图像识别技术2课件

《图像识别技术2课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第六章图像识别与处理技术授课老师：蒙自明物理与光电工程学院mengzm@gdut.edu.cn1图像识别技术应用案例图像型火灾烟检测技术2图像型火灾烟检测技术背景传统的感烟、感温、感光检测器在开放空间、大面积的室外环境（高大空间建筑、大规模森林）都无法有效发挥作用。以火灾烟作为对象，比起以火焰作为对象，更能在火灾的早期发现火灾。3模式识别系统的基本构成4采用序列图像（多幅图像）进行分析和识别更容易把运动物体从静止场景中分离在低信噪比下提取更多的信息567烟图像的累积动态数据处理为了减少处理的图像数据量，更好地消除图像的噪声，得到烟动态轮廓的大致位置。需要对图像进行差分和累积平滑处理。背景图像

2、差分图像累积平滑处理8图像的分割把图像中具有不同特征的对象提取出来。阈值化处理最大方差法，双峰法，迭代法9不同图像分割方法的效果原图直方图最大方差法双峰法迭代法二值化10统计模式识别基本原理是：有相似性的样本在模式空间中互相接近，并形成“集团”，即“物以类聚”。模式向量x分到哪一个模式类w，并且错误率最小。分类的方法主要是建立在统计决策理论的基础上，使用决策函数（使用统计函数的方法）。11特征提取和选择特征选择：火灾烟图像区域的灰度变化范围大火灾烟图像区域面积增长火灾烟图像区域形状有相似性避免外部飘来的烟尘的干扰12假设背景图像中每一个像素点都看成是一个高斯分布，使用高斯分布模型来表征图像上

3、每一个像素点的灰度变化范围。若某时刻待识别图像某像素点的灰度值与背景图像的期望值之差小于3si，则说明该像素点是背景点，否则是烟目标点。分类器的设计（训练过程）背景图像像素的期望和方差待识别图像某像素与背景期望的判断函数对有烟和无烟图像进行训练判断13分类器的设计（训练过程）火灾烟图像面积增长：统计不同时间段里图像灰度亮点（灰度值与背景期望差值的绝对值大于3s）的数目是否增加。火灾烟图像形状有相似性：比较序列图像中相邻帧图像的差别。14分类器的设计（训练过程）总的系统流程15参考文献徐鹏“基于统计模式识别的早期火灾检测算法研究”沈阳理工大学硕士学位论文2009年。16