[发明专利]一种基于SURF的火灾图像特征提取与识别方法

权利要求书

1.一种基于SURF的火灾图像特征提取与识别方法，其特征是，包括如下步骤：

S1.从测试库中导入图像，并进行图像预处理和提取图像的HSV颜色特征；

S2.判断HSV颜色空间中与火灾图像的共有颜色特征是否存在重叠，若存在重叠，继续执行步骤S3，若不存在重叠，则将该图像识别为非火灾图像，直接执行步骤S6；

S3.利用SURF算法计算火灾类图像和非火灾类图像的局部特征；

S4.采用K均值聚类算法针对局部特征分别计算出火灾类图像和非火灾类图像的聚类中心；

S5.基于特征点分别与火灾类图像及非火灾类图像聚类中心的距离进行火灾图像识别；

S6.输出图像识别结果。

2.根据权利要求1所述的一种基于SURF的火灾图像特征提取与识别方法，其特征在于，所述步骤S1在HSV颜色空间进行图像的颜色特征提取如下，

假设一幅图像在区间内共有T个灰度级，则定义其灰度直方图为如下函数：

H(1_m)＝n_m

其中，1_m是区间[0,I]内第m级亮度，n_m是亮度级为l_m像素总数，m＝1,2,...,T；

归一化直方图后得到：

其中，c(1_m)表示灰度级1_m出现的频率。

3.根据权利要求1或2所述的一种基于SURF的火灾图像特征提取与识别方法，其特征在于，所述步骤S3包括以下步骤：

S3.1利用快速Hessian算子检测得到特征点，以特征点为中心，并以6s为半径的圆形区域内，对图像进行以4s×4s模板大小的Haar小波梯度运算，其中s为特征点的当前尺度；

S3.2对Haar小波的相应值使用σ＝2s的高斯加权函数进行加权运算，以每个特征点为中心、角度为π/3的扇形滑动窗口，获取特征点的主方向；具体地，对扇形滑动窗口以内的图像进行Haar小波的变换后，将Haar小波的相应值在dx方向和dy方向进行累加，最终得到一个向量，最大的Haar小波相应累加值对应的方向为特征点的主方向；

S3.3以特征点为中心，将坐标轴旋转到主方向，按主方向选取20σ×20σ的正方形区域，将该正方形区域划分为4×4个子区域，在每个子区域内计算Harr小波在x、y方向的响应d_x、d_y，每个子区域在x、y方向的响应d_x、d_y分别求和并生成了一个∑d_x，∑|d_x|，∑d_y，∑|d_y|的四维向量，这样每个特征点就有64维的描述向量，再进行归一化，形成最终的特征点描述子。

4.根据权利要求1所述的一种基于SURF的火灾图像特征提取与识别方法，其特征是，所述步骤S4具体包括假设要将n个数据对象中随机选择K个类别，使用K均值算法的步骤如下：

S4.1从n个数据对象中随机选择K个对象作为初始聚类中心；

S4.2根据每个聚类对象的中心对象，计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分；

S4.3计算新的中心对象，返回步骤S4.2，直至每个聚类不再发生变化时停止。

5.根据权利要求1所述的一种基于SURF的火灾图像特征提取与识别方法，其特征是，所述步骤S5具体包括：假设接近火灾图像的特征点数为a，初始值为0，接近非火灾图像的特征点数为b,初始值为0；

从测试图像特征当中提取某一特征点，该某一特征点与火灾类图像聚类中心距离为L1,与非火灾类图像聚类中心距离为L2，则比较L1是否小于L2，如果小于，则a＝a+1，若大于，则b＝b+1；

在特征点完全读取完毕后，通过计算a所占比例获得图像I的识别结果。