一种基于图像特征相似性的烟雾浓度检测方法

1.本发明提供了一种基于图像特征相似性的烟雾浓度检测方法，属于烟雾浓度检测技术领域。


背景技术：

2.传统烟雾浓度检测主要依据光学法进行检测，相比于依据图像法进行的烟雾浓度检测，其需要较高精度的检测仪器及较高的成本。随着数字图像处理技术的不断发展，相较于传统烟雾浓度检测，通过数字图像处理技术进行烟雾浓度检测具有更广前景。
3.现有技术如基于图像灰度值进行烟雾浓度检测，这种方法主要依据于烟雾会使背景图像的灰度值增加，通过大气光与背景图像的分析求解，利用烟雾化方程来检测当前图像帧像素烟雾浓度，这种方法对烟雾颜色有一定限制，比如对于黑色烟雾浓度的检测有一定的限制，且对实际应用场景也有一定限制，因为图像的最大灰度值为255，对于本身已有很高灰度值的背景图像来讲，烟雾不会使图像灰度值有明显增加空间。现有技术如基于图像结构相似度进行烟雾浓度检测，这种方法主要依据烟雾会使初始背景图像与当前图像帧之间的结构相似度值降低，这种方法对于烟雾颜色具有较好的适应性，但是对于简单结构的背景检测效果较差、检测准确率较低。
4.由此可见，现有基于图像法的烟雾浓度检测方法对不同背景的适用性较差，检测准确率较低。


技术实现要素：

5.本发明为了解决现有基于图像法的烟雾浓度检测方法对不同背景的适用性较差、检测准确率较低的技术问题，提出了一种基于图像特征相似性的烟雾浓度检测方法。
6.为了解决上述技术问题，本发明采用的技术方案为：一种基于图像特征相似性的烟雾浓度检测方法，包括如下步骤：
7.s1：采集待测区域的初始背景图像与产生烟雾的图像；
8.s2：求解初始背景图像与烟雾图像之间的图像特征相似性；
9.s3：提取初始背景图像的纹理特征，用图像的纹理特征描述图像复杂度，并求解图像复杂度转换值；
10.s4：根据图像复杂度转换值与图像特征相似性求解得到待测区域烟雾浓度。
11.所述图像特征相似性的求解采用彩色图像特征相似性指数质量评价算法fsimc。
12.所述烟雾浓度的求解公式为：
13.x＝(f-f0)/t；
14.上式中：x表示烟雾浓度，单位为mg/m3，f表示初始背景图像与烟雾图像之间的特征相似性，f0表示无烟雾产生情况下图像特征相似性预设值，t表示图像复杂度转换值。
15.f是通过采集到的初始背景图像与后续产生烟雾后图像帧之间的图像特征相似性值，这个值通过matlab中的图像特征相似性算法得出，不同烟雾浓度对应图像与初始背景
图像间的图像特征相似性值相当于一个变量，由烟雾浓度计算公式，通过这个变量来得到不同烟雾浓度对应图像下的烟雾浓度值。
16.所述无烟雾产生情况下图像特征相似性预设值f0的取值范围为[0.985，1)。
[0017]
所述图像的纹理特征是基于灰度共生矩阵得到的，包括能量asm、逆差分距idm、对比度con、熵ent。
[0018]
定义图像复杂度tc的公式为：
[0019]
tc＝ent+con-asm-idm；
[0020]
用图像复杂度求解图像复杂度转换值的公式为：
[0021]
t＝-tc/500；
[0022]
其中，con、idm、ent、asm分别表示基于灰度共生矩阵对图像在对应0
°
、45
°
、90
°
、135
°
四个方向所提取对比度、逆差分矩、熵、能量四个纹理特征的标准差。
[0023]
本发明相对于现有技术具备的有益效果为：本发明提供的基于图像特征相似性及图像复杂度转换值来求解得到烟雾浓度，对简单背景有一定适用性，即对不同背景适用性更强，背景适用范围更广；无烟情况下图像特征相似性预设值取为更贴合实际的0.985，在保证烟雾浓度检测结果准确率的同时，进一步提升了在实际应用中的可靠性；本发明关于烟雾浓度检测在检测准确率上有进一步提高。
附图说明
[0024]
下面结合附图对本发明做进一步说明：
[0025]
图1为本发明的方法流程图；
[0026]
图2中(a)到(i)为本发明实施例中的9幅不同图像复杂度的背景图像；
[0027]
图3为本发明实施例中(a)到(i)9幅不同复杂度背景图像下的烟雾浓度传感器所测烟雾浓度值与所计算图像特征相似性值拟合的一阶拟合曲线图；
[0028]
