[发明专利]一种基于图像结构相似度的烟雾浓度测量方法和系统

说明书

技术领域

本发明属于烟雾浓度测量领域，更具体地，涉及一种基于图像结构相似度的烟雾浓度测量方法和系统。

背景技术

现有技术基于图像结构相似度来检测烟雾，相对于传统的烟雾检测方法具有更强的抗干扰能力，但是它们只能进行视频烟雾定性检测，无法完成视频烟雾浓度的定量测量。现有的烟雾浓度视频测量方法如“基于烟雾浓度的火灾视频检测方法”基于视频图像灰度计算烟雾浓。这种方法的主要依据为浅白色烟雾的存在使背景图像的灰度值增加。实际计算中，利用烟雾化方程，通过灰度不同的相邻背景区域间的烟雾浓度与穿透率近似相等建立方程，求解大气光与烟雾浓度。该方法相比于传统的烟雾浓度测量方法具有结构简单、智能高效等优势，但仍存在不足之处：首先实际生活中，由于烟雾产生的原因不同，生成的烟雾颜色也不同，例如黑烟、白烟、蓝烟等。而白烟以外的其他烟雾是不会使背景图像的灰度值增加的，所以该方法对黑烟、蓝烟等并无很好地检测效果。其次，由于图像的最大灰度值为255，对于灰度值已经很高的背景图像，烟雾的存在使背景图像灰度值提高的空间有限，因此该方法利用灰度值较大的背景图像来计算烟雾浓度是很不准确的。

由此可见，现有烟雾浓度测量技术受到烟雾颜色和背景图像灰度的限制，且测量的准确率较低。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于图像结构相似度的烟雾浓度测量方法和系统，其目的在于提供一种适用于任意背景图像、任意烟雾颜色的方法，由此解决现有烟雾浓度测量技术受到烟雾颜色和背景图像灰度的限制，且测量的准确率较低的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于图像结构相似度的烟雾浓度测量方法，包括：

(1)采集目标场景的烟雾图像和背景图像，所述背景图像为目标场景未产生烟雾时的图像，计算烟雾图像与背景图像之间的图像结构相似度；

(2)提取背景图像的图像特征，利用图像特征描述图像复杂度；利用图像复杂度和图像结构相似度得到烟雾图像的烟雾浓度。

进一步的，烟雾浓度m的公式为：

m＝-C×(ssim-ssim₀)，

其中，C表示图像复杂度，ssim表示图像结构相似度，ssim₀为预设值。

进一步的，预设值为1。

进一步的，图像特征包括：角二阶矩ASM、对比度CON、逆差分矩IDM、熵ENT和相关性COR。

进一步的，图像复杂度C为：C＝CON+ENT-ASM-IDM-COR。

按照本发明的另一方面，提供了一种基于图像结构相似度的烟雾浓度测量系统，包括：

第一模块，用于采集目标场景的烟雾图像和背景图像，所述背景图像为目标场景未产生烟雾时的图像，计算烟雾图像与背景图像之间的图像结构相似度；

第二模块，用于提取背景图像的图像特征，利用图像特征描述图像复杂度；利用图像复杂度和图像结构相似度得到烟雾图像的烟雾浓度。

进一步的，烟雾浓度m的公式为：

m＝-C×(ssim-ssim₀)，

其中，C表示图像复杂度，ssim表示图像结构相似度，ssim₀为预设值。

进一步的，预设值为1。

进一步的，图像特征包括：角二阶矩ASM、对比度CON、逆差分矩IDM、熵ENT和相关性COR。

进一步的，图像复杂度C为：C＝CON+ENT-ASM-IDM-COR。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

(1)本发明利用图像复杂度和图像结构相似度得到烟雾图像的烟雾浓度，不受到烟雾颜色和背景图像灰度的限制，且测量的准确率高，应用范围广。

(2)优选的，在计算烟雾图像的烟雾浓度时预设值为1，在保证测量结果准确率高的同时，提高了计算效率。

(3)优选的，本发明选用角二阶矩ASM、对比度CON、逆差分矩IDM、熵ENT和相关性COR，这利用5种图像特征的加权来描述图像复杂度，准确率高。

附图说明

图1是本发明实施例提供的一种基于图像结构相似度的烟雾浓度测量方法的流程图；

图2是本发明实施例的背景图像；

图3是本发明实施例中烟密计测量值与结构相似度值的曲线关系图；

图4是本发明实施例中烟密计测量值与根据结构相似度计算出的烟雾浓度值的曲线关系图；