[发明专利]一种基于简化PCNN算法的森林火灾图像降噪和分割方法

权利要求书

1.一种基于简化PCNN算法的森林火灾图像降噪和分割方法，其特征在于：所述方法包括如下步骤：

S1：获取自然图像；

S2：获取自然图像的多个倍数增益的图像；

S3：检测每个倍数增益的图像的降噪质量参数，直至所述降噪质量参数满足预设的降噪质量参数范围，得到降噪后的图像；

S4：将S3得到的降噪后的图像定义为图像域上的特征场的一个实现；

S5：将输入的降噪后的图像的图像域划分为多个规则子块；

S6：在划分的图像域上，建立基于规则子块的图像分割模型；

S7：针对已建立的分割模型，设定迭代次数并设计合理的移动操作，每次迭代中，遍历所有移动操作，利用PCNN算法，求解基于规则子块的图像分割模型；

S8：通过FPGA实现PCNN算法迭代过程的加速，并输出时间序列作为不同类别图像的特征提取；

S9：输出图像的分割结果。

2.根据权利要求1所述的一种基于简化PCNN算法的森林火灾图像降噪和分割方法，其特征在于：所述S6包括如下步骤：

S201：在划分的图像域上，建立特征场与标号场的关系模型；

S202：在划分的图像域上，建立标号场模型；

S203：基于S201和S202的基础上，建立基于规则子块的图像分割模型。

3.根据权利要求1所述的一种基于简化PCNN算法的森林火灾图像降噪和分割方法，其特征在于：所述S7包括如下步骤：

S301：通过更新标号场中的标号来更新标号场；

S302：在S301更新标号场的基础上通过增加或减少规则子块个数来更新划分的图像域及标号场，更新图像域过程中随机选择增加规则子块或减少规则子块的操作；

S303：将步骤S302中更新后的图像域上的标号场的实现代入非约束Gibbs概率分布函数，得到非约束Gibbs概率分布函数的一个函数值；

S304：按设定的迭代次数重复执行S301至S303，得到非约束Gibbs概率分布函数的一个函数值集合，集合中函数值最大时所对应的分割结果为基于规则子块的图像分割模型的最优解。

4.根据权利要求1所述的一种基于简化PCNN算法的森林火灾图像降噪和分割方法，其特征在于：S8中所述通过FPGA实现PCNN算法迭代过程的加速具体过程如下：

S401：FPGA电路处于空闲状态，当复位信号有效时，FPGA电路所有变量复位，复位信号拉高后进入初始化状态，对各个变量进行初始化；

S401：初始化之后，跳转到FPGA内的计算模块，计算模块实现的是PCNN模型的迭代过程，在计算模块内灰度值作为输入进行迭代加速，直到达到提前设定的迭代次数，跳转回空闲状态，完成迭代加速过程。

5.根据权利要求4所述的一种基于简化PCNN算法的森林火灾图像降噪和分割方法，其特征在于：所述FPGA电路包括控制模块、计算模块和存储模块；控制模块负责协调整个电路的正常工作，计算模块完成PCNN算法的迭代功能，计算中产生的数据存储于存储模块；控制模块分别给存储模块、串口接收模块信号，负责协调FPGA整个电路的正常工作；PC机通过串口接收模块将图片灰度值输入FPGA电路计算时间序列，FPGA电路又通过控制模块控制存储模块将计算输出的时间序列通过串口接收模块上传给PC机。