[发明专利]基于神经网络的烟雾图像分类方法

权利要求书

1.一种基于神经网络的烟雾图像分类方法，其特征在于，所述基于神经网络的烟雾图像分类方法包括：

获取待分类烟雾图像；

提取所述待分类烟雾图像上各个图像点对应的像素值；

根据所述像素值对所述待分类烟雾图像进行处理，得到目标烟雾图像；

获取所述目标烟雾图像上各个图像点对应的特征参数；

根据所述各个图像点对应的特征参数构建所述目标烟雾图像对应的特征参数集；

获取所述特征参数集的参考特征参数；

通过预设神经网络模型确定所述参考特征参数对应的目标特征类别；

将所述目标特征类别作为所待分类烟雾图像的分类结果。

2.如权利要求1所述的基于神经网络的烟雾图像分类方法，其特征在于，所述获取待分类烟雾图像的步骤包括：

获取原始烟雾图像，以及所述原始烟雾图像对应的预设噪声样本；

将所述预设噪声样本输入至所述原始烟雾图像中，得到噪声烟雾图像；

对所述噪声烟雾图像进行处理，得到处理后的噪声烟雾图像；

将所述处理后的噪声烟雾图像作为待分类烟雾图像。

3.如权利要求2所述的基于神经网络的烟雾图像分类方法，其特征在于，所述对所述噪声烟雾图像进行处理，得到处理后的噪声烟雾图像的步骤包括：

获取所述噪声烟雾图像对应的灰度噪声烟雾图像；

对所述灰度噪声烟雾图像进行区域划分，得到所述灰度噪声烟雾图像对应的多个噪声区域；

根据预设二维模板对所述噪声区域进行滤波，得到处理后的噪声烟雾图像。

4.如权利要求3所述的基于神经网络的烟雾图像分类方法，其特征在于，所述根据预设二维模板对所述噪声区域进行滤波，得到处理后的噪声烟雾图像的步骤，包括：

获取预设二维模板的模板中心点，以及所述噪声区域的区域中心点；

将所述预设二维模板依次在所述噪声区域上进行移动；

在所述模板中心点与所述区域中心点重合时，获取所述区域中心点对应的当前噪声区域，以及所述当前噪声区域对应的多个图像点；

获取各个图像点对应的灰度值；

将各个图像点对应的灰度值进行排序，根据排序结果对所述区域中心点的灰度值进行调整，得到目标区域；

将所述目标区域组成的图像作为处理后的噪声烟雾图像。

5.如权利要求1至4中任一项所述的基于神经网络的烟雾图像分类方法，其特征在于，所述根据所述像素值对所述待分类烟雾图像进行处理，得到目标烟雾图像的步骤，包括：

根据第一预设像素阈值对所述像素值进行检测，将大于所述第一预设像素阈值的像素值所对应的图像点作为目标图像点，将小于或等于所述第一预设像素阈值的像素值所对应的图像点作为背景图像点；

分别对所述目标图像点的像素值和所述背景图像点的像素值进行调整，以得到目标烟雾图像。

6.如权利要求5所述的基于神经网络的烟雾图像分类方法，其特征在于，所述根据第一预设像素阈值对所述像素值进行检测，将大于所述第一预设像素阈值的像素值所对应的图像点作为目标图像点，将小于或等于所述第一预设像素阈值的像素值所对应的图像点作为背景图像点的步骤之后，还包括：

对所述目标图像点进行检测；

若所述目标图像点存在第二预设像素阈值，则将大于所述第一预设像素阈值且小于或者等于所述第二预设像素阈值的像素值所对应的目标图像点作为第一目标图像点，将大于所述第二预设像素阈值的像素值所对应的目标图像点作为第二目标图像点，其中，所述第二预设像素阈值大于所述第一预设像素阈值；

相应地，所述分别对所述目标图像点的像素值和所述背景图像点的像素值进行调整，以得到目标烟雾图像的步骤包括：

基于预设函数分别对所述第一目标图像点的像素值、所述第二目标图像点的像素值以及所述背景图像点的像素值进行调整，以得到目标烟雾图像。