[發(fā)明專利]一種基于PCA的SVM云微粒子優(yōu)化分類識別方法

有效

• 申請?zhí)枺?/td>: 202010460233.5
• 申請日: 2020-05-27
• 公開（公告）號: CN111898627B
• 公開（公告）日: 2021-06-15
• 發(fā)明（設計）人: 劉說;趙德龍;吳澤培;楊玲;何暉;黃夢宇;周嵬;丁德平;陳青青
• 申請（專利權）人: 成都信息工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06K9/38
• 代理公司: 成都拓荒者知識產(chǎn)權代理有限公司 51254
• 代理人: 楊爭華

本發(fā)明涉及一種基于PCA的SVM云微粒子優(yōu)化分類識別方法，主要包括首先對CPI圖像進行云微粒子分割，然后對分割后的云微粒子圖像進行去標注，接著基于PCA降維的SVM云微粒子圖像分類識別，由于現(xiàn)有方法中缺乏對CPI云微粒子原始數(shù)據(jù)的針對性預處理，通過該方法可有效的對云微粒子分類，并識別破碎冰晶粒子圖片。

技術領域

本發(fā)明屬于云微粒子形態(tài)分類領域,尤其涉及基于人工智能算法對機載CPI 探測的冰晶粒子圖像的快速、高效的冰晶形態(tài)識別分類。

背景技術

圖像分類識別技術是人工智能的一個重要領域。它是指對圖像進行對象分 類,以識別各種不同模式的目標和對像的技術。圖像分類識別技術發(fā)展主要經(jīng)歷 了三個階段:數(shù)字文字識別階段(始于1950年)、數(shù)字圖像處理與識別階段(始于 二十世紀六十年代末)、自然圖像識別階段(始于1970年)、總的來說圖像識別技 術已經(jīng)有了半個多世紀的發(fā)展歷程了,其被廣泛運用于軍事、醫(yī)學、氣象、交通、 農(nóng)業(yè)、測繪等廣泛領域。

機載云粒子成像儀(Cloud Particle Imager,CPI)主要由粒子檢測系統(tǒng)(Particle Detection System，PDS)、成像激光器、數(shù)碼工業(yè)相機和數(shù)據(jù)信息系統(tǒng)組成.基本 原理為利用PDS的兩個連續(xù)波激光二極管垂直交叉照射，交點定義為儀器的樣 品體積,當粒子通過交叉點,成像激光器被脈沖化且粒子圖像被投射在數(shù)碼相機電 荷耦合器件(Charge Coupled Device,CCD)上。同時粒子圖像從CCD實時提取 與發(fā)送并在系統(tǒng)主處理器上進行顯示和儲存。CPI相對于其他光學成像儀器具有 高速處理圖片(每秒最高可達400幀)和高分辨率的特點(2.3um/像素)。同時CPI 還具有抗壓力與抗低溫的特點。CPI的特點適應于高空探測的惡劣環(huán)境，同時探 測的高分辨率圖像也適用于圖像處理領域。然而如何快速、準確的將機載CPI探 測器獲取到的海量云微粒子數(shù)據(jù)進行分類識別，仍然是亟待解決的問題，因此， 我們依靠北京氣象局的飛機所采集的大量CPI數(shù)據(jù)，研究了基于PCA的SVM云微粒子分類識別方法。

在圖像分類識別技術當中，決策樹方法、隨機森林集成方法、支持向量機方 法、基于神經(jīng)網(wǎng)絡類方法等，在零件精密儀器的檢測，人臉、車牌識別，腫瘤檢 測等領域都被廣泛使用，但是，在對CPI云微粒子分類上應用較少。并且，各類 方法基本都是基于CPI云微粒子原始數(shù)據(jù)進行訓練學習，而這些原始數(shù)據(jù)一般 都存在較大的噪聲，現(xiàn)有方法缺乏對CPI云微粒子原始數(shù)據(jù)的針對性預處理也 是一大問題。此外，目前還沒有對云微粒子形態(tài)多分類和識別破碎冰晶粒子圖片 的相關方法，這一問題亟待解決。

發(fā)明內(nèi)容

本發(fā)明針對上述現(xiàn)有技術的不足，提出了一種基于PCA的SVM云微粒子 優(yōu)化分類識別方法，包括以下步驟：

步驟1：對CPI圖像進行云微粒子分割，包括：

步驟1.1：對CPI圖像進行灰度化處理，具體方法為將RGB三通道CPI圖像轉(zhuǎn) 化為單通道灰度圖像；

步驟1.2：將CPI灰度圖像二值化，首先抽取CPI灰度化圖像中a幅云微粒子圖 像I_p，對a幅I_p圖像中像素值按灰度值大小從大到小排序，選取灰度值最大的b 個像素點，計算其灰度均值avg(I_p)，然后與背景圖像灰度值均值avg(I_bg)進行 比較，計算出定閾值Th，其中背景圖像I_bg為選擇的I_p圖像的相鄰的c×c非云微 粒子圖像區(qū)域，最后根據(jù)閾值Th將CPI灰度圖像二值化，閾值Th計算方法為：

Th＝α·(avg(I_p)-avg(I_bg))，其中變量α∈[0.9,1]；

步驟1.3：將CPI二值圖像填補孔洞，具體方法為：對CPI二值圖像進行形態(tài)學 處理,對應的參數(shù)設置為，膨脹矩陣選擇的是的正方形結構元素,腐蝕 矩陣選擇的是的單位矩陣結構元素；