心到像素点的方向；

对每个像素，计算梯度方向与径向方向的方向差值，反映两者的一致性，通过余弦函数处理方向差值，生成方向加权因子，当梯度方向与径向方向一致，方向差值为0，加权因子最大为2，当完全相反，方向差值为π，加权因子最小为0；

将二值化图像像素值、像素的梯度幅值和方向加权因子相乘，生成加权特征图像的像素值，确保仅高温区域的边缘特征被增强，非高温区域特征值为0，计算公式为：

；

其中，表示像素在时间的加权特征值；表示像素在时间的梯度幅值，计算公式为：，表示水平方向梯度，表示垂直方向梯度；表示方向加权因子，用于增强与火源辐射特性一致的边缘特征，计算公式为：

；

其中，表示余弦函数，量化梯度方向与径向方向的相似性；表示像素在时间的梯度方向；表示像素在时间指向局部高温区域质心的径向方向角；

S2、基于加权特征图像，通过动态边界特征增强算法分析帧间梯度幅值的动态变化，生成动态增强特征图像；

基于加权特征图像，通过动态边界特征增强算法分析帧间梯度幅值的动态变化，增强火源边界的动态特性，如火焰的闪烁、边界扩展，生成动态增强特征图像；

所述动态边界特征增强算法通过帧间梯度幅值差异，量化火源边界的动态变化，对于每个像素位置，计算当前帧梯度幅值与前一帧梯度幅值的绝对差值，反映了像素点在时间维度上的梯度变化强度，火源边界因火焰闪烁、扩展，表现出显著的帧间梯度变化；将帧间梯度幅值的绝对差值除以当前帧梯度幅值的最大值，得到归一化的动态变化强度，同时，为避免归一化过程中出现除零问题，引入一个极小常数值；

对于第一帧即t=1时，由于无前一帧红外图像，无法计算帧间梯度差异，为确保动态边界特征增强算法在启动时的稳定性，采用初始化策略：将边界动态加权因子设为零；

对每个像素，将边界动态加权因子加1后与加权特征值相乘，进一步突出动态边界区域，如闪烁的火焰边缘，计算公式为：

；

其中，表示像素在时间的动态增强特征值；表示边界动态加权因子，放大边界动态变化，如火焰闪烁，增强边缘特征，计算公式为：

；

其中，表示帧间梯度幅值差异的绝对值，反映边界的动态变化，如闪烁、扩展；表示像素在时间的梯度幅值；表示当前梯度幅值的最大值，归一化帧间差异；表示极小常数，如，防止除零；表示动态加权强度调节系数，控制动态特征的放大程度，取值范围；

通过捕捉帧间梯度差异，突出火源边界的动态特征，如闪烁、扩展，显著提高火源边缘与背景的区分度，减少误检，如将静态高温物体误认为火源；

S3、基于动态增强特征图像，通过边缘引导的区域生长算法将边缘像素作为种子点进行区域生长，最终输出完整的火源区域图像；

为克服传统方法在动态场景中对火源内部区域识别不完整的问题，基于动态增强特征图像，通过边缘引导的区域生长算法利用火源边缘的动态特性和内部温度的稳定性，将边缘像素作为种子点进行区域生长，最终输出完整的火源区域图像；

对动态增强特征图像应用阈值分割，提取显著的边缘像素，生成边缘图像；边缘分割阈值通过专家经验确定，仅当动态增强特征图像的像素值大于或等于边缘分割阈值时，标记为边缘像素，值为1，否则被标记为非边缘像素，值为0，公式表达如下：

；

其中，表示边缘图像中像素在时间的像素值，值为1时为边缘像素，值为0时为非边缘像素；表示边缘分割阈值，通过专家经验确定；

边缘图像中的边缘像素（即值为1时）被选为区域生长的种子点，种子点代表火源的动态边缘，具有显著的温度梯度和动态变化特性（如闪烁）；

检查每个种子点的八邻域像素，即周围八个方向的像素，如果邻域像素在二值化图像中的值为1，表示属于高温区域，则将像素点加入生长区域，并将像素点作为新的种子点继续扩展，生长过程持续迭代，直到没有新的像素满足条件；

区域生长结束后，进行八连通性分析，连通域分析通过标记算法，如两遍扫描法或递归法实现，生成火源区域图像，标记值为1的像素表示火源区域，值为0表示背景，作为最终火源检测结果。

实施例

本实验基于红外热成像技术，通过采集动态场景的原始红外图像，如图2所示，依次进行图像预处理、动态区域分割、辐射梯度加权特征提取、动态边界特征增强以及边缘引导的区域生长等步骤，具体图像处理过程图像如图3-图6所示，最终输出完整的火源区域图像，如图7所示。

