[发明专利]一种融合暗通道的神经网络烟雾图像分类方法

摘要

本发明提供了一种融合暗通道的神经网络烟雾图像分类方法，该方法包括：准备烟雾图像和非烟雾图像两类样本，将其归一化为相同尺寸，对所有样本图像进行暗通道处理，将原图和对应的暗通道图像分为训练集、验证集和测试集，作为后续网络训练的数据输入；然后，用设计的双通道卷积神经网络对数据集进行训练，其中第一条通道网络增加了残差块改善分类性能，输入RGB原图用来提取原图中的泛化特征；第二条通道采用经过改进的AlexNet精简网络，输入暗通道图像提取暗通道中烟雾的细节特征；两条通道分别训练，最后特征融合，生成训练模型对图像进行分类；结果表明，该方法有效地提高了烟雾图像分类的准确率。

主权项

1.一种融合暗通道的神经网络烟雾图像分类方法，包括下列步骤：步骤1：准备烟雾和非烟雾图像，在数据中加入天空中的云、光滑的墙壁、车身和水面图像以扩充训练样本；步骤2：对步骤1中的图像大小归一化为227*227，并进行暗通道处理，作为后续网络训练的数据集；步骤3：将卷积神经网络的结构设计为双通道网络，两条通道网络同时训练，其中第一条网络在AlexNet的基础上加入残差块网络，输入RGB原图数据集，提取泛化性能较好的原图特征，第二条网络输入暗通道图像提取烟雾暗通道特征，两条网络末端进行特征连接、融合，生成训练网络模型文件并保存；步骤4：用训练模型对实际烟雾和非烟雾图像进行分类，得到分类结果。