[发明专利]基于神经网络的烟雾图像分类方法

说明书

本发明公开了一种基于神经网络的烟雾图像分类方法，属于图像处理技术领域。本发明中获取待分类烟雾图像；提取待分类烟雾图像上各个图像点对应的像素值；根据像素值对待分类烟雾图像进行处理，得到目标烟雾图像；获取目标烟雾图像上各个图像点对应的特征参数；根据各个图像点对应的特征参数构建目标烟雾图像对应的特征参数集；获取特征参数集的参考特征参数；通过预设神经网络模型确定参考特征参数对应的目标特征类别；将目标特征类别作为所待分类烟雾图像的分类结果，通过图像点的像素值对待分类烟雾图像进行处理，对处理后得到的目标烟雾图像进行分类，更加全面地对烟雾图像进行分类，从而提高了烟雾图像分类的准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于神经网络的烟雾图像分类方法。

背景技术

火灾探测任务对人员安全至关重要。由于开放环境下烟雾扩散速度快且没有较合适的位置去安放传感器，导致传统基于传感器的检测方式无法准确对火灾烟雾进行检测，目前大多采用的根据纹理特征对火灾的烟雾图像进行分类，从而达到烟雾检测的目的。但是由于烟雾形状、色彩以及纹理千差万别，目标所采取的分类方式存在局限性，导致烟雾图像的分类准确度较低。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于神经网络的烟雾图像分类方法，旨在解决现有技术烟雾图像分类准确度较低的技术问题。

为实现上述目的，本发明提供了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。

可选地，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。

可选地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。

可选地，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；