[發明專利]一種基于改進Prewitt算子的火災復雜環境圖像檢測方法

在審

• 申請號: 201810362964.9
• 申請日: 2018-04-21
• 公開（公告）號: CN108734716A
• 公開（公告）日: 2018-11-02
• 發明（設計）人: 劉勝貴
• 申請（專利權）人: 卞家福
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/12;G06T5/30;G06T5/00;G06T7/136
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明請求保護一種基于改進Prewitt算子的火災復雜環境圖像檢測方法，其包括：S1、利用形態學平滑算法對模擬火災復雜環境圖像進行濾波、保留邊緣信息并去除噪聲；S2、計算單一尺度下圖像的形態學梯度、多尺度圖像形態學梯度；S3、采用改進Prewitt算子邊緣檢測算子對多尺度形態學梯度圖像進行邊緣檢測，得到模擬火災復雜環境圖像的邊緣信息。

技術領域

本發明屬于工廠設備控制技術領域，尤其涉及一種改進Prewitt算子的火災復雜環境圖像檢測方法。

背景技術

圖像邊緣檢測技術主要應用于監控和門禁設施當中，進行道路交通的管制或汽車門禁的監控。現在逐步運用在工廠的自動化控制系統中，對于工廠中大量貨物的碼放，現有的方法是人工碼放，耗時耗力，需要對碼放圖像進行邊緣檢測，才能達到自動化碼放。

此外，圖像邊緣檢測技術同攝像頭采樣技術、數模轉換技術、接口技術一樣是是安防系統的核心技術之一，有著深厚的研究基礎，自1965年至今的近50年里，有許多國內外學者對其進行研究，并在不同領域取得很多成果。邊緣檢測算法的種類較多，可分為傳統算法和新興算法。傳統算法有：Sobel算子、Prewitt算子、LOG算子、laplacian算子和Canny算子等。傳統算法大都基于數學運算實現，要么抗噪性能差，要么邊緣檢測的精度不高。新興的邊緣檢測算法的研究常與其他學科有所交叉，在工程方面有：基于小波分析和小波包的邊緣檢測方法、基于模糊理論的邊緣檢測方法、基于神經網絡的分割方法等，在機器視覺和人工智能等領域有：基于數學形態學的邊緣檢測方法、自組織聚類法、遺傳算法等。隨著研究的深入，發現Roberts算子的檢測精度高，因此有部分采用Roberts算子來進行邊緣檢測，比如專利號為201510172635.4(名稱：基于Roberts算子的圖像邊緣檢測方法)，本方法相較于現有技術對于圖像邊緣檢測的精度和抗噪能力得以提高，但是存在在復雜噪聲環境下不能依然有較好的識別，并且魯棒性較差的問題。傳統的Roberts邊緣檢測算子邊緣定位準，但是對噪聲敏感。適用于邊緣明顯且噪聲較少的圖像分割。Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子,Robert算子圖像處理后結果邊緣不是很平滑。經分析，由于Robert算子通常會在圖像邊緣附近的區域內產生較寬的響應，在復雜環境比如火災環境下圖像識別的精確度就較低，因此需要做出改進，而本發明是結合改進的Prewitt算子的檢測方法。

發明內容

本發明旨在解決以上現有技術的問題。提出了一種自動化控制度高、提高圖像識別精確度、在復雜環境下仍然能有較高魯棒性的基于改進Prewitt算子的火災復雜環境圖像檢測方法。

本發明的技術方案如下：

一種基于改進Prewitt算子的火災復雜環境圖像檢測方法，其包括以下步驟：S1、利用形態學平滑算法對模擬火災復雜環境圖像進行濾波、保留邊緣信息并去除噪聲，具體步驟為：采用形態學中的開運算處理，設結構元素為s₁，定義開運算操作為：

式中，F表示火災復雜環境圖像的集合，表示開運算操作，s表示結構元素，Θ表示圖像F被結構元素s腐蝕，表示結構元素對圖像F的膨脹；采用形態學中的閉運算處理，設結構元素為s₂，定義閉運算操作為：

式中，F表示火災復雜環境圖像的集合，·表示閉運算操作，s表示結構元素，Θ表示圖像F被結構元素s腐蝕，表示結構元素對圖像F的膨脹；

S2、計算單一尺度下圖像的形態學梯度；所述步驟S2使用如下公式計算單一尺度下圖像的形態學梯度：

G(f)＝(f⊕B)-(fΘB)；

其中，G(f)為單一尺度下圖像的形態學梯度，f為濾除噪聲后的空間目標圖像，B為結構元，⊕和Θ分別表示形態學處理中的膨脹運算和腐蝕運算；