实验在室外场景下进行，涵盖不同火源类型，如明火、隐火，和干扰因素，如背景噪声。

实验设备采用高分辨率红外热成像仪，分辨率为640×480，帧率为30fps，温度测量范围为-20℃至1200℃，灵敏度为0.05℃。

实验数据包括多组动态红外视频序列，每组视频包含200帧，时间跨度约6.7秒。

实验选取了室外山地火灾场景进行测试，伴随风力引起的火焰闪烁和背景树木干扰；

以下为关键技术参数的取值及依据：

阈值敏感度系数：在动态区域分割算法中，阈值敏感度系数用于控制自适应阈值的敏感度，决定高温区域与背景的区分严格程度。实验中，取值为1.5，依据是通过多次实验对比发现，能够在不同场景下有效区分高温区域（如火源，温度通常高于300℃）与背景区域（温度通常低于100℃），同时避免噪声干扰导致的误分割。当1.5过低（如0.5），背景区域的噪声像素易被误判为高温区域，当1.5过高（如3.0），部分火源边缘像素可能被忽略，导致分割不完整。室外山地火灾场景的局部均值和标准差分析表明，可使95%以上的火源像素被正确标记。

动态加权强度调节系数：在动态边界特征增强算法中，动态加权强度调节系数控制帧间梯度差异的放大程度，范围为[0.1,1]。实验中，取值为0.8，依据是能够在增强火焰闪烁等动态特征的同时，抑制静态高温物体的误检。在室外山地火灾场景中，火焰因风力引起的闪烁导致帧间梯度幅值变化较大，可使动态变化强度归一化后突出火源边缘特征，同时避免背景区域的过度增强。实验对比发现，时动态特征增强不足，难以捕捉火焰闪烁，时背景噪声被过度放大，增加误检率。

边缘分割阈值：在边缘引导的区域生长算法中，边缘分割阈值用于提取动态增强特征图像中的显著边缘像素。实验中，取值为0.6（归一化后），依据是通过专家经验和实验数据分析，0.6能够有效提取火源边缘像素，同时抑制非边缘区域的干扰。在室外山地火灾场景中，动态增强特征图像的像素值分布显示，火源边缘像素的特征值通常集中在0.6以上，而背景区域和静态高温物体的特征值多低于0.4。多次实验表明，可使边缘检测的灵敏度和特异性达到平衡，边缘像素提取的准确率约为92%。

其他参数：为避免除零问题，动态边界特征增强算法中的极小常数，取值为，取值足够小以确保计算稳定性，且对归一化结果无显著影响；Sobel算子采用3×3核，适合捕捉火源边缘的温度梯度变化，实验中未调整核大小以保持计算效率；区域生长算法采用8邻域检查，结合8连通性分析，确保火源区域的完整性。

实验结果与数据验证

实验通过以下指标评估技术方案的性能：

1）火源检测准确率（Accuracy），即正确识别的火源像素占总火源像素的比例；

2）误检率（False Positive Rate, FPR），即背景或静态高温物体被误判为火源的像素比例；

3）漏检率（False Negative Rate, FNR），即火源像素被误判为背景的比例；

4）处理时间，反映算法的实时性。

以下为实验结果：

室外山地火灾场景包含风力引起的火焰闪烁和背景树木干扰。检测准确率为92.7%，误检率为3.4%，漏检率为4.9%。动态边界特征增强算法有效捕捉了火焰的帧间变化，帧间梯度幅值差异分析显示，火源边缘的动态变化强度约为背景区域的5倍。边缘引导的区域生长算法成功从动态边缘扩展到火源内部，生成完整的火源区域图像。单帧处理时间约为35毫秒，略高于室内场景，主要因风力引起的复杂动态特征增加了计算量。

在室外山地火灾场景中，风力引起的火焰闪烁导致帧间梯度幅值变化显著，动态加权强度调节系数使动态增强特征图像的火源边缘特征值提高约30%，有效区分了火源与背景树木（特征值低于0.3）。区域生长算法从边缘像素扩展到火源内部，生成的火源区域图像与实际火源区域吻合度达91%。

实验结果表明，技术方案在多种动态场景下均能有效检测火源区域，准确率保持在90%以上，误检率和漏检率均低于6%，展现出较高的鲁棒性和适应性，动态区域分割算法通过自适应阈值有效分离高温区域与背景，辐射梯度加权特征提取算法增强了火源边缘的辐射特性，动态边界特征增强算法通过帧间梯度差异突出了火焰的动态特征，边缘引导的区域生长算法确保了火源区域的完整性，参数设置合理，、、在不同场景下均表现出较好的平衡性，处理时间在32-38毫秒之间，满足实时应用需求。

