[发明专利]用于污水偷排企业定位的图像识别方法

说明书

本发明公开了用于污水偷排企业定位的图像识别方法，涉及污水偷排企业图像识别，包括依据污水偷排企业设置的类别样本、待识别图像，还包括以下步骤：S1，获取来自依据污水偷排企业设置的采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；S2，利用空间域梯度算子进行待识别图像的边缘检测；S3，在图像变换域中，利用小波进行待识别图像的边缘检测；S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；S5，利用人工神经网络进行模式识别。本发明能够有效提取依据污水偷排企业设置的背景的外部边缘，作为理想的特征；能够依据空间域和变换域双重检测，提高检测精度。

技术领域

本发明涉及污水偷排企业图像识别，具体涉及用于污水偷排企业定位的图像识别方法。

背景技术

污水偷排，指排放、倾倒或者处置有放射性的废物、含传染病病原体的废物、有毒物质或者其他有害物质，严重污染环境的行为。目前污水偷排企业类别难以判断，难以做到及时预警。

发明内容

本发明所要解决的技术问题是目前污水偷排企业类别难以判断，难以做到及时预警，目的在于提供用于污水偷排企业定位的图像识别方法，解决上述问题。

本发明通过下述技术方案实现：

用于污水偷排企业定位的图像识别方法，包括污水偷排企业类别样本、待识别图像，还包括以下步骤：

S1，获取来自污水偷排企业采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；

S2，利用空间域梯度算子进行待识别图像的边缘检测；

S3，在图像变换域中，利用小波进行待识别图像的边缘检测；

S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；

S5，利用人工神经网络进行模式识别，将污水偷排企业类别样本进行离线训练，确定权值，与S4获得的特征向量进行运算，实现待识别图像的识别。

进一步地，所述S1中的分解域变换采用小波多尺度分解域变换。

进一步地，所述S2中的梯度算子采用高斯拉普拉斯算子。

进一步地，所述S3中的边缘检测结果采用链表进行记录。

进一步地，所述S4中的特征向量采用统计特征。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明用于污水偷排企业定位的图像识别方法，能够有效提取污水偷排企业背景的外部边缘，作为理想的特征；

2、本发明用于污水偷排企业定位的图像识别方法，能够依据空间域和变换域双重检测，提高检测精度。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明用于污水偷排企业定位的图像识别方法，包括污水偷排企业类别样本、待识别图像，还包括以下步骤：

S1，获取来自污水偷排企业采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；

S2，利用空间域梯度算子进行待识别图像的边缘检测；

S3，在图像变换域中，利用小波进行待识别图像的边缘检测；

S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；