通信工程文献翻译——摘要：为了降低火焰检测系统的谎报和误报，进行基于多传感器数据融合的火焰检测方法研究。本次研究，运用了概率神经网络数据融合算法通过火灾现场的火焰纹理特征来检测火焰。火焰的温度和烟雾浓度信息使用趋势算法分别进行处理。从以上三个火焰检测算法得出的结果通过决策层数据融合处理，以实现火灾探测和火灾自动报警。在火焰检测平台，该方法已被证明可以更快、更准确地检测火焰，并且能摒弃荧光灯或酒精灯的细微干扰，从而将有很好的应用前景。

关键词：火灾检测系统；数据融合；PNN；纹理特征

1.引言

火焰燃烧是一个复杂的过程，火灾探测问题一直是一个有待准确、可靠和快速解决的问题。目前，最广泛使用的火灾检测系统是用于有限空间的，基于温度和烟雾浓度的检测。但是空间的高度或气流经常会阻止高温空气或烟雾到达天花板，而导致温度传感器或烟雾探测器不能很好的工作，引起误报或报警失败。近年来，随着计算机技术、光电学以及图像处理技术的发展，使得从火灾现场提取火焰的形状和颜色特征参数并用于火灾探测成为重要的研究领域。但有时提取出来的火焰形状和颜色会产生错误，因此可能导致谎报或误报。

作为一种重要的属性，纹理被广泛应用于卫星遥感图像分析与检索[6]。文献[7]建议，图像的纹理特征可以实现室内火灾探测，但没有提供详细的测试结果。必须考虑到这样一个事实，即很难从特定情况的干扰源中区分出单独的图像纹理进行检测，例如四处走动的人员。本文利用多传感器检测机制，在火焰图像处理过程中，同时监控图像的纹理参数，温度和烟雾浓度。纹理参数的标准采用概率神经网络的数据融合算法来检测火焰。而温度和烟雾浓度的标准分别采用目前已发展成熟的趋势算法。将上述的研究结果通过决策级数据融合之后，实现可靠的火灾探测。这种方法可以补偿只依靠温度，烟雾浓度或在时间与空间上扩展了的图像传感器，用于火灾探测的产生的不足，提高火灾探测系统的速度和可靠性。

2. 火灾探测系统模型

基于多传感器数据融合的火灾探测系统收集来自CCD传感器、温度传感器和烟雾浓度探测器的数据。该系统的核心技术是计算机技术......