JPEG圖像檢測算法
算法流程圖檢測算法具體流程如圖所示。
首先用SURF算法提取待檢測圖像的特徵點和特徵向量，找出匹配特徵點後，計算出仿射變換參數並消除錯配，再根據仿射變換計算區域關聯圖定位複製一移動區域。最後，根據複製—移動區域的塊偽影特徵矩陣因子區分被複製區域和篡改區域。
•步驟1：SURF 特徵點提取與匹配。由於SURF算法提取特徵點利用的是圖像的灰度信息，因此，首先應該對待檢測圖像進行預處理，即將待檢測圖像轉換為灰度圖，再運用SURF算法提取特徵點和特徵向量，並根據特徵向量的歐幾里德距離來判斷特徵點的匹配程度，要求匹配特徵點的特徵向量距離小於或等於某個預設值ε。
•步驟2：計算仿射變換參數。根據匹配特徵點的像素位置估計被複製區域與篡改區域間的仿射變換。
•步驟3：定位被複製區域與篡改區域。通過仿射變換計算對應變換區域的關聯繫數。
火災圖像探測
早期火災信號具有隨機性、非結構性等特徵，而火焰圖像一般具有多種特徵，如位置移動、面積變化、邊緣尖角、色彩特性以及頻閃脈動等 。環境中的氣流、灰塵、水滴、電磁場、電瞬變、靜電以及人為干擾等有時也會產生類似的特徵，這極易對那些依據某個火災參量進行火災探測的傳統火災探測器造成誤報或漏報。而且，傳統的感煙、感溫等火災探測器對有限面積空間與艙室的火災探測比較有效，但對大空間場所(如大型倉庫，機庫等)或室外火災的探測往往因為探測距離和高度等一些原因而無法奏效，圖像型火災探測是大空間場所或室外進行火災探測的有效手段，也是目前火災報警研究的主要方向之一。
疑似火焰區域檢測
監控場景中多數物體在攝像機固定情況下所採集的視頻序列中是靜止的，而火焰則呈現運動特性。所以，首先採用運動檢測提取前景運動目標，以消減監控場景中大量與火焰顏色相似的靜止目標的干擾。
背景消減法是一種常用於檢測圖像變化和運動物體的圖像處理方法，能夠得到比較精確的目標圖像， 閾值背景消減可以得到比較準確的目標圖像，並且能夠較為有效地排除電燈、裝飾圖案等具有火焰顏色的靜止干擾因素。
圖像預處理
在複雜監控環境中，天氣、光線、陰影、燈光以及隨機噪聲等都會降低採集圖像的質量，要想準確分割火焰目標，首先要利用圖像預處理排除各種干擾因素影響，然後再對實時視頻圖像進行火焰目標的識別和提取。圖像的預處理過程主要分為4步。
1)格式轉換。通過視頻採集設備得到的數字圖像是YUV格式的，為分析研究火焰圖像的色彩特徵等信息，首先需要進行格式轉換，將其轉化為RGB格式，Ycbcr格式，以及灰度圖像。
2)圖像二值化。二值化圖像是在灰度圖像的基礎上生成的，設定一個閾值，認為灰度大於閾值的是火焰，小於閾值的是背景。二值化圖像中只有兩種顏色：“黑”或“白”，這樣可以進一步將火焰與背景分離，為深入研究統計火焰圖像的特徵提供技術支撐。
3)圖像過濾。圖像的過濾．是抑制或消除噪聲而改善圖像質量的過程。目前採用Turky提出的中值過濾來平滑圖像，抑制二值化圖像中的一些無關信息，即所謂的噪聲，以實現對火焰圖像的比較準確的剪取。
4)火焰目標提取。通過上述步驟，實現對火焰目標比較精確的剪取。然後利用二值化圖與RGB圖像、二值化圖與Ycbcr圖像、二值化圖與灰度圖像的位置映射關係，完成RGB圖像、Ycb—Cr圖像以及灰度圖像中的火焰的提取。
形態特徵分析
火焰圖像具有獨特的形態學特徵，例如面積變化、火焰尖角等。對火焰的形態學特徵進行分析研究，採用形態學特徵判據，可以比較有效地消除移動車燈、行人等動態干擾因素。
火焰面積檢測
