[发明专利]基于交叉熵的主动轮廓模型工业烟尘图像分割方法

说明书

基于交叉熵的主动轮廓模型工业烟尘图像分割方法，属于工业烟尘排放监控技术领域。构建交叉熵阈值方法，获取原始图像与分割图像的交叉熵最小化，继而获取最优的分割依据；构建交叉熵的主动轮廓模型，最小化给定图像和分割图像之间的交叉熵；加入迭代阈值卷积分割方法，每两个分割区域之间的界面由其特征函数隐式地确定，正则化项被写入基于特征函数函数的非局部逼近中；将坐标下降法与序列线性规划相结合，构造了一种基于交叉熵的主动轮廓模型工业烟尘图像分割方法，可实现对工业烟尘图像的准确分割。通过CV模型和交叉熵模型结合，得到基于交叉熵的主动轮廓模型，并用迭代阈值卷积算法来进行最小化能量泛函，加快了收敛速度。

技术领域

本发明属于工业烟尘排放监控技术领域，具体是涉及一种基于交叉熵的主动轮廓模型工业烟尘图像分割方法。

背景技术

伴随工业城市的发展，工业烟尘的排放不断增加，造成生态失衡、环境恶化等一系列环境污染问题。据调查显示，工业源依旧是大气污染的最主要来源。因此，需要对工业烟尘的排放进行监控。而图像分割作为监控过程中十分关键的部分，需要对其方法进行深入研究。

水平集方法是一种用来捕捉物体形状和界面的数值方法，由R.Osher和J.A.Sethian在1988年提出。在水平集方法中，一般采用高一维函数的零水平集来表示目标轮廓，称之为水平集函数(Level Set Function)。基于水平集方法的图像分割主要分为两种：一种是基于边缘模型的水平集图像分割，一种是基于区域模型的水平集图像分割。Mumford和Shah等人于1989年提出了基于区域的几何活动轮廓模型，模型最大的缺点是计算复杂度高。由此Chan和Vese在Mumford-Shah(MS)模型的基础上结合水平集函数提出了Chan-Vese(CV)模型，CV模型是对MS模型的能量函数的改进。在CV模型的基础上，Li等人建立了基于区域的二值水平集分割方法，避免了水平集函数重新初始化的过程，降低了算法的复杂度。Wang等人在水平集方法理论、曲线演化以及局部统计函数基础上提出了一种新的局部CV模型，能够很好地分割灰度不均匀的图像。Nosrati等人提出将“包容”(Containment)和“排斥”(Exclusion)两个约束条件融入到水平集模型中，模型可以很好地处理图像中重复出现的相似区域。赵彦南等人采用基于阈值的方法以及混合高斯模型，将背景和目标的灰度值信息融入到CV模型中，该模型可以把目标区域的轮廓从背景灰度不均匀的CT图像中有效的提取出来。张广东等人提出了一种GAC-CV混合模型，将图像的边缘与区域信息融合进入同一个能量泛函里，并对不同的分割目标采取不一样的分割策略，提高了凹形边缘的捕获能力。王淳提出了一种改进的CV模型，通过添加形状模板约束和锚点约束，实现了单帧彩色图片的阴影检测，解决了阴影的亮度差异较大的图像分割问题。

工业烟尘分割是一个相对比较新颖的方向。近些年，一些相关学者对工业烟尘分割方向进行了一些研究。张晓梅等提出一种基于区域的烟尘分割方法，将阈值分割、区域生长、区域分裂与合并方法等基于区域的方法用于烟尘图像分割，能分割出烟尘区域，但该方法只考虑了烟雾图像的灰度特征，而未考虑其他特征。Hsu Yen-Chia等人提出了一种工业烟尘可视化检测方法，通过结合颜色建模、变化检测和纹理分析来识别烟雾排放，该方法能快速分割出烟尘区域，但是该算法易受到快速运动的风和云的影响。王文哲等提出一种基于背景建模与特征匹配的工业烟尘图像分割方法，对运动干扰物以及复杂场景环境有很好的分割效果，但分割精度方面有待提高。褚益提出了一种基于改进的贝叶斯决策理论最小误差阈值烟尘图像分割算法，改善了传统阈值分割烟尘图像方法的不足，但其在监测过程中未考虑到光线变化、云层等干扰因素。王亚楠等提出一种视频中工业烟尘分割方法，通过用背景减除法得到边缘运动区域，在均匀空间下用区域生长算法分割出烟尘区域，但该算法对有云图像分割存在小空洞部分。

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提出了一种基于交叉熵的主动轮廓模型工业烟尘图像分割方法，结合CV模型与交叉熵模型构造了基于交叉熵的主动轮廓模型，并使用迭代阈值卷积算法最小化能量泛函。可实现对工业烟尘图像的分割效果较准确，且分割效率高。