[發(fā)明專利]基于圖像智能分析的山火檢測方法

在審

• 申請?zhí)枺?/td>: 201410853102.8
• 申請日: 2014-12-31
• 公開（公告）號: CN104573719A
• 公開（公告）日: 2015-04-29
• 發(fā)明（設(shè)計）人: 姚楠;羅旺;郭雅娟;洪功義;張?zhí)毂?/a>
• 申請（專利權(quán)）人: 國家電網(wǎng)公司;江蘇省電力公司;江蘇省電力公司電力科學(xué)研究院;南京南瑞信息通信科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

1.一種基于圖像智能分析的山火檢測方法，其特征是，包括以下步驟：

(1)訓(xùn)練階段，該階段分為以下三個步驟：

步驟一、構(gòu)建數(shù)據(jù)庫：從網(wǎng)上搜集關(guān)于山火的圖片，用手工標(biāo)注的方法標(biāo)定山火的位置，并標(biāo)注每張圖片的類別；

步驟二、SLIC得到超像素：給定一張訓(xùn)練圖片，用SLIC的方法提取圖像的超像素，針對每個超像素塊，找到其中標(biāo)定為山火的像素的個數(shù)，如果其與超像素塊總數(shù)的比例大于0.7，則將該超像素塊設(shè)定為山火的正樣本，否則，設(shè)定為山火的負(fù)樣本；

步驟三、訓(xùn)練顏色特征的聚類中心：針對每一張訓(xùn)練圖片，提取每一個像素的顏色特征，如公式(1)：

F_c＝[r,g,b₁,r-g,g-b₁,l,a,b₂]?????(1)

其中，r代表RGB顏色空間中紅色通道，g代表RGB顏色空間中綠色通道，b₁代表RGB顏色空間中藍(lán)色通道，r-g代表RGB顏色空間中紅色通道與綠色通道的差值，g-b₁代表RGB顏色空間中綠色通道與藍(lán)色通道的差值，l代表亮度，a代表在紅色和綠色之間的位置，b₂代表在黃色和藍(lán)色之間的位置，

從訓(xùn)練圖片的所有像素的顏色特征中隨機(jī)選取多個顏色特征，用KMEANS方法進(jìn)行聚類；

步驟四、訓(xùn)練紋理特征的聚類中心：針對每一張訓(xùn)練圖片，將圖片分為4*4的塊，每個塊的間隔設(shè)為4個像素，從每個小塊中提取紋理特征，從訓(xùn)練圖片的所有小塊對應(yīng)的紋理特征中隨機(jī)選取多個特征，用KMEANS方法進(jìn)行聚類；

步驟五、得到顏色特征的直方圖：給定一張訓(xùn)練圖片，首先用SLIC的方法將圖片分為多個超像素，每個超像素的每個像素提取步驟三的顏色特征，針對每個顏色特征，用步驟三訓(xùn)練的顏色特征聚類中心找到與之最接近的顏色聚類中心，用此顏色聚類中心代表該顏色特征，統(tǒng)計所有顏色聚類中心在該超像素出現(xiàn)的次數(shù)，得到顏色特征的直方圖；

步驟六、得到紋理特征的直方圖：給定一張訓(xùn)練圖片，得到SLIC生成的超像素，將每個超像素分為4*4的小塊，每個塊的間隔設(shè)為4個像素，從每個小塊中提取紋理特征，用步驟四訓(xùn)練的紋理特征聚類中心找到與該紋理特征最靠近的紋理聚類中心，用此紋理聚類中心代表該紋理特征，統(tǒng)計所有紋理聚類中心在該超像素出現(xiàn)的次數(shù)，得到紋理特征的直方圖；

步驟七、訓(xùn)練RBF核的SVM：將步驟五生成的顏色特征直方圖與步驟六生成的紋理特征直方圖串聯(lián)起來，作為超像素的特征，給定山火的正樣本和負(fù)樣本，對每一個樣本對應(yīng)的超像素，提取其顏色和紋理特征，訓(xùn)練RBF核的SVM訓(xùn)練器，如公式(2)：

g(x)=Σi=1naiyiK(xix)+b---(2)]]>

其中，x為超像素塊串聯(lián)起來的顏色和紋理直方圖，n代表的是訓(xùn)練樣本的總數(shù)，y代表的是樣本的類別，a和b均為常數(shù)，K代表的是核函數(shù)；

(2)測試階段，該階段分為以下三個步驟：

步驟一、SLIC得到超像素：給定一張測試圖片，首先用SLIC的方法生成多個超像素，將SLIC的規(guī)范化閾值設(shè)定為0.01，使得超像素的邊緣吻合目標(biāo)的邊緣；

步驟二、得到顏色聚類中心的直方圖：針對每個超像素，提取每個像素的顏色特征，用訓(xùn)練階段中步驟三訓(xùn)練的顏色聚類中心找到與該顏色特征最接近的顏色聚類中心，用此聚類中心表示該顏色特征，統(tǒng)計超像素區(qū)域內(nèi)所有顏色聚類中心出現(xiàn)的次數(shù)，得到顏色聚類中心的直方圖；

步驟三、得到紋理聚類中心的直方圖：給定一個超像素區(qū)域，將超像素分為4*4的規(guī)范化小塊，每個小塊的間距為4個像素，從每個小塊提取紋理特征，從訓(xùn)練步驟四訓(xùn)練得到的紋理聚類中心找到與該紋理特征最靠近的紋理聚類中心，用此聚類中心表示該紋理特征，統(tǒng)計超像素區(qū)域內(nèi)所有紋理聚類中心出現(xiàn)的次數(shù)，得到紋理聚類中心的直方圖；

步驟四、用訓(xùn)練的RBF核的SVM分類器對特征分類：將步驟二和步驟三的直方圖串聯(lián)起來表示超像素區(qū)域的特征，用訓(xùn)練的RBF核的SVM分類器對該特征進(jìn)行分類，得到超像素屬于山火的概率；

步驟五、對山火待定區(qū)域后處理：將概率小于0.3的區(qū)域設(shè)定為非山火確定區(qū)域，將概率大于0.7的區(qū)域設(shè)定為山火確定區(qū)域，其余部分為山火待定區(qū)域，針對分為山火待定區(qū)域的每個超像素塊，統(tǒng)計其周圍分為山火確定區(qū)域和非山火確定區(qū)域的超像素的個數(shù)，若山火確定區(qū)域超像素個數(shù)大于非山火確定區(qū)域超像素的個數(shù)，則將該山火待定區(qū)域分為山火確定區(qū)域。