一種基于圖像結構相似度的煙霧濃度測量方法和系統與流程

本發明屬于煙霧濃度測量領域，更具體地，涉及一種基于圖像結構相似度的煙霧濃度測量方法和系統。
背景技術：
：現有技術基于圖像結構相似度來檢測煙霧，相對于傳統的煙霧檢測方法具有更強的抗干擾能力，但是它們只能進行視頻煙霧定性檢測，無法完成視頻煙霧濃度的定量測量。現有的煙霧濃度視頻測量方法如“基于煙霧濃度的火災視頻檢測方法”基于視頻圖像灰度計算煙霧濃。這種方法的主要依據為淺白色煙霧的存在使背景圖像的灰度值增加。實際計算中，利用煙霧化方程，通過灰度不同的相鄰背景區域間的煙霧濃度與穿透率近似相等建立方程，求解大氣光與煙霧濃度。該方法相比于傳統的煙霧濃度測量方法具有結構簡單、智能高效等優勢，但仍存在不足之處：首先實際生活中，由于煙霧產生的原因不同，生成的煙霧顏色也不同，例如黑煙、白煙、藍煙等。而白煙以外的其他煙霧是不會使背景圖像的灰度值增加的，所以該方法對黑煙、藍煙等并無很好地檢測效果。其次，由于圖像的最大灰度值為255，對于灰度值已經很高的背景圖像，煙霧的存在使背景圖像灰度值提高的空間有限，因此該方法利用灰度值較大的背景圖像來計算煙霧濃度是很不準確的。由此可見，現有煙霧濃度測量技術受到煙霧顏色和背景圖像灰度的限制，且測量的準確率較低。技術實現要素：針對現有技術的以上缺陷或改進需求，本發明提供了一種基于圖像結構相似度的煙霧濃度測量方法和系統，其目的在于提供一種適用于任意背景圖像、任意煙霧顏色的方法，由此解決現有煙霧濃度測量技術受到煙霧顏色和背景圖像灰度的限制，且測量的準確率較低的技術問題。為實現上述目的，按照本發明的一個方面，提供了一種基于圖像結構相似度的煙霧濃度測量方法，包括：(1)采集目標場景的煙霧圖像和背景圖像，所述背景圖像為目標場景未產生煙霧時的圖像，計算煙霧圖像與背景圖像之間的圖像結構相似度；(2)提取背景圖像的圖像特征，利用圖像特征描述圖像復雜度；利用圖像復雜度和圖像結構相似度得到煙霧圖像的煙霧濃度。進一步的，煙霧濃度m的公式為：m＝-c×(ssim-ssim0)，其中，c表示圖像復雜度，ssim表示圖像結構相似度，ssim0為預設值。進一步的，預設值為1。進一步的，圖像特征包括：角二階矩asm、對比度con、逆差分矩idm、熵ent和相關性cor。進一步的，圖像復雜度c為：c＝con+ent-asm-idm-cor。按照本發明的另一方面，提供了一種基于圖像結構相似度的煙霧濃度測量系統，包括：第一模塊，用于采集目標場景的煙霧圖像和背景圖像，所述背景圖像為目標場景未產生煙霧時的圖像，計算煙霧圖像與背景圖像之間的圖像結構相似度；第二模塊，用于提取背景圖像的圖像特征，利用圖像特征描述圖像復雜度；利用圖像復雜度和圖像結構相似度得到煙霧圖像的煙霧濃度。進一步的，煙霧濃度m的公式為：m＝-c×(ssim-ssim0)，其中，c表示圖像復雜度，ssim表示圖像結構相似度，ssim0為預設值。進一步的，預設值為1。進一步的，圖像特征包括：角二階矩asm、對比度con、逆差分矩idm、熵ent和相關性cor。進一步的，圖像復雜度c為：c＝con+ent-asm-idm-cor。總體而言，通過本發明所構思的以上技術方案與現有技術相比，能夠取得下列有益效果：(1)本發明利用圖像復雜度和圖像結構相似度得到煙霧圖像的煙霧濃度，不受到煙霧顏色和背景圖像灰度的限制，且測量的準確率高，應用范圍廣。(2)優選的，在計算煙霧圖像的煙霧濃度時預設值為1，在保證測量結果準確率高的同時，提高了計算效率。(3)優選的，本發明選用角二階矩asm、對比度con、逆差分矩idm、熵ent和相關性cor，這利用5種圖像特征的加權來描述圖像復雜度，準確率高。附圖說明圖1是本發明實施例提供的一種基于圖像結構相似度的煙霧濃度測量方法的流程圖；圖2是本發明實施例的背景圖像；圖3是本發明實施例中煙密計測量值與結構相似度值的曲線關系圖；圖4是本發明實施例中煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖5是本發明實施例中三條曲線關系圖；圖6(a)是本發明實施例中的第一幅梅花圖像；圖6(b)是本發明實施例中的第二幅梅花圖像；圖6(c)是本發明實施例中的第三幅梅花圖像；圖6(d)是本發明實施例中的第四幅梅花圖像；圖7(a)～7(i)是本發明實施例中的9幅不同圖像復雜度的背景圖像；圖8(a)是本發明實施例煙霧圖像中3根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖8(b)是本發明實施例煙霧圖像中4根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖8(c)是本發明實施例煙霧圖像中5根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖8(d)是本發明實施例煙霧圖像中6根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖8(e)是本發明實施例煙霧圖像中7根