本实验通过实际场景测试和数据验证，证明了技术方案在动态火源检测中的可行性和优越性，为其在火灾预警、工业安全等领域的应用提供了可靠依据。

采用自适应阈值分割方法，基于局部温度统计特性（局部均值和标准差），实现了高温区域与背景区域的精准分割，生成二值化图像，通过动态调整阈值，适应不同场景的温度分布变化，显著提高了分割的鲁棒性，能够在复杂动态场景中准确区分高温区域与背景区域，减少了环境干扰对火源检测的影响；

通过结合归一化红外图像和二值化图像，利用辐射梯度加权特征提取算法，计算梯度幅值和方向，并融入局部高温中心的径向方向，生成加权特征图像，突出了火源边缘的辐射特性，增强了火源区域的边缘特征，同时有效抑制了背景区域的干扰，显著提高了火源边缘的检测精度，为后续动态特征分析奠定了基础；

通过动态边界特征增强算法，分析帧间梯度幅值的变化，捕捉火源边界的动态特性（如火焰闪烁、边界扩展），生成动态增强特征图像，通过量化帧间梯度差异，突出火源的动态特征，显著提高了火源与静态高温物体（如热源设备）的区分度，降低了误检率，增强了动态场景下火源检测的可靠性；

基于动态增强特征图像，采用边缘引导的区域生长算法，以火源边缘像素为种子点进行区域生长，生成完整的火源区域图像，结合火源边缘的动态特性和内部温度的稳定性，克服了传统方法在动态场景中火源内部区域识别不完整的问题，显著提高了火源区域的完整性和检测精度，确保了复杂场景下火源的全面识别。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种用于动态场景下火源检测的图像特征处理方法，其特征在于，包括以下步骤：

S1、通过红外热成像设备采集动态场景的原始红外图像，对原始红外图像进行图像预处理，得到归一化红外图像；

通过动态区域分割算法对归一化红外图像进行处理，生成二值化图像；

基于归一化红外图像和二值化图像，通过辐射梯度加权特征提取算法生成加权特征图像；

S2、基于加权特征图像，通过动态边界特征增强算法分析帧间梯度幅值的动态变化，生成动态增强特征图像；

S3、基于动态增强特征图像，通过边缘引导的区域生长算法将边缘像素作为种子点进行区域生长，最终输出完整的火源区域图像。

2.根据权利要求1所述的一种用于动态场景下火源检测的图像特征处理方法，其特征在于，所述S1中原始红外图像的每帧原始红外图像以灰度形式存储，灰度值与动态场景中物体的温度相关，高温区域对应较高的像素值，低温背景对应较低的像素值；图像预处理包括去噪和归一化处理；

对归一化红外图像进行处理基于红外图像的局部温度统计特性，分割高温区域与背景区域；

辐射梯度加权特征提取算法计算梯度幅值和方向，结合局部高温中心的径向方向生成加权特征图像，突出火源边缘的辐射特性，同时抑制背景区域的干扰。

3.根据权利要求2所述的一种用于动态场景下火源检测的图像特征处理方法，其特征在于，所述S1中动态区域分割算法是一种自适应阈值分割方法，通过分析标准化图像的局部像素分布，计算每个像素的局部均值和标准差，生成自适应阈值，用于判断像素是否属于高温区域，自适应阈值由局部均值加上标准差乘以一个阈值敏感度系数构成，阈值敏感度系数用于控制自适应阈值的敏感度，决定了分割的高温区域与背景的区分严格程度，对每个像素，比较归一化像素值与自适应阈值，如果归一化像素值大于或等于自适应阈值，标记为 1，表示像素属于潜在火源区域即高温区域，如果归一化像素值小于自适应阈值，标记为0，表示像素属于背景区域，公式表达如下：

；

其中，表示像素在时间的二值化像素值；表示像素在时间的归一化像素值；表示像素在时间的自适应阈值，计算公式为：

；

其中，表示像素在时间的局部均值，反映局部温度平均水平；表示阈值敏感度系数，用于控制自适应阈值的敏感度，决定了分割的高温区域与背景的区分严格程度；表示像素在时间的局部标准差，反映局部温度波动。

4.根据权利要求3所述的一种用于动态场景下火源检测的图像特征处理方法，其特征在于，所述S1中通过辐射梯度加权特征提取算法计算梯度幅值和方向，具体为，使用Sobel算子3×3核标准图像处理算子对归一化红外图像进行卷积，分别计算水平方向和垂直方向的梯度；通过水平和垂直梯度的平方和开方，计算每个像素的梯度幅值，反映温度变化的强度，梯度幅值越大，表明像素位于温度变化剧烈的区域，如火源边缘；通过水平和垂直梯度的反正切函数，计算每个像素的梯度方向，表示温度变化的指向。