图4中(j)到(m)为本发明实施例中的4幅不同图像复杂度的背景图像；
[0029]
图5中(n)到(r)为本发明实施例中的5幅不同图像复杂度的背景图像；
[0030]
图6为在本发明实施例中背景图像(n)下的烟雾浓度传感器所测烟雾浓度值与根据图像特征相似性所求烟雾浓度值而得到的曲线图；
[0031]
图7为在本发明实施例中背景图像(o)下的烟雾浓度传感器所测烟雾浓度值与根据图像特征相似性所求烟雾浓度值而得到的曲线图；
[0032]
图8为在本发明实施例中背景图像(p)下的烟雾浓度传感器所测烟雾浓度值与根据图像特征相似性所求烟雾浓度值而得到的曲线图；
[0033]
图9为在本发明实施例中背景图像(q)下的烟雾浓度传感器所测烟雾浓度值与根据图像特征相似性所求烟雾浓度值而得到的曲线图；
[0034]
图10为在本发明实施例中背景图像(r)下的烟雾浓度传感器所测烟雾浓度值与根据图像特征相似性所求烟雾浓度值而得到的曲线图。
具体实施方式
[0035]
如图1所示，本发明提供了一种基于图像特征相似性的烟雾浓度检测方法，包括采集待测区域的初始背景图像与产生烟雾的图像，求解初始背景图像与烟雾图像之间的图像
特征相似性，提取初始背景图像的纹理特征，用图像的纹理特征描述图像复杂度，进一步求解图像复杂度转换值，由图像复杂度转换值与图像的特征相似性来求解得到待测区域烟雾的浓度。
[0036]
首先进行初始背景图像与烟雾图像之间图像特征相似性的求解；所述初始背景图像与烟雾图像之间的图像特征相似性为一种彩色图像特征相似性指数质量评价算法fsimc；所述彩色图像特征相似性指数质量评价算法fsimc主要包含相位一致性信息及梯度幅值信息，且引入yiq空间下的颜色信息。
[0037]
所述无烟情况下图像特征相似性预设值的理想取值无限接近1，本发明取其值为更贴合实际的值0.985，此取值为经过若干实验的拟合数据对无烟情况下图像特征相似性预设值取均值所得。
[0038]
接着计算初始背景图像的纹理特征，图像纹理特征包含能量asm、逆差分矩idm、对比度con、熵ent；所述图像纹理特征是基于灰度共生矩阵所得。
[0039]
所述基于灰度共生矩阵求解图像纹理特征步骤为：
[0040]
步骤一：将图像进行灰度级压缩量化为16级；
[0041]
步骤二：计算4个灰度共生矩阵；
[0042]
步骤三：对灰度共生矩阵进行归一化处理；
[0043]
步骤四：计算4个纹理特征；
[0044]
所述4个灰度共生矩阵的统一表达式为：p(i,j,d,θ)；
[0045]
其中，i和j分别表示灰度为i和j的两个像素，取其相隔距离d为1，方向θ分别取为0
°
、45
°
、90
°
、135
°
。
[0046]
由于待测区域烟雾的产生会造成待测区域背景图像失真，使背景图像的特征相似性值降低，在一定范围内，随着烟雾浓度加大，背景图像的失真会越明显，其特征相似性值会越低，所以待测区域烟雾浓度与待测区域背景图像的特征相似性值有一定的定量关系，为了寻找这一定量关系，进行实验装置系统的搭建以及进行系列实验。
[0047]
所述实验装置系统包括：实验箱、风扇、摄像设备、烟雾浓度传感器、stm32f4系列单片机、烟雾发生装置等，其中，实验箱为一个长、宽、高均为30厘米的透明密闭空间，其上方有一个圆形小孔，用来释放实验过程中产生的烟雾，摄像设备位于实验箱正前方，用于获取相应烟雾实验视频，所述烟雾实验视频帧率为30fps，分辨率为1920*1080，实验箱内部正后方可以布置不同的背景图像，烟雾发生装置用于持续产生烟雾，实验箱内部布置有一个12v的风扇，用于使实验箱内部的烟雾扩散均匀，同时在实验箱内部布置有一个烟雾浓度传感器，所述烟雾浓度传感器由stm32f4系列单片机控制，实时显示对应时刻的烟雾浓度。
[0048]
接着基于所搭建的实验装置系统进行实验，首先选取图2所示(a)到(i)9幅不同复杂度背景图像进行实验，其中任意一幅背景图像所进行的实验步骤包括：
[0049]
步骤一：摄像设备获取某一背景图像下完整的烟雾视频，烟雾浓度传感器同时获取对应时刻下的烟雾浓度值；
[0050]
步骤二：通过matlab软件进行视频图像帧的处理与分析，并求第一帧无烟雾产生时的初始背景图像分别与后续图像帧之间的图像特征相似性值；
