[发明专利]一种基于超像素分割算法和合并算法的工地扬尘检测方法

权利要求书

1.一种基于超像素分割算法和合并算法的工地扬尘检测方法，其特征在于，具体包括以下步骤：

步骤S1，构建扬尘识别模型，所述扬尘识别模型的输入端为工地图像的特征值，输出端为工地扬尘识别结果；

步骤S2，实时采集工地图像，并采用超像素分割算法对工地图像进行分割，得到分割后的图像；

步骤S3，采用合并算法对分割后的图像进行合并，得到合并后的图像；

步骤S4，对合并后的图像进行特征提取，得到工地图像的特征值；

步骤S5，将工地图像的特征值输入扬尘识别模型进行识别，得到工地扬尘识别结果，从而实现工地的扬尘检测。

2.根据权利要求1所述的一种基于超像素分割算法和合并算法的工地扬尘检测方法，其特征在于，所述步骤S1具体包括以下步骤：

步骤S11，获取工地图像的特征值；

步骤S12，将工地图像特征值输入至神经网络模型中进行训练，得到扬尘识别模型。

3.根据权利要求2所述的一种基于超像素分割算法和合并算法的工地扬尘检测方法，其特征在于，所述神经网络模型采用BP神经网络模型。

4.根据权利要求3所述的一种基于超像素分割算法和合并算法的工地扬尘检测方法，其特征在于，所述BP神经网络模型包括输入层、隐含层和输出层。

5.根据权利要求1或4所述的一种基于超像素分割算法和合并算法的工地扬尘检测方法，其特征在于，所述超像素分割算法采用SLIC线性迭代聚类算法，所述步骤S2中利用超像素分割算法对工地图像进行分割具体包括以下步骤：

步骤S21，对工地图像进行色彩模式转换，得到转换后的图像；

步骤S22，采用SLIC线性迭代聚类算法对转换后的图像进行分割，得到分割后的图像。

6.根据权利要求5所述的一种基于超像素分割算法和合并算法的工地扬尘检测方法，其特征在于，所述步骤S22具体包括以下步骤：

步骤S221，初始化聚类中心，将聚类中心设定在转换后的图像的最低梯度处；

步骤S222，应用SLIC线性迭代聚类算法，将聚类中心和与聚类中心相似的像素点进行关联；

步骤S223，设定关联范围，得到多个像素块，所述多个像素块为分割后的图像。

7.根据权利要求6所述的一种基于超像素分割算法和合并算法的工地扬尘检测方法，其特征在于，所述合并算法采用基于巴氏系数和纹理特征的合并算法。

8.根据权利要求7所述的一种基于超像素分割算法和合并算法的工地扬尘检测方法，其特征在于，所述步骤S3具体包括以下步骤：

步骤S31，计算相邻像素块概率分布的巴氏系数；

步骤S32，依据所述巴氏系数判断相邻像素块是否相似，若是，则执行步骤S33，否则，结束计算；

步骤S33，将相似的相邻像素块进行灰度纹理关联度的计算，若灰度纹理关联度达标，则将相邻像素块进行合并，否则相邻像素块不合并。

9.根据权利要求8所述的一种基于超像素分割算法和合并算法的工地扬尘检测方法，其特征在于，所述步骤S4中的对合并后的图像进行特征提取包括对合并后的图像进行色相特征提取、对合并后的图像进行饱和度特征提取和对合并后的图像进行亮度特征提取。