一种固定源扬尘类别识别的方法与流程

文档序号:19285622发布日期:2019-11-29 23:30阅读:242来源:国知局

本发明涉及固定源扬尘图像识别,具体涉及一种固定源扬尘类别识别的方法。



背景技术:

粉粒体在输送及加工过程中受到诱导空气流、室内通风造成的流动空气及设备运动部件转动生成的气流,都会将粉粒体中的微细粉尘首先由粉粒体中分离而飞扬,然后由于室内空气流动而引起粉尘的扩散,从而完成了从粉尘产生到扩散的过程。这一现象在施工工地上尤为明显,固定源扬尘的背景较为复杂,依据单一的图像识别方法难以进行有效区分。固定源扬尘类别难以判断,为后期环保分类监控障碍。



技术实现要素:

本发明所要解决的技术问题是固定源扬尘类别难以判断,为后期环保分类监控障碍,目的在于提供一种固定源扬尘类别识别的方法,解决上述问题。

本发明通过下述技术方案实现:

一种固定源扬尘类别识别的方法,包括固定源扬尘类别样本、待识别图像,还包括以下步骤:

s1,获取来自固定源扬尘采集点的待识别图像,在空间域中进行分解域变换,使图像信息分解到的多个尺度空间中;

s2,利用空间域梯度算子进行待识别图像的边缘检测;

s3,在图像变换域中,利用小波进行待识别图像的边缘检测;

s4,提取空间域和变换域中边缘检测获取的待识别图像的特征向量;

s5,利用人工神经网络进行模式识别,将固定源扬尘类别样本进行离线训练,确定权值,与s4获得的特征向量进行运算,实现待识别图像的识别。

进一步地,所述s1中的分解域变换采用小波多尺度分解域变换。

进一步地,所述s2中的梯度算子采用高斯拉普拉斯算子。

进一步地,所述s3中的边缘检测结果采用链表进行记录。

进一步地,所述s4中的特征向量采用统计特征。

本发明与现有技术相比,具有如下的优点和有益效果:

1、本发明一种固定源扬尘类别识别的方法,能够有效提取固定源扬尘背景的外部边缘,作为理想的特征;

2、本发明一种固定源扬尘类别识别的方法,能够依据空间域和变换域双重检测,提高检测精度。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。

实施例

本发明一种固定源扬尘类别识别的方法,包括固定源扬尘类别样本、待识别图像,还包括以下步骤:

s1,获取来自固定源扬尘采集点的待识别图像,在空间域中进行分解域变换,使图像信息分解到的多个尺度空间中;

s2,利用空间域梯度算子进行待识别图像的边缘检测;

s3,在图像变换域中,利用小波进行待识别图像的边缘检测;

s4,提取空间域和变换域中边缘检测获取的待识别图像的特征向量;

s5,利用人工神经网络进行模式识别,将固定源扬尘类别样本进行离线训练,确定权值,与s4获得的特征向量进行运算,实现待识别图像的识别。

所述s1中的分解域变换采用小波多尺度分解域变换。

所述s2中的梯度算子采用高斯拉普拉斯算子。

所述s3中的边缘检测结果采用链表进行记录。

所述s4中的特征向量采用统计特征。

以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。



技术特征:

1.一种固定源扬尘类别识别的方法,包括固定源扬尘类别样本、待识别图像,其特征在于,还包括以下步骤:

s1,获取来自固定源扬尘采集点的待识别图像,在空间域中进行分解域变换,使图像信息分解到的多个尺度空间中;

s2,利用空间域梯度算子进行待识别图像的边缘检测;

s3,在图像变换域中,利用小波进行待识别图像的边缘检测;

s4,提取空间域和变换域中边缘检测获取的待识别图像的特征向量;

s5,利用人工神经网络进行模式识别,将固定源扬尘类别样本进行离线训练,确定权值,与s4获得的特征向量进行运算,实现待识别图像的识别。

2.根据权利要求1所述的一种固定源扬尘类别识别的方法,其特征在于,所述s1中的分解域变换采用小波多尺度分解域变换。

3.根据权利要求1所述的一种固定源扬尘类别识别的方法,其特征在于,所述s2中的梯度算子采用高斯拉普拉斯算子。

4.根据权利要求1所述的一种固定源扬尘类别识别的方法,其特征在于,所述s3中的边缘检测结果采用链表进行记录。

5.根据权利要求1所述的一种固定源扬尘类别识别的方法,其特征在于,所述s4中的特征向量采用统计特征。


技术总结
本发明公开了一种固定源扬尘类别识别的方法,涉及固定源扬尘图像识别,包括固定源扬尘类别样本、待识别图像,还包括以下步骤:S1,获取来自固定源扬尘采集点的待识别图像,在空间域中进行分解域变换,使图像信息分解到的多个尺度空间中;S2,利用空间域梯度算子进行待识别图像的边缘检测;S3,在图像变换域中,利用小波进行待识别图像的边缘检测;S4,提取空间域和变换域中边缘检测获取的待识别图像的特征向量;S5,利用人工神经网络进行模式识别。本发明能够有效提取固定源扬尘背景的外部边缘,作为理想的特征;能够依据空间域和变换域双重检测,提高检测精度。

技术研发人员:朱姝
受保护的技术使用者:朱姝
技术研发日:2018.05.21
技术公布日:2019.11.29
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1