[发明专利]一种基于改进Prewitt算子的火灾复杂环境图像检测方法

说明书

本发明请求保护一种基于改进Prewitt算子的火灾复杂环境图像检测方法，其包括：S1、利用形态学平滑算法对模拟火灾复杂环境图像进行滤波、保留边缘信息并去除噪声；S2、计算单一尺度下图像的形态学梯度、多尺度图像形态学梯度；S3、采用改进Prewitt算子边缘检测算子对多尺度形态学梯度图像进行边缘检测，得到模拟火灾复杂环境图像的边缘信息。

技术领域

本发明属于工厂设备控制技术领域，尤其涉及一种改进Prewitt算子的火灾复杂环境图像检测方法。

背景技术

图像边缘检测技术主要应用于监控和门禁设施当中，进行道路交通的管制或汽车门禁的监控。现在逐步运用在工厂的自动化控制系统中，对于工厂中大量货物的码放，现有的方法是人工码放，耗时耗力，需要对码放图像进行边缘检测，才能达到自动化码放。

此外，图像边缘检测技术同摄像头采样技术、数模转换技术、接口技术一样是是安防系统的核心技术之一，有着深厚的研究基础，自1965年至今的近50年里，有许多国内外学者对其进行研究，并在不同领域取得很多成果。边缘检测算法的种类较多，可分为传统算法和新兴算法。传统算法有：Sobel算子、Prewitt算子、LOG算子、laplacian算子和Canny算子等。传统算法大都基于数学运算实现，要么抗噪性能差，要么边缘检测的精度不高。新兴的边缘检测算法的研究常与其他学科有所交叉，在工程方面有：基于小波分析和小波包的边缘检测方法、基于模糊理论的边缘检测方法、基于神经网络的分割方法等，在机器视觉和人工智能等领域有：基于数学形态学的边缘检测方法、自组织聚类法、遗传算法等。随着研究的深入，发现Roberts算子的检测精度高，因此有部分采用Roberts算子来进行边缘检测，比如专利号为201510172635.4(名称：基于Roberts算子的图像边缘检测方法)，本方法相较于现有技术对于图像边缘检测的精度和抗噪能力得以提高，但是存在在复杂噪声环境下不能依然有较好的识别，并且鲁棒性较差的问题。传统的Roberts边缘检测算子边缘定位准，但是对噪声敏感。适用于边缘明显且噪声较少的图像分割。Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑。经分析，由于Robert算子通常会在图像边缘附近的区域内产生较宽的响应，在复杂环境比如火灾环境下图像识别的精确度就较低，因此需要做出改进，而本发明是结合改进的Prewitt算子的检测方法。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种自动化控制度高、提高图像识别精确度、在复杂环境下仍然能有较高鲁棒性的基于改进Prewitt算子的火灾复杂环境图像检测方法。

本发明的技术方案如下：

一种基于改进Prewitt算子的火灾复杂环境图像检测方法，其包括以下步骤：S1、利用形态学平滑算法对模拟火灾复杂环境图像进行滤波、保留边缘信息并去除噪声，具体步骤为：采用形态学中的开运算处理，设结构元素为s₁，定义开运算操作为：

式中，F表示火灾复杂环境图像的集合，表示开运算操作，s表示结构元素，Θ表示图像F被结构元素s腐蚀，表示结构元素对图像F的膨胀；采用形态学中的闭运算处理，设结构元素为s₂，定义闭运算操作为：

式中，F表示火灾复杂环境图像的集合，·表示闭运算操作，s表示结构元素，Θ表示图像F被结构元素s腐蚀，表示结构元素对图像F的膨胀；

S2、计算单一尺度下图像的形态学梯度；所述步骤S2使用如下公式计算单一尺度下图像的形态学梯度：

G(f)＝(f⊕B)-(fΘB)；

其中，G(f)为单一尺度下图像的形态学梯度，f为滤除噪声后的空间目标图像，B为结构元，⊕和Θ分别表示形态学处理中的膨胀运算和腐蚀运算；