基于图像生成和特征融合的复杂背景林火识别

摘要：

森林火灾的自动识别对于森林保护有着重要意义,由于森林图像背景复杂、火焰外形多变、与林火类似的干扰因素多、森林火灾图像样本缺乏等问题,导致传统基于图像的森林火灾识别方法泛化性较差,识别率有待进一步提高.针对上述问题,提出了一种基于图像生成和卷积特征融合的复杂背景森林火灾识别方法.首先,扩充森林火灾图像样本,主要方法包括运用基于风格迁移技术的生成对抗网络生成火灾图像,手工收集复杂背景的森林火灾图像,及收集高度相似的非火灾反例图像,形成较复杂的火灾数据集;然后,构建卷积特征融合的森林火灾识别网络,利用深度神经网络对图像进行特征学习,将深层与浅层的卷积特征进行融合,以充分利用图像的语义和细节信息,增强特征的表征能力;最后基于融合特征进行森林火灾识别.实验结果表明,使用上述方法进行森林火灾识别,准确率可达到99.12％,具有准确率高、检测率高、虚警率低等优点.可见,基于生成图像扩充样本库,并融合多层卷积特征的方法,在森林火灾识别时具有较好的效果,为森林火灾识别及其它样本缺乏的目标识别任务提供了一种可行方案.

关键词：森林火灾、生成对抗网络、特征学习、特征融合

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：江西省重点研发计划20203BBGL73222

在线出版日期：2022-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：465-472