[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

说明书

一种基于简化PCNN算法的森林火灾图像降噪和分割方法，属于图像处理技术领域。获取自然图像以及多个倍数增益的图像，检测降噪质量参数，直至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，将图像定义为图像域上的特征场的一个实现，将图像域划分为多个规则子块，在划分的图像域上，建立基于规则子块的图像分割模型，针对所述模型，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，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，输出图像的分割结果。本发明利于实时、快速地识别火灾图像。

技术领域

本发明涉及一种基于简化PCNN算法的森林火灾图像降噪和分割方法，属于图像处理技术领域。

背景技术

火灾，是指在时间和空间上失去控制的灾害性燃烧现象。森林火灾是威胁公众安全和社会发展的严重灾害，建立森林火灾监测系统意义重大。如何在森林复杂的环境下，快速、准确地识别火灾图像是该领域学者关注的热点问题。

当火灾发生时，会产生大量的噪音，继而导致拍摄得到的图像中存在较多的噪声信息，因此，为了提高拍摄的图像的质量，需要对拍摄得到的图像进行降噪处理，而图像分割是图像处理和分析的关键步骤。

现有技术可以对可见光图像中像素点所处分块的量化噪声进行动静判决，从而在动静不同的图像区域内采用不同强度进行降噪处理。然而，在环境光强度较弱的情况下，可见光图像中的噪声信息很可能将有效信息淹没，从而导致无法准确进行动静判决，进而导致降噪后的图像中存在图像拖尾问题，且图像细节信息损失，同时现有的图像分割技术难以准确建立图像光谱测度的统计模型，不利于实时、快速地识别火灾图像。

90年代以来脉冲耦合神经网络(PCNN)产生并得到了发展，在数字图像识别领域有着广泛应用。但是基于PCNN对于图像降噪和分割的成果不多，目前所用均存在时间代价比较大的缺陷，主要是PCNN网络迭代的过程耗时比较大。

发明内容

为解决背景技术中存在的问题，本发明提供一种基于简化PCNN算法的森林火灾图像降噪和分割方法。

实现上述目的，本发明采取下述技术方案：一种基于简化PCNN算法的森林火灾图像降噪和分割方法，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。

与现有技术相比，本发明的有益效果是：

本发明加速了PCNN算法的迭代过程，有效对图像进行了降噪处理，建立的基于规则划分的图像分割模型，克服了固有斑点噪声对图像分割的影响，提高了一致性，提高了分割结果的边缘准确性，利于实时、快速地识别火灾图像。

具体实施方式