[发明专利]基于自适应云模型的大雾场景空中图像融合识别方法

摘要

本发明公开了一种基于自适应云模型的大雾场景空中图像融合识别方法，其包括以下步骤：采集原始大雾场景空中图像作为样本，使用加权灰度化算法对大雾场景空中图像进行灰度化处理，得到灰度图像；使用直方图均衡化对灰度图像进行处理，得到均衡后灰度图，对均衡后灰度图进行边缘检测，得到边缘图像，初始化卷积神经网络，训练数据，提取出特征数据；对于经过大雾场景空中图像识别训练模型训练后的图像采用多尺度分解得到平滑图像和细节图像，进行重构得到融合图像，将融合图像输入卷积神经网络模型训练提取的特征数据传到支持向量机中进行训练，将提取的测试特征数据输入大雾场景空中图像识别训练模型中进行判断，最终得到准确的大雾场景空中图像图像识别结果。

主权项

1.一种基于自适应云模型的大雾场景空中图像融合识别方法，其特征在于，包括以下步骤：采集原始大雾场景空中图像作为样本，使用加权灰度化算法对原始大雾场景空中图像进行灰度化处理，得到灰度图像；使用直方图均衡化对灰度图像进行处理，得到均衡后灰度图，使用改进的索贝尔边缘检测算子对均衡后灰度图进行边缘检测，得到边缘大雾检测图像，所述改进的索贝尔边缘检测算子改进主要在：将原有的索贝尔算子分成四个归一化算子，使用自适应阈值算法对边缘图像进行二值化，得到二值化后的原始大雾场景空中图像；使用形态学运算操作对二值化后的原始大雾场景空中图像进行处理，得到原始大雾场景空中图像医学候选区域图像，并将候选区域图像形成训练数据，对脑部图像的灰度直方图进行拟合的步骤；根据拟合得出的曲线谷值点划分区间，并在区间内，生在区间内生成云模型，其中云模型的三个特征值采用逆向云发生器算法；由特征值生成云模型采用正向云发生器算法；在灰度值0～256之间，相邻两个谷值点构成一个区间，在每个区间内，运用逆向云算法和正向云算法得到一个云，进而得到每幅图像对应的云模型；对得到的两幅待融合图像的云模型，设计云推理规则；构造二维云图，实现输入数据对到输出单个数据值的转换；激发Y条件云发生器将灰度值映射出，即为融合后的灰度值，进而得到融合后的图像；激发X条件云发生器将输入灰度值数据对映射到云模型上；所述X/Y条件云发生器变换，具体包括以下步骤：假设图像A生成n₁个云，图像B生成n₂个云；记一组输入灰度值数据对对两个云模型的激发分别为μ_1i和μ_2j，即构成X条件云发生器，通过软与算法构造二维云，实现μ_x＝μ_1i×μ_2j，求其最大值记为μ_max；μ_1i激发图像A云模型，即构成Y条件云发生器，生成一系列灰度值，求其平均记为μ_2j激发图像B云模型生成一系列灰度值，求其平均记为比较和取较大者输出，即为融合后的灰度值，μ_1i中1<＝i<＝n₁，μ_2j中1<＝j<＝n₂，μ_x中1<＝x<＝n₁×n₂；n，i，j均取正整数；将映射到云模型取的灰度值数据传到支持向量机中进行训练，把经过卷积神经网络的训练特征数据输入支持向量机，同时，用网格搜索的优化方法来优化支持向量机的参数C和δ，确定最优的支持向量机模型，建立大雾场景空中图像识别训练模型；对于经过大雾场景空中图像识别训练模型训练后的图像采用多尺度分解得到平滑图像和细节图像，平滑图像采用信息熵进行融合得到平滑图像FD，而对于细节图像D采用多特征进行融合得到细节图像FS，将平滑图像FD和细节图像FS进行重构得到融合图像，将融合图像输入大雾场景空中图像识别训练模型中进行判断，最终得到准确的大雾场景空中图像训练融合识别结果。