[发明专利]一种基于支持向量机的施工道路污染检测方法

说明书

技术领域

本发明涉及图像处理及城市环境风险监测预警技术领域，尤其涉及一种基于支持向量机的施工道路污染检测方法。

背景技术

施工道路由于施工和经常有车辆的经过的原因，很容易布满灰尘，严重的影响市容市貌和行人的健康。施工道路受灰尘污染的频率高和不确定性，导致人力监测的困难，因此需要一种准确高效的施工道路污染检测方法。

目前的施工道路污染检测主要基于图像处理中的图像分割方法，图像分割的方法有很多，比如区域增长法，聚类分割等，这些方法都不能完全的把道理部分和非道路部分分割开，分割的速度不快，无法做到对施工道路的实时检测；在特征选择方面，不同道路的最佳特征可能不一样，一种模型很难适用所有的施工道路。

发明内容

本发明的目的在于针对目前图像分割速度慢且不精确，模型单一等缺陷，提供一种基于支持向量机的施工道路污染检测方法，通过主成分分析降维和寻取最纯道路块的方法，提取道路的速度更快，精度更大，从而达到分类结果更加准确；通过提取12个特征，能自动的选择最优特征和参数，从而适用绝大多数的施工道路。

本发明是通过以下技术方案实现的：一种基于支持向量机的施工道路污染检测方法，该方法包括如下步骤：

步骤1：采集道路图像，将采集的图像作为训练集，并人为将训练集分为干净和不干净两个集合。位于干净集合的图像称为正样本，位于不干净集合的图像称为负样本，训练集中样本的个数是N。

步骤2：对道路图像进行特征提取，包含如下子步骤：

（2.1）简单分割道路与非道路部分：由于摄像头是固定的，对每张图片可以统一的除去非道路部分；用n表示道路区域的个数；用A[m,n]定义一个m行n列的矩阵A；A(y,x)表示在矩阵A中第y行第x列的值；A(k)表示矩阵A的第k行，是一个行向量；A^T表示A的转置矩阵。

（2.2）颜色空间转换：把原颜色空间转化到LUV颜色空间，用LUVs[n,3]记录道路像素的LUV颜色值，LUVs(k)表示对应第k个道路像素点的LUV颜色值。

（2.3）主成分分析降低维数，把3维的颜色空间降到2维；采用如下方法：对LUVs^T*LUVs采用雅可比方法进行特征值特征向量分解，即有：LUVs^T*LUVs=V*∧²*V^T，PC[n，2]是LUVs*V的前两列，即道路颜色的主成分，用PC[i]表示矩阵PC的第i行。

（2.4）Meanshift聚类分割：首先定义一个矩阵S[256，256]，且ＰＣ（i，1)=y}，其中1{true}=1,1{false}=0。在矩阵S上做meanshift分割，首先规定一个大小为nW*nW的矩形窗口，方法如下：

（2.4.1）在S中找一个非零元A，若A不存在，跳到步骤（2.4.4）。

（2.4.2）在S中，计算以A为中心大小为nW*nW矩形窗口内的质心B。

（2.4.3）如果A等于B，记录下中心点A值，在S内所有以A为中心窗口内的元素都设为零，回到步骤（2.4.1）。如果A不等于B，把B值赋给A，回到步骤（2.4.2）。

（2.4.4）得到K个中心点Centers[k,2]，定义一个向量Tags[n]记录道路像素点的类标签，Tags[i]=arg_jmin(||PC(i)-center(j)||)(i=0,1……n‐1,j=0,1,……k‐1)。分割成了K个类，同类元素有相同的类标签。