[0051]
步骤三：利用matlab软件中的polyfit函数将步骤二所求的图像特征相似性值与烟雾浓度传感器所测对应时刻下的烟雾浓度值两组数据进行一阶拟合曲线图绘制。
[0052]
步骤二所述图像特征相似性为彩色图像特征相似性指数质量评价算法fsimc，该算法在图像特征相似性指数质量评价算法(fsim)基础上，对彩色图像的颜色空间从rgb空间转换到yiq空间，对亮度分量y进行求解，再将其与色度分量i和q的信息进行合并。fsim算法以相位一致性pc和梯度幅值gm两种特征构成，其中相位一致性包含有图像的边缘、结构、纹理等信息，是检测图像局部结构信息的无量纲指标，梯度幅值对相位一致性在图像质量评估上具有互补作用，fsimc的公式定义为：
[0053][0054]
其中，ω为图像全部空间域，α和β用来调节相位一致性信息与梯度幅值信息的权重，一般默认取其值均为1，λ用于调节色度信息的权重。
[0055]spc
(x)为相位信息，其表达式为：其中pc1(x)和pc2(x)分比为参考图像与待测图像的相位一致性信息。
[0056]
sg(x)为梯度信息，其表达式为：其中g1(x)与g2(x)分别为参考图像与待测图像的梯度信息。
[0057]
s1(x)与sq(x)可以组合为色度相似性度量，其表达式分别为：
[0058][0059][0060]
其中i1(x)与q1(x)为参考图像的色度分量，i2(x)与q2(x)为待测图像的色度分量。
[0061]
pcm(x)可以用作权重衡量的因子，其表达式为：pcm(x)＝max(pc1(x)，pc2(x))，式中t1、t2、t3、t4均为正常数，分别用于增强对应的4中度量信息的稳定性，避免各式分母为0。
[0062]
因为视频帧率为30fps，烟雾浓度传感器设置每秒获取一个烟雾浓度数据值，所以步骤三所述图像特征相似性数据具体为初始背景图像与每秒取第30帧图像之间的图像特征相似性数据值。
[0063]
图2所示(a)到(i)9幅不同复杂度背景图像下，图像特征相似性值与烟雾浓度传感器所测对应时刻下的烟雾浓度值两组数据所绘制一阶拟合曲线结果如图3所示；从图3可以看到，不同复杂度背景图像下所求一阶拟合曲线的系数不尽相同，随着烟雾浓度加大，背景图像越简单，其对应图像特征相似性值下降幅度越缓慢，而对于越复杂的背景图像，随着烟雾浓度加大，其对应图像特征相似性值下降幅度越迅速，为了寻找一阶拟合曲线下降快慢程度与图像复杂度之间的联系，以图像纹理特征为出发点进行研究。
[0064]
所述图像复杂度在本发明中以纹理特征进行描述，纹理特征的提取有多种方法，其中基于灰度共生矩阵提取的方法是研究图像像素空间关系的常用方法，所以本发明基于灰度共生矩阵提取图像的纹理特征，进行图2所示(a)到(i)9幅不同复杂度背景图像的4个纹理特征，即对比度con、逆差分矩idm、熵ent、能量asm的求解，并进一步求其标准差列于表1所示：
[0065]
背景图像对比度con逆差分距idm熵ent能量asm(a)1.62360.00840.17860.007(b)2.71810.01530.32690.0134(c)0.28690.02170.14580.0202(d)1.11970.01510.09360.0143(e)1.90880.00580.21740.0051(f)0.64630.01090.17490.0103(g)2.05970.00620.10590.0048(h)0.71050.01610.15110.0137(i)0.4180.01550.14490.0148
[0066]
表1图2所示(a)到(i)9幅不同复杂度背景图像的4个纹理特征的标准差。
[0067]
其中对比度con：可用于反映图像纹理凹槽深浅的程度；逆差分矩idm：可用于反映图像纹理分布的局部变化情况；熵ent：可用于反映图像的复杂程度以及信息量；能量asm：可用于反映图像域灰度分布的均匀程度。
[0068]