火焰面積的檢測是在圖像二值化的基礎上實現的。在二值化圖像中，火焰顯示為1，背景顯示為0，因此可以通過對二值化的圖像矩陣進行求和運算，來實現對火焰面積的計算，通過對火焰面積的檢測，可以比較方便地判斷火焰面積是否隨時間變化。前後兩幀圖像的火焰面積的差值應滿足一定條件，這個差值可以隨火焰面積的變化而調整下限值。經實驗分析發現，下限閾值取為4%時比較合理。
火焰尖角檢測
不穩定火焰本身有狹而長的突起，這些狹而長的突起可以稱之為火焰的尖角。火焰和其它高溫物體的尖角有明顯的區別，因此可以將火焰尖角作為火災圖像探測的一個重要部分。
火焰尖角的檢測是同樣在圖像二值化的基礎上實現。按照一定的算法，掃描整個圖像，可以初步標記圖像尖角；同時尖角的形態要符合一定的標準，即尖角相鄰兩行相同標記的部分寬度比例滿足一定條件。將滿足條件的尖角標記為火焰尖角，統計尖角數，並記錄第一個火焰尖角的頂點位置。
顏色特徵分析
火焰顏色與溫度、燃燒物光譜兩個因素密切相關。通過對大量火焰彩色圖像的分析可知，火焰目標具有強烈的視覺特徵，火焰圖像顏色和灰度級呈一定的分布規律 ¨火焰色調一般介於紅黃之間，火焰核心呈現亮白色，向外顏色由黃變橙、到紅；低溫火焰顏色飽和度較高，高溫下飽和度較低。因此，可以利用火焰的顏色特徵，過濾運動檢測所提取運動目標中不具有火焰顏色的運動目標，以便更好地識別火焰。
RGB顏色檢測
RGB顏色模型是一種最常見的顏色模型。自然界的各種顏色光都可分解成紅、綠、藍(R，G，B)三種基本顏色光，根據三基色原理，任意顏色光的配色均可通過三基色表達。由公式總結出：
•①火焰顏色一般比周圍背景鮮亮突出，即像素的平均飽和度應大於一定閾值；
•②火焰比周圍環境的一般物體“紅”，因此紅色分量應比綠色和藍色分量著重強調，即對紅色分量設定閾值；
•③火焰顏色分量存在內在關係，紅色分量大於等於綠色分量，綠色分量又大於等於藍色分量。
YCbCr顏色檢測
YCbCr顏色模型的三種顏色要素的特徵值域YcbCr顏色模型是另一種常見的顏色模型。在該模型中，亮度信息被存為單一要素Y，色調信息存成不同的顏色要素Cb和Cr。Cb代表藍色元素與參考值的差異，Cr代表紅色元素與參考值的差異。通過資料顯示及大量實驗分析，得出火焰圖像在每個基色分量下的特徵分布範圍，結果如圖。在YcbCAr顏色檢測中，亮度分量Y是其主要判據，背景的光照條件對火焰的飽和度有相反影響，可能使得干擾物具有與火焰相似的顏色值，而被誤判為火焰。
灰度分布檢測
與火焰圖像的顏色分布相對應，灰度圖像中從焰心到外焰火焰的灰度大體呈現遞減的規律。灰度分布檢測需要從水平方向和豎直方向分別進行。以水平方向上的灰度檢測為例，其基本思路是：逐行掃描圖像，找出每行上相應的焰心和外焰點；取橫坐標差值最大的一對點進行灰度檢測；從焰心到外焰點，建立直線方程，模擬其灰度值序列的發展趨勢；對發展趨勢進行線性擬合，以直線的斜率作為灰度判據。
紅外圖像探測
紅外探測技術在軍事國防和民用領域得到了廣泛的研究和套用，如，目標追蹤、入侵探測、氣體分析、火災預測等。探測器在使用之前和製造完成後，都需要對探測器進行性能檢測。
紅外光源發出紅外目標圖像信息，在光學系統成像作用下，成像在紅外探測器光敏面上。紅外探測器將光信號轉換成電信號以後，轉換的結果注入到讀出電路中來輸出，將紅外圖像信息轉換成輸出紅外視頻信號。利用美國NI PCI-6115 DAQ卡和PC構建PC—DAQ系統，根據熱成像的原理，通過軟體系統控制採集卡對紅外視頻信號進行時序採樣，並通過圖像處理軟體對視頻信號進行灰度映射、變換及對比度增強，最終在軟體平台上顯示出探測的紅外圖像。通過顯示的圖像即可直觀觀察探測器和成像系統的真實成像效果。
