何 灿，何俊康，唐李文，唐靖杰，欧沛钦，吴健辉，赵 林

(湖南理工学院 a.信息科学与工程学院；b.机器视觉及人工智能研究中心，湖南 岳阳 414006)

在火灾发生早期，由于物体不完全燃烧产生的烟雾往往会先于明火出现，对烟雾进行检测并预警可以为火灾报警和灭火争取更多时间，极大降低火灾发生的可能性[1]。因此，烟雾检测一直是火灾预警中的重要研究内容，而烟雾图像分割作为精度最高、可以预估火灾扩散趋势和蔓延速度的烟雾检测方法具有很大的研究价值和意义。烟雾图像分割的实现有传统方法和深度学习方法2种。传统的烟雾图像分割主要是通过提取图像在不同颜色空间的颜色特征将烟雾目标从图像中分离出来[2]。Filonenko等[3]将烟雾的颜色特征与其外形特征结合来完成烟雾检测。Tian等[4]提出基于大气散射模型的方法将输入图像分割为烟雾前景和非烟雾背景。Lin等[5]使用卡尔曼滤波器对烟雾轮廓进行估计以完成基于无人机的大规模野火监测任务。但传统烟雾分割方法存在模型场景迁移能力差、手工特征选取复杂且需要一定的专业知识等弊端，研究人员开始利用深度学习算法去规避复杂的特征提取过程和提高烟雾分割的性能。

基于深度学习的烟雾图像分割实质上属于语义分割的范畴，这些方法的核心思想是对图像进行逐像素二分类。Li等[6]提出一种用于野火烟雾检测的3D并行全卷积网络来分割视频序列中的烟雾区域。……