一种红外图像电厂冷却塔目标识别方法技术

本发明专利技术涉及一种红外图像电厂冷却塔目标识别方法首先训练用于电厂冷却塔识别的Adaboost分类器，然后识别电厂冷却塔目标。本发明专利技术提出基于梯度的候选目标提取方法和基于haar‑like特征表达和Adaboost分类器目标识别的红外图像电厂冷却塔目标识别方法，可以在红外图像中可靠识别出电厂冷却塔目标，具有较高的召回率和较低的虚警率。与模板匹配算法相比，该方法不要基准图的参与，降低了对数据保障的要求，具有重要的应用价值。

【技术实现步骤摘要】
一种红外图像电厂冷却塔目标识别方法
本专利技术涉及红外图像目标识别
，具体地说是一种红外图像电厂冷却塔目标识别方法。
技术介绍
成像目标识别技术在自动目标识别，飞行器航路地形匹配、地标校验，目标搜寻、营救等领域有着广泛应用。红外成像具有分辨率高、动态范围大、全天时工作的优点，红外图像中的目标识别技术具有重要的研究意义。目前红外图像目标识别的研究成果主要针对空中、海上等简单背景。通常使用的方法包括图像滤波和提取目标图像特性。复杂背景下建筑物目标检测与识别技术的研究较少。本专利技术提供了一类典型的地物目标——电厂冷却塔的目标识别技术。电厂目标为复杂立体目标，具有形状、亮度、与背景的空间关系、电厂各建筑设施之间的空间关系等特征，在远距离红外图像中，可能既包含有天空、陆地与电厂以及其它各种自然的和人为的干扰。电厂目标冷却塔的距离电厂较近，高度也大致相等，可以更好的建立目标特征模型。冷却塔为双曲线典型特征建筑，相关研究人员提出了基于模板匹配的梯度矢量互相关的匹配测度方法，需要进行前期的基准图制备工作，而且由于模板与实时图之间存在较大的差异，本文档来自技高网...

【技术保护点】
1.一种红外图像电厂冷却塔目标识别方法，其特征在于，首先训练用于电厂冷却塔识别的Adaboost分类器，然后识别电厂冷却塔目标，所述识别过程包括以下步骤：/n步骤1：读入电厂冷却塔的红外图像，对图像进行方向滤波，得到方向滤波后图像；/n步骤2：在方向滤波后图像中提取候选电厂冷却塔目标；/n步骤3：对候选电厂冷却塔目标提取haar-like特征，使用训练后的Adaboost分类器识别候选电厂冷却塔目标；/n步骤4：将识别出的电厂冷却塔目标结果进行融合，并输出融合后的电厂冷却塔目标。/n

【技术特征摘要】
1.一种红外图像电厂冷却塔目标识别方法，其特征在于，首先训练用于电厂冷却塔识别的Adaboost分类器，然后识别电厂冷却塔目标，所述识别过程包括以下步骤：
步骤1：读入电厂冷却塔的红外图像，对图像进行方向滤波，得到方向滤波后图像；
步骤2：在方向滤波后图像中提取候选电厂冷却塔目标；
步骤3：对候选电厂冷却塔目标提取haar-like特征，使用训练后的Adaboost分类器识别候选电厂冷却塔目标；
步骤4：将识别出的电厂冷却塔目标结果进行融合，并输出融合后的电厂冷却塔目标。


2.根据权利要求1所述的红外图像电厂冷却塔目标识别方法，其特征在于：所述对图像进行方向滤波，包括：
步骤1.1：对图像进行水平方向差分运算，得到水平梯度图，并对水平梯度图通过直方图统计方法上下限幅；
步骤1.2：对图像进行垂直方向差分运算，得到垂直梯度图，并对垂直梯度图通过直方图统计方法上下限幅；
步骤1.3：将水平梯度图与垂直梯度图进行减法计算，并将计算结果中小于0的像素值置为0，再进行形态学滤波中开运算处理，得到方向滤波后的图像。


3.根据权利要求2所述的红外图像电厂冷却塔目标识别方法，其特征在于：所述通过直方图统计方法上下限幅，包括：通过直方图统计方法进行上限幅和下限幅；
所述上限幅为：
设定百分比上限阈值t1，在直方图统计的结果中，从最大值向最小值方向查找，查找到图像总像素数乘以t1个像素后，对应的像素值v1作为上限幅阈值，大于v1的像素值均置为v1；
所述下限幅为：
设定百分比下限阈值t2，在直方图统计的结果中，从最小值向最大值方向查找，查找到图像总像素数乘以t2个像素后，对应的像素值v2作为下限幅阈值，小于v2的像素值均置为v2。

【专利技术属性】
技术研发人员：史泽林，向伟，刘云鹏，蓝德岩，田政，王喆鑫，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：辽宁;21