用于污水偷排企業定位的圖像識別方法技術

本發明專利技術公開了用于污水偷排企業定位的圖像識別方法，涉及污水偷排企業圖像識別，包括依據污水偷排企業設置的類別樣本、待識別圖像，還包括以下步驟：S1，獲取來自依據污水偷排企業設置的采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；S4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；S5，利用人工神經網絡進行模式識別。本發明專利技術能夠有效提取依據污水偷排企業設置的背景的外部邊緣，作為理想的特征；能夠依據空間域和變換域雙重檢測，提高檢測精度。

A method of image recognition for the location of the enterprises of sewage drainage

The invention discloses an image recognition method for the positioning of a sewage draining enterprise, which relates to the image recognition of the sewage draining enterprise, including the class sample and the image to be recognized set according to the sewage draining enterprise, and the following steps: S1, obtaining the image to be recognized from the acquisition point set according to the sewage draining enterprise, transforming the decomposition domain in the spatial domain, and decomposing the image information In the multi-scale space to; S2, edge detection of the image to be recognized by using the spatial gradient operator; S3, edge detection of the image to be recognized by using wavelet in the image transformation domain; S4, extracting the feature vector of the image to be recognized by edge detection in the spatial domain and the transformation domain; S5, pattern recognition by using artificial neural network. The invention can effectively extract the external edge of the background set according to the sewage steal drainage enterprise as an ideal feature, and can double detect according to the space domain and the transformation domain to improve the detection accuracy.

【技術實現步驟摘要】
用于污水偷排企業定位的圖像識別方法
本專利技術涉及污水偷排企業圖像識別，具體涉及用于污水偷排企業定位的圖像識別方法。
技術介紹
污水偷排，指排放、傾倒或者處置有放射性的廢物、含傳染病病原體的廢物、有毒物質或者其他有害物質，嚴重污染環境的行為。目前污水偷排企業類別難以判斷，難以做到及時預警。
技術實現思路
本專利技術所要解決的技術問題是目前污水偷排企業類別難以判斷，難以做到及時預警，目的在于提供用于污水偷排企業定位的圖像識別方法，解決上述問題。本專利技術通過下述技術方案實現：用于污水偷排企業定位的圖像識別方法，包括污水偷排企業類別樣本、待識別圖像，還包括以下步驟：S1，獲取來自污水偷排企業采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；S4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；S5，利用人工神經網絡進行模式識別，將污水偷排企業類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現待識別圖像的識別。進一步地，所述S1中的分解域變換采用小波多尺度分解域變換。進一步地，所述S2中的梯度算子采用高斯拉普拉斯算子。進一步地，所述S3中的邊緣檢測結果采用鏈表進行記錄。進一步地，所述S4中的特征向量采用統計特征。本專利技術與現有技術相比，具有如下的優點和有益效果：1、本專利技術用于污水偷排企業定位的圖像識別方法，能夠有效提取污水偷排企業背景的外部邊緣，作為理想的特征；2、本專利技術用于污水偷排企業定位的圖像識別方法，能夠依據空間域和變換域雙重檢測，提高檢測精度。具體實施方式為使本專利技術的目的、技術方案和優點更加清楚明白，下面結合實施例，對本專利技術作進一步的詳細說明，本專利技術的示意性實施方式及其說明僅用于解釋本專利技術，并不作為對本專利技術的限定。實施例本專利技術用于污水偷排企業定位的圖像識別方法，包括污水偷排企業類別樣本、待識別圖像，還包括以下步驟：S1，獲取來自污水偷排企業采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；S4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；S5，利用人工神經網絡進行模式識別，將污水偷排企業類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現待識別圖像的識別。所述S1中的分解域變換采用小波多尺度分解域變換。所述S2中的梯度算子采用高斯拉普拉斯算子。所述S3中的邊緣檢測結果采用鏈表進行記錄。所述S4中的特征向量采用統計特征。以上所述的具體實施方式，對本專利技術的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本專利技術的具體實施方式而已，并不用于限定本專利技術的保護范圍，凡在本專利技術的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本專利技術的保護范圍之內。本文檔來自技高網...

【技術保護點】
1.用于污水偷排企業定位的圖像識別方法，包括依據污水偷排企業設置的類別樣本、待識別圖像，其特征在于，還包括以下步驟：/nS1，獲取來自依據污水偷排企業設置的采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；/nS2，利用空間域梯度算子進行待識別圖像的邊緣檢測；/nS3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；/nS4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；/nS5，利用人工神經網絡進行模式識別，將依據污水偷排企業設置的類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現待識別圖像的識別。/n

【技術特征摘要】
1.用于污水偷排企業定位的圖像識別方法，包括依據污水偷排企業設置的類別樣本、待識別圖像，其特征在于，還包括以下步驟：
S1，獲取來自依據污水偷排企業設置的采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；
S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；
S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；
S4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；
S5，利用人工神經網絡進行模式識別，將依據污水偷排企業設置的類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現...

【專利技術屬性】
技術研發人員：朱姝，
申請(專利權)人：朱姝，
類型：發明
國別省市：四川;51