[发明专利]基于字典与BP神经网络的烟雾图像分割与识别方法

权利要求书

1.一种基于字典与BP神经网络的烟雾图像分割与识别方法，其特征在于，该方法包括以下步骤：

步骤一、图像处理器对输入图像进行增强处理，具体过程为：

步骤101、图像处理器计算输入图像的方差、均值和信息熵，并将方差、均值和信息熵输入预先构建的图像增强神经网络模型中，输出进行图像增强的高频图像模型系数k、第一层小波分解的低频图像模型系数n₁和第二层小波分解的低频图像模型系数n₂；

步骤102、图像处理器对输入图像进行两层小波分解，提取输入图像中的高频图像、第一层小波分解的低频图像L₁和第二层小波分解的低频图像L₂，计算所有高频图像的和∑H；

步骤103、图像处理器将步骤101中的系数k、n₁和n₂，以及步骤102中的低频图像L₁、低频图像L₂和所有高频图像的和∑H带入图像增强模型g(x,y)＝k∑H+n₁L₁+n₂L₂中，得到增强后的图像g(x,y)；

步骤二、图像处理器将增强处理后的图像与烟雾字典矩阵作比较计算得到疑似烟雾区域；

步骤三、图像处理器对所得到的疑似烟雾图像进行多尺度小波分解，计算多尺度小波分解后所得各层图像的灰度共生矩阵的统计量，采用计算所得的各层图像的灰度共生矩阵的统计量构造纹理特征向量，再将纹理特征向量输入到烟雾识别BP神经网络中，得到烟雾识别结果；

步骤二中所述图像处理器将增强处理后的图像与烟雾字典矩阵作比较计算得到疑似烟雾区域的具体过程为：

步骤201、图像处理器采用均值法建立图像背景模型，即图像中的每个像素点的像素值由图像序列中对应的各个点做平均值来确定，用公式表示为其中，f_M(i,j)为第M帧图像位于点(i,j)处的像素值，B(i,j)为背景模型；

步骤202、图像处理器将每一帧预处理后的图像与背景图像模型作背景差分，得到每一帧图像中的运动区域，输出运动区域的二值化图像；

步骤203、将收集到的N′张典型烟雾图像按照如下步骤求取第一阶段烟雾字典矩阵Ω，具体过程为：

步骤2031、根据训练样本建立样本矩阵X＝(x₁,x₂,...,x_N′)^T，其中，x_i′为收集到的每张典型烟雾图像，i′的取值为1～N′；

步骤2032、根据公式计算每行平均值,即各帧图像像素的平均值；

步骤2033、根据公式d_i′＝x_i′-φ计算收集到的每帧烟雾图像与每行平均值的差值d_i′；

步骤2034、构建协方差矩阵

步骤2035、求C的特征值和特征向量；

步骤2036、根据公式Ω_i′＝w^Td_i′将收集到的每帧烟雾图像与每行平均值的差值矢量d_i′投影到烟雾空间中，并将其构建为烟雾字典矩阵Ω＝[Ω₁,Ω₂,...,Ω_N′]；其中，w为C的特征向量；

步骤204、输入图像与烟雾字典的对比：首先将运动区域的二值化图像中的各个图像块与增强处理后图像中的对应部分按照步骤3016变换到烟雾空间中，记所得图像为y_j′，然后按照公式计算“烟雾”空间的图像y_j′到各个烟雾图像矩阵Ω_i′的最小值，所有结果中最小值对应的图像块即为疑似烟雾图像；其中，j′为输入图像块个数。