自适应变步长高斯混合模型的工业烟尘目标分割方法

作     者：刘辉 王亚楠 陈棕鑫 LIU Hui;WANG Ya-nan;CHEN Zong-xin

作者机构：昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500 

出 版 物：《控制理论与应用》 (Control Theory & Applications)

年 卷 期：2020年第37卷第11期

页      面：2441-2450页

核心收录：

学科分类：07[理学] 08[工学] 080203[工学-机械设计及理论] 070602[理学-大气物理学与大气环境] 0706[理学-大气科学] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(61863018)资助 

主　　题：图像分割 目标检测 背景减除 背景建模 高斯混合模型 烟尘分割 

摘      要：工业烟尘排放时的烟气黑度自动监测对提高环保质量和指导生产过程具有重要的应用价值,针对传统的高斯混合模型在进行背景建模时,参数是在固定帧值的基础上进行参数更新,导致烟尘检测不准确等问题,提出一种自适应变步长高斯混合模型的工业烟尘图像分割方法.根据烟尘变化速度不均匀的特点,通过分析检测出烟尘与实际烟尘的检出率和检准率的和的最大值,计算熵值差变化率对应的最佳步长,得到熵值差变化率与最佳步长的模型.以熵值差变化率为依据,确定最佳步长,得到一个关于熵值差变化率与最佳步长的模型.以熵值差变化率为输入,以最佳步长为输出,在广义回归神经网络(GRNN)得到适用于本文工业烟尘图像分割的网络模型.最后,在多个场景的烟尘视频中进行分割实验,结果表明,本文中方法能够有效的分割出视频中烟尘区域,且具有一定的适用性.