您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (1): 35-40.doi: 10.6040/j.issn.1672-3961.1.2013.292

• 机器学习与数据挖掘 • 上一篇    下一篇

基于差分盒维数的彩色烟雾图像识别

于海晶1,2, 李桂菊1*   

  1. 1.中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033;
    2.中国科学院研究生院, 北京 100039
  • 收稿日期:2012-12-02 出版日期:2014-02-20 发布日期:2012-12-02
  • 通讯作者: 李桂菊(1964-),女,吉林吉林人,研究员,博导,主要研究方向为目标识别与跟踪.E-mail: lgjciom666@126.com E-mail:lgjciom666@126.com
  • 作者简介:于海晶(1988- ),女,吉林松原人,硕士研究生,主要研究方向为图像处理及分形理论.E-mail: 1157589789@qq.cm
  • 基金资助:

    国家自然科学基金资助项目(61172111)

Color smoke image recognition based on differential box-counting fractal dimension algorithm

YU Hai-jing1,2,  LI Gui-ju1*   

  1. 1. Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China;
     2. Graduate University of Chinese Academy of Science, Beijing 100039, China
  • Received:2012-12-02 Online:2014-02-20 Published:2012-12-02

摘要:

提出了利用差分盒维数与颜色特征相结合的图像识别方法来将彩色烟雾图像从森林背景中识别出来。该方法首先用差分盒维数算法来计算整幅图像的分形维数值并基于该值对图像进行分割,再以RGB空间的烟雾颜色特征为依据,对差分盒维数方法分割出的区域进行判别,识别出烟雾区域。为改善算法的计算精度,提高算法运算速度,提出了减少子窗口内盒子的覆盖数量、改变子窗口内灰度等级的改进算法。仿真实验结果表明,基于改进的差分盒维数方法,不仅运算速度提高近50%,而且能够更好地反映图像表面的纹理信息。再结合颜色特征能从森林背景中准确的识别出烟雾。该方法可用于森林火灾的预警。

关键词: 烟雾识别, 差分盒维数, 分形, 目标识别, 图像分割, 特征提取

Abstract:

The smoke recognition method was proposed which used the differential box-counting fractal dimension combined with the color feature, in order to effectively identify the smoke from the forest background in color image. First, differential box dimension algorithm was used to calculate the fractal dimension value of the whole image. Second, based on the value of the image segmentation and smoke color characteristics in RGB color space, smoke region was recognized according to the split of differential box counting method regional discrimination. The algorithm reduced the number of sub-window within the coverage of the box to improve the accuracy of algorithm calculation and the speed of arithmetic operation. The changed gradation within the sub-window was proposed. The results showed that the improved differential box counting method, combined with color feature technique could accurately identify the smoke. The surface texture information was better reflected in the image and the speed of calculation is increased by nearly 50%.This method can be used for early warning of forest fires.

Key words: fractal, feature extraction, differential boxcounting, image segmentation, smoke identifieation, object recognition

[1] 王国新,陈凤东,刘国栋. 基于彩色伪随机编码结构光特征提取方法[J]. 山东大学学报(工学版), 2018, 48(5): 55-60.
[2] 黄劲潮. 基于快速区域建议网络的图像多目标分割算法[J]. 山东大学学报(工学版), 2018, 48(4): 20-26.
[3] 叶子云,杨金锋. 一种基于加权图模型的手指静脉识别方法[J]. 山东大学学报(工学版), 2018, 48(3): 103-109.
[4] 丁筱玲,赵强,李贻斌,马昕. 基于模板匹配的改进型目标识别算法[J]. 山东大学学报(工学版), 2018, 48(2): 1-7.
[5] 张振月,李斐,江铭炎. 基于低秩表示投影的无监督人脸特征提取[J]. 山东大学学报(工学版), 2018, 48(1): 15-20.
[6] 胡金戈,唐雁. 基于视觉中心转移的视觉显著性检测方法[J]. 山东大学学报(工学版), 2017, 47(3): 27-33.
[7] 李璐,范文涛,杜吉祥. 基于Markov随机场的Student's t混合模型的脑MR图像分割[J]. 山东大学学报(工学版), 2017, 47(3): 49-55.
[8] 于青民,李晓磊,翟勇. 基于改进EMD和数据分箱的轴承内圈故障特征提取方法[J]. 山东大学学报(工学版), 2017, 47(3): 89-95.
[9] 郭超,杨燕,江永全,宋祎. 基于多视图分类集成的高铁工况识别[J]. 山东大学学报(工学版), 2017, 47(1): 7-14.
[10] 钟智彦,文志强, 张潇云,叶德刚. 基于半色调图像的邻域相似性描述子方法[J]. 山东大学学报(工学版), 2016, 46(3): 58-64.
[11] 樊淑炎, 丁世飞. 基于多尺度的改进Graph cut算法[J]. 山东大学学报(工学版), 2016, 46(1): 28-33.
[12] 卢丹, 周以齐. 基于EEMD和CWT的挖掘机座椅振动分析[J]. 山东大学学报(工学版), 2015, 45(3): 58-64.
[13] 戚世乐,王美清. 自适应分割弱边缘的活动轮廓模型[J]. 山东大学学报(工学版), 2013, 43(6): 17-20.
[14] 管燕,李存华*,仲兆满,孙兰兰. 化学分子结构图分割算法[J]. 山东大学学报(工学版), 2012, 42(5): 65-70.
[15] 李慧1,2,胡云1,3,李存华1. 基于粗糙集理论的瓦斯灾害信息特征提取技术[J]. 山东大学学报(工学版), 2012, 42(5): 91-95.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!