基于敏感图像识别预防水利灾害关键技术探究

《基于敏感图像识别预防水利灾害关键技术探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于敏感图像识别预防水利灾害关键技术探究摘要：敏感图像信息多以压缩格式存在、表现形式多样、缺乏统一定义等诸多因素影响着敏感信息识别速度和准确率的提高。针对这个问题，从压缩域图像处理及基于数据挖掘探寻识别规则两个角度出发，采用数据挖掘的方法，在大量的样本数据中探寻隐含的判决规则，并用于进行敏感图像的识别。关键词：敏感图像；压缩域；数据挖掘；多代价敏感决策树一、引言当前，由于各种自然灾害而导致的水利突发事件层出不穷，根据国家防汛抗旱总指挥部网站消息，去年南方水涝导致广西、福建、浙江等地50多条河流先后发生超警戒水位洪水，超警幅度0.01-5.67米，其中广西蒙江发生了超历史实测记录大洪水，福建

2、建溪支流南浦溪发生了超保证水位洪水。去年以来，洪水造成22个省（区、市）1823万人受灾,因灾死亡148人，失踪42人，农作物受灾1642千公顷，倒塌房屋6.78万间，直接经济损失299亿元，其中水利设施经济损失56亿元。与2000年以来同期相比，洪涝灾害直接经济损失偏多近2成。与此同时，在我国甘肃省却由于降水偏少，导致农作物受旱面积达970万亩，旱情造成71万人、65万头牲畜存在程度不同的饮水困难。随着各种自动监测技术在水利工程中的应用和深入扩展，各个决策部门的工作变得更加快捷和便利，同时，也生成了大量图像数据。要在这海量数据中即时获取有效信息是当前急需解决的关键技术之一，本文主要针对敏

3、感图像的自动快速识别技术进行研究，从而为决策部门预防水利灾害提供数据支持。二、敏感图像快速识别面临的挑战敏感图像识别对速度和准确率的追求是永无止境的。但是面临网络环境下的海量信息，同时信息内容又复杂多变，想要快速准确的识别敏感图像需要面临各方巨大的挑战。首先，各种水利系统中自动检测技术的应用都通过信息技术利用网络存储传输图像文件。［1］而网络环境下为寻求高存储率和高效率，对图像的本地存储和远程传输大多采取压缩技术。传统的敏感图像识别都是基于像素域进行的，因而针对压缩码流就必须先解压缩再进行识别，这样做虽然完成了识别图像的要求，但恰恰违背了网络环境下的核心优势，既增加各种负荷又缺乏灵活性及实

4、时高效性。其次，在各种水利系统的自动检测过程中生成的海量图像信息，由于拍摄点的环境、拍摄本身的角度、拍摄所处的背景和各种光照条件不同的限制，使得图像的表现形式呈多样性特点，很难找到统一特征进行准确、完整的表征描述。因此，提取哪些图像特征，及如何抽取各种鲁棒的敏感图像判决规则都是在网络环境下进行的，提高系统识别速度和准确率，从而提供数据决策支持是必须解决的重要问题。最后，敏感图像表现形式的多样性，以及针对图像敏感性，不同的部门、不同的用户有不同的主观理解和需求，没有完整统一的标准，因而很难通过经验简单确定需要提取何种合适特征，也很难判断图像的底层特征和高层语义之间的联系规则。所以如何适应终端

5、用户的主观需求是提高敏感图像识别准确率所要面临的又一大问题。三、敏感图像快速识别研究基于内容的敏感图像识别是一种综合利用图形图像处理技术和人工智能决策的方法。本文基于这一思想，不针对单幅图像进行详细分析，而是通过详细分析压缩码流特点，快速准确的在压缩域中提取图像多种特征；然后利用数据挖掘的方法探寻适合识别敏感图像的特征及潜在决策规则，利用获取的知识来建立识别模型并用于对其它图像进行判决；最后，在预先分类的数据库中检索与之匹配的图像，再根据匹配结果对图像进行判定，如图1所示。针对敏感图像识别，首先提取压缩图像的区域特征，进而分别利用颜色直方图、纹理及形状等特征在预定义类别的图像样本库中检索出

6、与待识别图像最匹配的若干幅图像，如果检索结果中敏感图像的数量超过一定的阈值，则认为待识别图像为客户需求的敏感图像。由于该方法的效果和样本库与检测方法密切相关，因而针对压缩图像如何构建完整的样本库和如何基于数据挖掘探寻识别规则，实现有效快速检测是本方法存在的两个主要问题，同时也是本文重点要解决的问题。四、敏感图像快速识别关键技术本文提出的压缩域检测方法分为模型库生成和图像检测两个阶段，在模型库生成阶段，首先对压缩码流进行炳解码然后从中提取颜色、纹理以及其它一些图像特征。接下来利用数据挖掘技术探寻这些特征与敏感图像判断结果之间的内在规律，同时建立相关模型。在检测阶段，首先从炳解码之后的数据中提

7、取与敏感图像模型相关的图像特征，并初步检测图像中的敏感区域，然后采用区域生长算法完成最终的检测，如图2所示。4.1模型库生成敏感图像识别是典型的模式识别问题，由于图像保真的需求造成数据量巨大，一种有效的方法是将图像信息通过特征提取从原始数据空间转换至特征空间，然后利用模式分类的方法对其识别。能够表征敏感图像的特征包括：基于区域颜色的特征、基于图像检索结果的特征、基于感兴趣区的特征以及图像全局颜色和纹理特征等。目前敏感图像