一种固定源扬尘类别识别的方法技术

本发明专利技术公开了一种固定源扬尘类别识别的方法，涉及固定源扬尘图像识别，包括固定源扬尘类别样本、待识别图像，还包括以下步骤：S1，获取来自固定源扬尘采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；S2，利用空间域梯度算子进行待识别图像的边缘检测；S3，在图像变换域中，利用小波进行待识别图像的边缘检测；S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；S5，利用人工神经网络进行模式识别。本发明专利技术能够有效提取固定源扬尘背景的外部边缘，作为理想的特征；能够依据空间域和变换域双重检测，提高检测精度。

A method of dust category identification of fixed source

The invention discloses a method for recognition of fixed source dust category, which relates to recognition of fixed source dust image, including fixed source dust category sample and image to be recognized, and also includes the following steps: S1, obtaining the image to be recognized from the fixed source dust collection point, transforming the decomposition domain in the spatial domain to decompose the image information into multiple scale spaces; S2, using the spatial domain Gradient operator is used to detect the edge of the image to be recognized; S3, in the image transform domain, wavelet is used to detect the edge of the image to be recognized; S4, to extract the feature vector of the image to be recognized from the edge detection in the space domain and the transform domain; S5, to use artificial neural network for pattern recognition. The invention can effectively extract the external edge of the fixed source dust background as an ideal feature, and can double detect according to the space domain and the transformation domain to improve the detection accuracy.

【技术实现步骤摘要】
一种固定源扬尘类别识别的方法
本专利技术涉及固定源扬尘图像识别，具体涉及一种固定源扬尘类别识别的方法。
技术介绍
粉粒体在输送及加工过程中受到诱导空气流、室内通风造成的流动空气及设备运动部件转动生成的气流，都会将粉粒体中的微细粉尘首先由粉粒体中分离而飞扬，然后由于室内空气流动而引起粉尘的扩散，从而完成了从粉尘产生到扩散的过程。这一现象在施工工地上尤为明显，固定源扬尘的背景较为复杂，依据单一的图像识别方法难以进行有效区分。固定源扬尘类别难以判断，为后期环保分类监控障碍。
技术实现思路
本专利技术所要解决的技术问题是固定源扬尘类别难以判断，为后期环保分类监控障碍，目的在于提供一种固定源扬尘类别识别的方法，解决上述问题。本专利技术通过下述技术方案实现：一种固定源扬尘类别识别的方法，包括固定源扬尘类别样本、待识别图像，还包括以下步骤：S1，获取来自固定源扬尘采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；S2，利用空间域梯度算子进行待识别图像的边缘检测；S3，在图像变换域中，利用小波进行待识别图像的边缘检测；S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；S5，利用人工神经网络进行模式识别，将固定源扬尘类别样本进行离线训练，确定权值，与S4获得的特征向量进行运算，实现待识别图像的识别。进一步地，所述S1中的分解域变换采用小波多尺度分解域变换。进一步地，所述S2中的梯度算子采用高斯拉普拉斯算子。进一步地，所述S3中的边缘检测结果采用链表进行记录。进一步地，所述S4中的特征向量采用统计特征。本专利技术与现有技术相比，具有如下的优点和有益效果：1、本专利技术一种固定源扬尘类别识别的方法，能够有效提取固定源扬尘背景的外部边缘，作为理想的特征；2、本专利技术一种固定源扬尘类别识别的方法，能够依据空间域和变换域双重检测，提高检测精度。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。实施例本专利技术一种固定源扬尘类别识别的方法，包括固定源扬尘类别样本、待识别图像，还包括以下步骤：S1，获取来自固定源扬尘采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；S2，利用空间域梯度算子进行待识别图像的边缘检测；S3，在图像变换域中，利用小波进行待识别图像的边缘检测；S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；S5，利用人工神经网络进行模式识别，将固定源扬尘类别样本进行离线训练，确定权值，与S4获得的特征向量进行运算，实现待识别图像的识别。所述S1中的分解域变换采用小波多尺度分解域变换。所述S2中的梯度算子采用高斯拉普拉斯算子。所述S3中的边缘检测结果采用链表进行记录。所述S4中的特征向量采用统计特征。以上所述的具体实施方式，对本专利技术的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本专利技术的具体实施方式而已，并不用于限定本专利技术的保护范围，凡在本专利技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种固定源扬尘类别识别的方法，包括固定源扬尘类别样本、待识别图像，其特征在于，还包括以下步骤：/nS1，获取来自固定源扬尘采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；/nS2，利用空间域梯度算子进行待识别图像的边缘检测；/nS3，在图像变换域中，利用小波进行待识别图像的边缘检测；/nS4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；/nS5，利用人工神经网络进行模式识别，将固定源扬尘类别样本进行离线训练，确定权值，与S4获得的特征向量进行运算，实现待识别图像的识别。/n

【技术特征摘要】
1.一种固定源扬尘类别识别的方法，包括固定源扬尘类别样本、待识别图像，其特征在于，还包括以下步骤：
S1，获取来自固定源扬尘采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；
S2，利用空间域梯度算子进行待识别图像的边缘检测；
S3，在图像变换域中，利用小波进行待识别图像的边缘检测；
S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；
S5，利用人工神经网络进行模式识别，将固定源扬尘类别样本进行离线训练，确定权值，与S4获得的特征向量进行运算，实现待识别图像...

【专利技术属性】
技术研发人员：朱姝，
申请(专利权)人：朱姝，
类型：发明
国别省市：四川;51