为说明所述4种纹理特征如何影响图像复杂度，以图4所示(j)到(m)4幅不同复杂度背景图像进行举例说明，图中所示图像分辨率均为1920*1080，明显地，图4中从(j)到(m)图像复杂度依次增加；分别提取4幅图像的纹理特征，包括：对比度con，逆差分矩idm，熵ent，能量asm，并取其标准差结果如表2所示：
[0069]
背景对比度con逆差分矩idm熵ent能量asm(j)0.25380.03090.17850.029(k)0.55710.01170.1520.0106(1)1.71130.00440.17520.0039(m)2.59970.00140.19670.0015
[0070]
表2图4所示(j)到(m)4幅不同复杂度背景图像的4个纹理特征的标准差。
[0071]
从表2可以看出，随着图像复杂度的增加，对比度con依次增加，逆差分矩idm依次减小，能量asm依次减小，熵ent呈增大趋势，但图像(k)与图像(l)的熵值反而随着图像复杂度增加而降低，即由单一纹理特征来描述图像复杂度会存在一定误差，所以本发明以4种不同纹理特征来描述图像复杂度来减小这种误差，所以4种纹理特征标准差分别以加权系数+1、-1、+1、-1进行加权来描述图像复杂度；所以定义图像复杂度tc的公式为：
[0072]
tc＝ent+con-asm-idm。
[0073]
为寻找图像复杂度与一阶拟合系数k的关系，以图2所示(a)到(i)9幅不同复杂度背景图像进行实验分析，发现二者存在一定比例转换关系，并定义二者转换误差如下：
[0074][0075]
其中，t为图像复杂度转换值，t＝-tc/500。
[0076]
图2所示(a)到(i)9幅不同复杂度背景图像的一阶拟合系数与其对应图像复杂度转换值及二者转换带来的误差结果如表3所示：
[0077]
背景一阶拟合系数纹理复杂度转换值转换误差δ
(a)-0.0038-0.00365.26％(b)-0.0055-0.0069.09％(c)-0.00086-0.00086.98％(d)-0.0022-0.00249.09％(e)-0.0043-0.00422.33％(f)-0.0017-0.00165.88％(g)-0.0041-0.00434.88％(h)-0.0016-0.00176.25％(i)-0.0011-0.00110.00％
[0078]
表3图2(a)到(i)9幅不同复杂度背景图像的一阶拟合系数与其对应图像复杂度转换值及二者转换带来的误差结果。
[0079]
表3验证对于不同复杂度图像，包含复杂度较低的图像，如图2所示背景图像(c)和(i)，图像复杂度转换值与对应一阶拟合系数转换而带来的转换误差控制在10％以内，验证本发明对简单背景有较好适用性，背景适用性更强，所以通过计算图像的复杂度，进一步求解其转换值，就可以由图像特征相似性求解得出烟雾浓度，其计算公式为：
[0080]
x＝(f-f0)/t；
[0081]
其中，x表示烟雾浓度，单位为mg/m3，f表示初始背景图像与烟雾图像间的特征相似性值，f0表示无烟雾产生情况下图像特征相似性预设值，无烟情况下图像特征相似性预设值取为更贴合实际的0.985，t表示图像复杂度转换值。
[0082]
为验证本发明的正确性与可靠性，选择如图5所示不同复杂度背景图像进行系列实验；得到了如图6-10所示的背景图像(n)-(r)下的烟雾浓度传感器所测烟雾浓度值及根据图像特征相似性所求烟雾浓度值而得到的曲线图.
[0083]
关于本发明具体结构需要说明的是，本发明采用的各部件模块相互之间的连接关系是确定的、可实现的，除实施例中特殊说明的以外，其特定的连接关系可以带来相应的技术效果，并基于不依赖相应软件程序执行的前提下，解决本发明提出的技术问题，本发明中出现的部件、模块、具体元器件的型号、相互间连接方式以及，由上述技术特征带来的常规使用方法、可预期技术效果，除具体说明的以外，均属于本领域技术人员在申请日前可以获取到的专利、期刊论文、技术手册、技术词典、教科书中已公开内容，或属于本领域常规技术、公知常识等现有技术，无需赘述，使得本案提供的技术方案是清楚、完整、可实现的，并能根据该技术手段重现或获得相应的实体产品。
[0084]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。