Journal of Geomatics Science and Technology

fa روشی خودکار به منظور پهنه بندی دود ناشی از آتش سوزی های وسیع در تصاویر چند طیفی An Automatic Detection of the Fire Smoke Through Multispectral Images فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;">یکی از عواقب بروز آتش، دود است. گاهاً رصد دود و آشکارسازی آن می‌تواند بهعنوان راهکاری بهمنظور جلوگیری از وقوع و یا گسترش آتش محسوب شود. از سوی دیگر، بواسطه‌ی اثرات مخرب گسترش دود برای سلامت انسان، می‌توان با پهنهبندی و پایش روند گسترش آن، تدابیر لازم را بهمنظور ارتقای سطح خدمات بهداشتی در دستورکار قرار داد. در این مقاله، روشی خودکار بهمنظور آشکارسازی دود رقیق ناشی از آتشسوزیهای وسیع در تصاویر چندطیفی پیشنهاد شده است. ایدهی اصلی این روش، عدم امکان بازسازی دقیق دود در باندهای متاثر از دود (باندآبی) به کمک مدل‌های رگرسیونی از سایر باندهای طیفی است. در گام اول از روش پیشنهادی، قدر مطلق باقیمانده‌های تخمین رگرسیونی باند طیفی آبی به کمک آستانه‌گذاری اتسو به یک ماسک باینری تبدیل می‌شود. سپس در یک روند تکراری، نواحی غیر دود شناسایی و خوشه‌بندی می‌گردند. در روند تکرار، به ازای هر خوشه یک مدل رگرسیونی برازش یافته و برای هر پیسکل از ضرایبی که کمترین خطای بازسازی باند آبی را برخوردار باشند استفاده می‌شود. اینکار با تخمین دقیق‌تر باند آبی، اثر خطاهای نوع اول را کاهش داده و ماسک بدست آمده از روند آستانه‌گذاری باقیمانده‌ها را به سمت نواحی دود هدایت می‌سازد. آخرین گام از روند پیشنهادی نیز به پالایش و حذف قطعات تصویری نادرست اختصاص دارد. موفقیت این روش در شناسایی دودهای رقیق مطلوب بوده و از دیگر ویژگی‌های این روش نیز می‌توان به عدم شناسایی دود در تصاویر فاقد دود اشاره داشت. نتایج پیاده‌سازی این روش در چند مجموعه داده توام با دود‌های رقیق بطور متوسط دقت‌ 04/99 درصدی را تامین ساخته است. </div> <div style="text-align: justify;">One of the consequences of a fire is smoke. Occasionally, monitoring and detection of this smoke can be a solution to prevent occurrence or spreading a fire. On the other hand, due to the destructive effects of the smoke spreading on human health, measures can be taken to improve the level of health services by zoning and monitoring its expansion process. In this paper, an automated method is proposed to detect the dilute smoke caused by large fires in multispectral images. The main idea of this method is the impossibility of precisely reconstructing the smoke in the bands affected by smoke (blue band) using regression models from other spectral bands. In the first step of the proposed method, the absolute value of the residuals of the regression estimation of blue spectral band is transformed into a binary mask with the help of Otsu thresholding. Afterwards, in an iterative process, non-smoke areas are detected and then clustered. In the iteration process, a regression model is fitted for each cluster and for each pixel, coefficients with the least error of the blue band reconstruction is used. Through more accurate estimation of the blue band, it reduces the effect of First Positive Error and leads the mask of residuals obtained from thresholding process to the smoke areas. The final step of the proposed method is to refine and remove the incorrect image segments. This method has been successful in detecting diluted smokes and also in disregarding smoke in non-smoky images. The results show the average accuracy of  99.04 percent in several datasets with diluted smokes.</div>   آشکارسازی دود, مدل‌ رگرسیون خطی, خوشه بندی تکراری, آستانه گذاری اتسو Smoke Detection, Linear Regression Model, Iterative Clustering, Smoke Detection, Otsu Tresholding 145 157 http://jgst.issgeac.ir/browse.php?a_code=A-10-862-1&slc_lang=fa&sid=1 M. Fathi مهدیه فتحی m.fathi@email.kntu.ac.ir 10031947532846006908 10031947532846006908 Yes k.n.toosi university دانشگاه خواجه نصیر الدین طوسی M. Mokhtar Zade مهدی مختارزاده m_mokhtarzade@kntu.ac.ir 10031947532846006909 10031947532846006909 No k.n.toosi university دانشگاه خواجه نصیر الدین طوسی A. R. Safdarinezhad علیرضا صفدری نژاد safdarinezhad@tafreshu.ac.ir 10031947532846006910 10031947532846006910 No tafresh university دانشگاه تفرش