自适应火灾痕迹光谱图像分割方法及系统技术方案

本发明专利技术提供了一种自适应火灾痕迹光谱图像分割方法及系统，包括：采集多光谱图像；对图像进行维度转换；对图像进行维度拆分以获取多个灰度图，选取第一个维度的灰度图作为待分割灰度图；对灰度图进行图像增强、滤波、自适应的边缘检测及腐蚀膨胀；对灰度图进行轮廓查找与位置定位；对灰度图的分割结果进行检验，如果检验结果不合格，选择下一维度的灰度图作为待分割灰度图，重复上述步骤，判断灰度图是否分割成功；当分割循环至最后一个维度灰度图仍未分割成功时，调整自适应边缘检测值，重复上述步骤，直至图像分割检验结果合格。应用本发明专利技术的技术方案，以解决现有技术中图像分割效果不佳以及传统方法分割参数不能自适应调整的技术问题。术问题。术问题。

【技术实现步骤摘要】
自适应火灾痕迹光谱图像分割方法及系统


[0001]本专利技术涉及图像分割
，尤其涉及一种自适应火灾痕迹光谱图像分割方法及系统。

技术介绍

[0002]图像分割是图像分析与图像理解的第一步，是计算机视觉与图像处理中最基本的问题之一(YulongCai,SihengMi,JiahaoYan,HongPeng,XiaohuiLuo,QianYang,JunWang.Anunsupervisedsegmentationmethodbasedondynamic thresholdneuralPsystemsforcolorimages.InformationSciences.2022.)。近年来，图像分割在有效性和性能方面都取得了显著的进展(Liang
‑
ChiehChen,George Papandreou,IasonasKokkinos,KevinMurphy,andAlanLYuille.Semanticimage segmentationwithdeepconvolutionalnetsandfullyconnectedCRFs.InProc.InternationalConferenceonLearningRepresentations(ICLR),2015.)(Liang
‑
Chieh Chen,GeorgePapandreou,IasonasKokkinos,KevinMurphy,andAlanL.Yuille.Deeplab:Semanticimagesegmentationwithdeepconvolutionalnets,atrous convolution,andfullyconnectedcrfs.IEEETransactionsonPatternAnalysisand MachineIntelligence(TPAMI),2017.)(ZilongHuang,XinggangWang,Lichao Huang,ChangHuang,YunchaoWei,andWenyuLiu.Ccnet:Criss
‑
crossattentionfor semanticsegmentation.InProc.IEEEInternationalConferenceonComputerVision(ICCV),2019.)(JonathanLong,EvanShelhamer,andTrevorDarrell.Fully convolutionalnetworksforsemanticsegmentation.InProc.IEEEConferenceon ComputerVisionandPatternRecognition(CVPR),2015.)。然而，由于该任务被设计为只处理预定义的类集(例如，“汽车”，“人”)，分割模型很难处理未定义的类别或者相同类别不同纹理的目标(例如，“低光照环境下不同燃烧程度的火灾痕迹”,“暗光下同一张图片上人和影子”)。因此急需一种方法能够针对细粒度的场景进行准确分割。
[0003]不同类型的物或者物质具有不同的反射光谱，在多维光谱空间中构成不同的特征向量，这为我们进行图像处理图像分割提供了更多的数据支撑。然而随着拍摄环境复杂度的增加，高分辨率的多光谱图像数据和计算复杂性也随之增加，图像噪声影响、光谱混淆等现象更为突出，因此在复杂环境下，只是对可见光的rgb三通道颜色信息，使用传统的分割方法进行图像分析与图形分割效果不太理想。
[0004]传统的图像分割方法(PengHuang,QiZheng,ChaoLiang.Overviewofimage segmentationmethods.JournalofWuhanUniversity(SCIENCEEDITION),2020.(inChinese)黄鹏,郑淇,梁超.图像分割方法综述.武汉大学学报(理学版).2020.)(ElizaYingziDu,Chein
‑
IChang.Unsupervisedapproachtocolorvideo thresholding.InternationalConferenceonAcoustics,Speech,andSignalProcessing.2003.)(N.Senthilkumaran,R.Rajesh.Edgedetectiontechniquesforimage segmentation
