宁 阳，杜建超，韩 硕，杨传凯

(1.西安电子科技大学 通信工程学院，陕西 西安 710071；2.国网陕西省电力公司 电力科学研究院，陕西 西安 710100)

如今火灾事故频发，每年都有大量生命财产因为火灾而遭受巨大损失，且随着社会的不断发展和进步，火灾对人类社会造成的危害也愈来愈大，因此针对火灾的检测与分析研究也显得愈发重要。准确的火焰图像分割是火势发展分析的重要前提，一般传统的分割方法主要基于火焰的颜色、空间结构和纹理信息等火焰特点[1-5]。如文献[1]利用图像的边缘差异作为分割基础，但只适用于简单背景的图像分割。文献[2]结合RGB、YCbCr和区域生长算法，对火焰的面积、周长以及质心运动距离变化等进行了分析，能够快速排除干扰目标。文献[3]提出一种基于主成分分析和伽柏滤波响应的分割方法，引入了一种新的超像素提取方法，可以有效降低噪声影响。文献[4]则采用基于颜色和纹理特征的多尺度火焰图像无监督分割方法，结合了火焰的颜色与小波纹理特征，提高了分割的准确率和速度。另外，为了实现火焰图像的自动分割，一种基于粒子群算法的改进的k-最近邻算法(k-Nearest Neighbor，kNN)的分割算法[5]被提出。该算法采用改进的kNN对图像像素进行分类，并结合欧氏距离定义了一个新的相似度函数来提高分类精度。但是，以上传统方法都存在鲁棒性差、分割速度慢和依赖手工特征的设计等缺点，在复杂场景中难以应用。近年来，计算机视觉与模式识别快速发展，语义分割作为该领域的研究重点，具有极高的研究价值和广泛的应用前景。……