基于灰色综合关联度的火灾图像模糊隶属度识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114220046A(43)申请公布日2022.03.22(21)申请号202111414904.5(22)申请日2021.11.25(71)申请人中国民用航空飞行学院地址618307四川省德阳市广汉市南昌路四段46号(72)发明人李海寇月刘全义熊升华任可郭湘川(74)专利代理机构成都东恒知盛知识产权代理事务所(特殊普通合伙)51304代理人何健雄(51)Int.Cl.G06V20/40(2022.01)G06V10/56(2022.01)权利要求书3页说明书11页附图4页(54)发明名称基于灰色综合关联度的火灾图像模糊隶属度识别方法(57)摘要本发明涉及火灾图像处理技术领域，涉及一种基于灰色综合关联度的火灾图像模糊隶属度识别方法，包括：1、读入待检图像和常规图像，对常规图像进行偏色因子提取，判断常规图像类别，同时确定相应的阈值大小；2、对待检图像和常规图像的偏色因子方差进行罗曼洛夫斯基准则优化和区间值化算子数据优化，并对数据进行归一的预处理，同时生成待检图像偏色因子向量和常规图像偏色因子向量；3、根据相对关联度、接近关联度及最小二乘灰色关联度求解方法，求取综合灰色关联度；4、基于最大隶属度原则判断待检图像是否为火灾图像。本发明较佳地提高火灾现场救援过程目标识别的准确度。CN114220046ACN114220046A权利要求书1/3页1.基于灰色综合关联度的火灾图像模糊隶属度识别方法，其特征在于：包括以下步骤：1)、读入待检图像和常规图像，对RGB色彩空间内的常规图像f(x,y)RGB进行偏色因子提取，根据kr、kg、kb的关系判断常规图像类别，同时确定相应的阈值大小；2)、对待检图像和常规图像的偏色因子方差Var数据进行罗曼洛夫斯基准则优化和区间值化算子数据优化，并对数据进行归一的预处理，同时生成待检图像偏色因子向量和常规图像偏色因子向量；3)、基于待检图像偏色因子向量和常规图像偏色因子向量，根据相对关联度、接近关联度及最小二乘灰色关联度求解方法，求取综合灰色关联度；4)、根据图像类型确定的阈值大小，结合隶属度函数求解代价图像隶属度值，基于最大隶属度原则判断待检图像是否为火灾图像。2.根据权利要求1所述的基于灰色综合关联度的火灾图像模糊隶属度识别方法，其特征在于：偏色因子及其方差var计算方法为：2CN114220046A权利要求书2/3页其中dr、dg、db为RGB图像各个分量信息的平均值，M、N为图像的像素维数；mr、mg、mb为RGB图像各个分量信息偏色平均值；kr、kg、kb均为三个分量偏色因子，var为偏色因子方差。3.根据权利要求2所述的基于灰色综合关联度的火灾图像模糊隶属度识别方法，其特征在于：根据kr、kg、kb的关系判断常规图像类别的方法为：当kr>kg且kr>kb时常规图像为红色类、当kg>kr且kg>kb时常规图像为绿色类，当kb>kr且kb>kg时常规图像为蓝色类。4.根据权利要求3所述的基于灰色综合关联度的火灾图像模糊隶属度识别方法，其特征在于：罗曼洛夫斯基准则优化方法为：设对某量作多次等精度测量，得x1,x2,x3,…，xn，若认为测量值xi为可疑数据，则将其剔除后计算平均值，计算公式如下：并求得测量列的标准差σ，计算公式如下：根据测量次数n和选取的显著度α，即可由查表得到t分布的检验系数K(n,α)；若则认为测量值xi含有粗大误差，剔除x是正确的；否则认为xi不含有粗大误差，应予以保留。5.根据权利要求4所述的基于灰色综合关联度的火灾图像模糊隶属度识别方法，其特征在于：区间值化算子计算方法为：选择[0,1]区间值化算子，设对某量作多次等精度测量，得xi＝(xi(1),xi(2),…，xi(n))，[0,1]区间化算子的计算公式如下：6.根据权利要求5所述的基于灰色综合关联度的火灾图像模糊隶属度识别方法，其特征在于：相对关联度γij计算方法为：a、求Xi,Xj初值像，得：b、求X′0、X′1的始点零化像，得：3CN114220046A权利要求书3/3页c、求参数|S′i|，|S′j|，|S′i‑S′j|：d、计算灰色相对关联度γij：接近关联度计算方法为：A、求参数|Si‑Sj|，得：B、计算灰色接近关联度εij：最小二乘灰色关联度计算方法为：综合灰色关联度算子集结相对关联度和接近关联度，灰色综合关联度ωij的计算公式如下：ωij＝θγij+(1‑θ)εij,θ∈[0,1]θ表示权重。4CN114220046A说明书1/11页基于灰色综合关联度的火灾图像模糊隶属度识别方法技术领域[0001]本发明涉及火灾图像处理技术领域，具体地说，涉及一种基于灰色综合关联度的火灾图像模糊隶属度识别方法。背景技术[0002]火灾作为最常