–
asurveyofsoftcomputingapproaches.InternationalJournalof RecentTrendsinEngineering.2009.)(PedroF.Felzenszwalb,Dan
ielP.Huttenlocher.Efficientgraph
‑
basedimagesegmentation.Int.J.Comput.Vision.2004.)(TaoLei,XiaohongJia,YanningZhang,LifengHe,HongyingMeng,Asoke K.Nandi.Significantlyfastandrobustfuzzyc
‑
meansclusteringalgorithmbasedon morphologicalreconstructionandmembershipfiltering.IEEETrans.FuzzySyst.2018.)(YiningDeng,B.S.Manjunath.Unsupervisedsegmentationofcolor
‑
texture regionsinimagesandvideo.IEEETrans.PatternAnal.Mach.Intell.2001.)(Haifeng Sima,PingGuo,YoufengZou,ZhihengWang,MingliangXu.Bottom
‑
upmerging segmentationforcolorimageswithcomplexareas.IEEETrans.Syst.ManCybern.Syst.2018.)通过人为设定的某种规则来实现图像的分割，对同一张图像的多次分割结果通常是确定的。其规则的确定通常有两个步骤，即先在理论上论证该规则的合理性，再通过分割结果进一步验证其有效性。
[0005]随着深度学习的发展，计算机视觉领域的研究者逐渐将卷积神经网络作为图像处理的主要手段。卷积神经网络(ConvolutionalNeuralNetwork,CNN)模型可以充分学习并理解图像的语义信息，可以较好的实现图像的语义级分割(HyeonwooNoh,SeunghoonHong,andBohyungHan.Learningdeconvolution networkforsemanticsegmentation.InProc.IEEEInternationalConferenceon Com本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂光照环境下的自适应火灾痕迹光谱图像分割方法，其特征在于，所述复杂光照环境下的自适应火灾痕迹光谱图像分割方法包括：步骤一，采集火灾痕迹样品的多光谱图像；步骤二，对采集到的所述火灾痕迹样品的多光谱图像进行维度转换；步骤三，将维度转换后的多光谱图像进行维度拆分以获取多个灰度图，从多个所述灰度图中选取第一个维度的灰度图作为待分割灰度图；步骤四，对所述待分割灰度图进行图像增强；步骤五，对图像增强后的灰度图进行滤波；步骤六，对滤波后的灰度图进行自适应的边缘检测；步骤七，对边缘检测后的灰度图进行腐蚀膨胀，完成灰度图的基本分割；步骤八，对分割完成后的灰度图进行轮廓查找与位置定位；步骤九，对灰度图的分割结果进行检验，如果所述灰度图的分割检验结果合格，认为图像分割成功，完成复杂光照环境下的自适应火灾痕迹光谱图像分割；如果所述灰度图的分割检验结果不合格，转回所述步骤三，选择下一维度的灰度图作为待分割灰度图，重复所述步骤三至所述步骤九，判断灰度图是否分割成功；步骤十，当灰度图分割成功时，完成复杂光照环境下的自适应火灾痕迹光谱图像分割；当分割循环至最后一个维度灰度图仍未分割成功时，返回所述步骤三，调整自适应边缘检测值，进行下一轮第一个维度的灰度图分割，重复所述步骤三至所述步骤十，直至某一维度的灰度图的分割检验结果合格，认为图像分割成功，完成复杂光照环境下的自适应火灾痕迹光谱图像分割。2.根据权利要求1所述的复杂光照环境下的自适应火灾痕迹光谱图像分割方法，其特征在于，在所述步骤六中，调用OpenCV中的阈值边缘检测模块对滤波后的灰度图进行自适应的边缘检测，阈值thresh可根据thresh＝mean(img_i)/det_th计算获取，其中，mean(img_i)为灰度图均值，det_th为自适应边缘检测值。3.根据权利要求2所述的复杂光照环境下的自适应火灾痕迹光谱图像分割方法，其特征在于，在所述步骤九中，对灰度图的分割结果进行检验，若所述待分割灰度图的分割区域数量...

【专利技术属性】
技术研发人员：李绰，王天鹤，周志远，张晨，赵安娜，潘建旋，李硕祉，张云昊，刘鑫，赵帅，姜洪妍，王才喜，
申请(专利权)人：天津津航技术物理研究所，
类型：发明
国别省市：