论文研究 稀疏和协同子空间聚类的森林火灾识别

传统的基于烟雾，温度和光的特征的森林火灾识别无法准确检测和响应早期火灾。 通过分析火焰的特性，基于航空图像识别的方法已被广泛使用，例如基于RGB和基于HIS的方法。 但是，这些方法易受引起干扰和错误检测的背景因素的影响。 为了缓解这些问题，我们研究了两种基于稀疏和协同表示的子空间聚类方法，以检测和定位森林火灾。 首先，子空间聚类从整个图像中分割出火焰。 之后，采用稀疏或协作表示法在具有l1正规化或l2正规化术语的词典中表示大多数火焰信息，从而减少了重建误差。 实验结果表明，所提出的SSC和CSC明显优于现有方法。