面向烟雾识别与纹理分类的Gabor网络

摘要：

目的 通过烟雾检测能够实现早期火灾预警,但烟雾的形状、色彩等属性对环境的变化敏感,使得烟雾特征容易缺乏辨别力与鲁棒性,最终导致图像烟雾识别、检测的误报率与错误率较高.为解决以上问题,提出一种基于Gabor滤波的层级结构,可视为Gabor网络.方法 首先,构建一个Gabor卷积单元,包括基于Gabor的多尺度、多方向局部响应提取和跨通道响应浓缩;然后,将Gabor卷积单元输出的浓缩响应图进行跨通道编码并统计出直方图特征,以上Gabor卷积单元与编码层构成了一个Gabor基础层,用于提取多尺度、多方向的基础特征,对基础层引入最大响应索引编码和全局优化能生成扩展特征;最后,将基础和扩展特征首尾相连形成完整烟雾特征,通过堆叠上述Gabor基础层能形成一个前馈网络结构,将每一层特征首尾相连即可获得烟雾的多层级特征.结果 实验结果表明,此Gabor网络泛化性能好,所提烟雾特征的辨别力在对比实验中综合排名第一,所提纹理特征的辨别力在两个纹理数据集上分别排名第一与第二.结论 所提Gabor网络能够实现多尺度、多方向的多层级纹理特征表达,既能提高烟雾识别的综合效果,也可提高纹理分类的准确率.未来可进一步研究如何降低特征的冗余度,探索不同层特征之间的关系并加以利用,以期在视频烟雾实时识别中得到实际应用.

关键词：烟雾识别、纹理分类、特征提取、Gabor滤波、层级结构

所属期刊栏目：24

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目61862029;水电工程智能视觉监测湖北省重点实验室开放基金项目2018SDSJ01;江西省高校科技落地计划基金项目KJLD12066;江西省教育厅科技基金项目GJJ170317;江西省社会科学规划基金项目18YJ15

在线出版日期：2019-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：269-281