一种基于改进Prewitt算子的火灾复杂环境图像检测方法.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CN108734716A(43)申请公布日2018.11.02(21)申请号201810362964.9(22)申请日2018.04.21(71)申请人卞家福地址638500四川省广安市广安区石笋镇银桥村7组3号(72)发明人刘胜贵(51)Int.Cl.G06T7/13(2017.01)G06T7/12(2017.01)G06T5/30(2006.01)G06T5/00(2006.01)G06T7/136(2017.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于改进Prewitt算子的火灾复杂环境图像检测方法(57)摘要本发明请求保护一种基于改进Prewitt算子的火灾复杂环境图像检测方法，其包括：S1、利用形态学平滑算法对模拟火灾复杂环境图像进行滤波、保留边缘信息并去除噪声；S2、计算单一尺度下图像的形态学梯度、多尺度图像形态学梯度；S3、采用改进Prewitt算子边缘检测算子对多尺度形态学梯度图像进行边缘检测，得到模拟火灾复杂环境图像的边缘信息。CN108734716ACN108734716A权利要求书1/2页1.一种基于改进Prewitt算子的火灾复杂环境图像检测方法，其特征在于，包括以下步骤：S1、利用形态学平滑算法对模拟火灾复杂环境图像进行滤波、保留边缘信息并去除噪声，具体步骤为：采用形态学中的开运算处理，设结构元素为s1，定义开运算操作为：式中，F表示火灾复杂环境图像的集合，表示开运算操作，s表示结构元素，Θ表示图像F被结构元素s腐蚀，表示结构元素对图像F的膨胀；采用形态学中的闭运算处理，设结构元素为s2，定义闭运算操作为：式中，F表示火灾复杂环境图像的集合，·表示闭运算操作，s表示结构元素，Θ表示图像F被结构元素s腐蚀，表示结构元素对图像F的膨胀；S2、计算单一尺度下图像的形态学梯度；所述步骤S2使用如下公式计算单一尺度下图像的形态学梯度：其中，G(f)为单一尺度下图像的形态学梯度，f为滤除噪声后的空间目标图像，B为结构元，⊕和分别表示形态学处理中的膨胀运算和腐蚀运算；根据所述单一尺度下图像的形态学梯度，计算得到多尺度形态学梯度图像；使用如下所述的公式计算得到多尺度形态学梯度图像：其中，MG(f)为多尺度形态学梯度；Bi为第i个结构元，其尺寸为(2i+1)×(2i+1)；n为尺度数；确定多尺度形态学梯度图像中的极大值点的位置；使用过零点位置模板选取对应的形态学梯度边缘，并根据预设阈值去除伪边缘；使用高斯滤波器对所述多尺度形态学梯度图像进行低通滤波；使用Prewitt算子计算出所述多尺度形态学梯度图像在水平和竖直两个方向上的一阶导数；使用过零点检测方法检测出梯度图像中极值点所对应的位置；所述保留目标边缘的主干并去除边缘中的碎片包括：利用像素的连通性，将目标边缘分割成一个或多个连通部分；计算每个连通部分的面积，将面积小于预设第二阈值的连通部分去除；S3、采用改进Prewitt算子边缘检测算子对步骤S2的多尺度形态学梯度图像进行边缘检测，得到不规则火灾复杂环境图像的边缘信息，所述改进Prewitt算子边缘检测算子采用8模板Prewitt算法，主要为：把那些在邻域内灰度变化超过某个适当阈值的像素点当作边缘点；还在改进的Roberts边缘检测算子基础上添加了改进的Sobel算子，改进的Roberts边缘检测算子主要是所述改进的Sobel算子主要改进在：在传统Sobel算子垂直与水平两个方2CN108734716A权利要求书2/2页向的模板上，以45度为单位将垂直与水平模板均分成16个方向模板；所述步骤S3改进的Sobel算子主要改进在：在传统Sobel算子垂直与水平两个方向的模板上，以22.5度为单位将垂直与水平模板均分成16个方向模板体，具体包括：S31：边界是亮度级的梯度变化，边缘是梯度变化的位置，用梯度向量的大小和方向来表述这种变化，边缘用梯度向量的大小和方向来表述这种变化；梯度算子是一阶导数算子，图像f(x,y)在位置(i,j)的梯度定义为下列矢量：▽f的幅度值为：S32：Sobel算子用水平和竖直两个方向的模板与图像f(x,y)做卷积运算，以此近似计算(i,j)处的梯度值，可通过下列公式求解Gx和Gy的值：f(x,y)＝max{|Gx|,|Gy|}Gx＝f(i+1,j-1)+2f(i+1,j)+f(i+1,j+1)-f(i-1,j-1)-2f(i-1,j)-f(i-1,j+1)Gy＝f(i-1,j+1)+2f(i,j+1)+f(i+1,j+1)-f(i-1,j-1)-2f(i,j-1)-f(i+1,j-1)式中，Gx和Gy分别为水平方向和垂直方向的梯度值；S33：在传统Sobel算子的基础上，增加其他14个方向的模板，分别为