5.根据权利要求4所述的一种用于动态场景下火源检测的图像特征处理方法，其特征在于，所述S1中结合局部高温中心的径向方向生成加权特征图像，突出火源边缘的辐射特性，同时抑制背景区域的干扰，具体为：

基于二值化图像，使用八连通性算法识别高温区域的连通域，对每个连通域，计算几何质心作为高温中心，质心坐标通过连通域内像素坐标的加权平均计算，权重为二值化图像的值，值为1或0，质心反映高温区域的温度中心；对于连通域内的每个像素，计算局部高温中心的径向方向，即质心到像素点的方向；

对每个像素，计算梯度方向与径向方向的方向差值，反映两者的一致性，通过余弦函数处理方向差值，生成方向加权因子，当梯度方向与径向方向一致，方向差值为0，加权因子最大为2，当完全相反，方向差值为π，加权因子最小为0；

将二值化图像像素值、像素的梯度幅值和方向加权因子相乘，生成加权特征图像的像素值，确保仅高温区域的边缘特征被增强，非高温区域特征值为0，计算公式为：

；

其中，表示像素在时间的加权特征值；表示像素在时间的梯度幅值，计算公式为：

；

其中，表示水平方向梯度，表示垂直方向梯度；表示方向加权因子，用于增强与火源辐射特性一致的边缘特征，计算公式为：

；

其中，表示余弦函数，量化梯度方向与径向方向的相似性；表示像素在时间的梯度方向；表示像素在时间指向局部高温区域质心的径向方向角。

6.根据权利要求5所述的一种用于动态场景下火源检测的图像特征处理方法，其特征在于，所述S2中动态边界特征增强算法通过帧间梯度幅值差异，量化火源边界的动态变化，对于每个像素位置，计算当前帧梯度幅值与前一帧梯度幅值的绝对差值，反映了像素点在时间维度上的梯度变化强度，火源边界因火焰闪烁或扩展，表现出显著的帧间梯度变化；将帧间梯度幅值的绝对差值除以当前帧梯度幅值的最大值，得到归一化的动态变化强度，同时，为避免归一化过程中出现除零问题，引入一个极小常数值；

对于第一帧即t=1时，由于无前一帧红外图像，无法计算帧间梯度差异，为确保动态边界特征增强算法在启动时的稳定性，采用初始化策略，将边界动态加权因子设为零；

对每个像素，将边界动态加权因子加1后与加权特征值相乘，进一步突出动态边界区域，计算公式为：

；

其中，表示像素在时间的动态增强特征值；表示边界动态加权因子，放大边界动态变化，增强边缘特征，计算公式为：

；

其中，表示帧间梯度幅值差异的绝对值，反映闪烁或扩展边界的动态变化；表示像素在时间的梯度幅值；表示当前梯度幅值的最大值，归一化帧间差异；表示极小常数，防止除零；表示动态加权强度调节系数，控制动态特征的放大程度，取值范围；

通过捕捉帧间梯度差异，突出火源边界的动态特征，显著提高火源边缘与背景的区分度，减少将静态高温物体误认为火源一类的误检。

7.根据权利要求6所述的一种用于动态场景下火源检测的图像特征处理方法，其特征在于，所述S3中基于动态增强特征图像，通过边缘引导的区域生长算法将边缘像素作为种子点进行区域生长，最终输出完整的火源区域图像，具体为:

对动态增强特征图像应用阈值分割，提取显著的边缘像素，生成边缘图像；边缘分割阈值通过专家经验确定，仅当动态增强特征图像的像素值大于或等于边缘分割阈值时，标记为边缘像素，值为1，否则被标记为非边缘像素，值为0，公式表达如下：

；

其中，表示边缘图像中像素在时间的像素值，值为1时为边缘像素，值为0时为非边缘像素；表示边缘分割阈值，通过专家经验确定；

边缘图像中的边缘像素即像素值为1时，被选为区域生长的种子点，种子点代表火源的动态边缘，具有显著的温度梯度和动态变化特性；

检查每个种子点的八邻域像素，即周围八个方向的像素，如果邻域像素在二值化图像中的值为1，表示属于高温区域，则将像素点加入生长区域，并将像素点作为新的种子点继续扩展，生长过程持续迭代，直到没有新的像素满足条件；

区域生长结束后，进行八连通性分析，连通域分析通过标记算法，标记算法包括但不限于两遍扫描法或递归法实现，生成火源区域图像，标记值为1的像素表示火源区域，值为0表示背景，作为最终火源检测结果。