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖8(f)是本發明實施例煙霧圖像中8根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(a)是本發明實施例中第一背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(b)是本發明實施例中第二背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(c)是本發明實施例中第三背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(d)是本發明實施例中第四背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(e)是本發明實施例中第五背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(f)是本發明實施例中第六背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖。具體實施方式為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。此外，下面所描述的本發明各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。如圖1所示，一種基于圖像結構相似度的煙霧濃度測量方法，包括：(1)采集目標場景的煙霧圖像和背景圖像，所述背景圖像為目標場景未產生煙霧時的圖像，計算煙霧圖像與背景圖像之間的圖像結構相似度；(2)提取背景圖像的圖像特征，利用圖像特征描述圖像復雜度；利用圖像復雜度和圖像結構相似度得到煙霧圖像的煙霧濃度。由于圖像中煙霧的存在會導致圖像失真，圖像結構相似度下降，且在一定范圍內，煙霧濃度越大，圖像失真越嚴重，圖像結構相似度下降越多，因此圖像結構相似度與煙霧濃度間存在一定的定量關系。為了尋找這種定量關系，我們錄制一段視頻，背景圖像如圖2所示，背景圖像表示煙霧圖像未產生煙霧前的圖像。實驗裝置有攝像頭、實驗箱、風扇、煙密計等。其中，攝像頭位置固定在實驗箱左側的小孔中，用于錄制煙霧濃度隨時間變化的視頻，分辨率為640×480，幀率為16fps。實驗箱大小為0.6m×0.6m，左側和上側各有一個圓形小孔，左側的小孔用于放置攝像頭，上側的小孔用于釋放實驗箱內的煙霧，背景圖像貼于實驗箱右側，也就是錄制的煙霧視頻的背景。為了使實驗箱中的煙霧均勻擴散，分別在右上角與左下角放置一個24v風扇。實驗箱底部是一個木質抽屜，抽屜里放置一個鐵制托盤，煙霧就是通過點燃抽屜托盤里的棉繩產生的。抽屜上方分別放置一個抽氣機與一個煙密計。點燃棉繩產生的煙霧就是通過抽氣機抽入到煙箱中的。煙密計用來測量激光發射器與接收器之間的煙霧濃度。總體來說，整個實驗過程可以簡單地作如下描述：首先點燃抽屜內的棉繩產生煙霧，抽氣機將煙霧抽入到實驗箱中，風扇使進入到實驗箱中的煙霧擴散均勻，煙密計記錄下實驗箱中煙霧濃度的變化情況，整個過程用攝像頭錄制成視頻。圖像結構相似度從圖像組成的角度出發，包含亮度、對比度和結構三個因素。給定兩幅圖像x，y，它們之間的圖像結構相似度ssim(x，y)定義為：其中，亮度比較函數：對比度比較函數：結構比較函數：其中，μx為圖像x的灰度值均值，μy為圖像y的灰度值均值，σx為圖像x的無偏估計標準差，σy為圖像y的無偏估計標準差，σxy為兩幅圖像的協方差，c1、c2和c3通常為很小的常數，加入這些常數的目的是為了避免造成分母為0而造成的不穩定現象。一般取：c1＝(k1l)2，c2＝(k2l)2，k1，k2＜＜1，l為圖像像素的取值范圍。計算視頻從第二幀開始的每一幀圖像與背景圖像(視頻第一幀)間的結構相似度，同時利用煙密計記錄煙霧濃度在整個視頻持續時間內的變化情況。將結構相似度與煙密計測量的煙霧濃度兩組數據繪制在同一幅圖中，如圖3所示。利用matlab中的polyfit函數對圖3中的兩條曲線進行一階多項式擬合，得到根據圖像結構相似度計算煙霧濃度的轉換系數k＝-3.4802，根據轉換系數對結構相似度曲線進行f(x)＝-3.4802x變換，得到的曲線將與煙密計測量得到的煙霧濃度曲線接近，結果如圖4所示。如圖4可以看出，該背景圖像下，通過圖像結構相似度計算的煙霧濃度很好地吻合了煙密計測量的煙霧濃度，這證明了該方法的可行性。但是，不同背景圖像的轉換系數不同。當背景圖像相對復雜時，即使被一定濃度的煙霧遮擋，仍可以看到背景圖像的部分結構信息，此時的圖像與背景圖像間的結構相似度仍保持較大值，也就是說，復雜的背景圖像在被煙霧遮擋后，結構相似度的變化相對緩慢；相反，當背景圖像相對簡單時，被同樣濃度的煙霧遮擋后，背景圖像的結構信息損失嚴重，此時的圖像與背景圖像間的結構相似度較低，也就是說，簡單的背景區域在被煙霧遮擋后，結構相似度的變化相對迅速。如圖5所示：假設y1＝x為煙霧濃度的變化曲線，由于背景圖像的復雜度越大，在被煙霧遮擋后，與原始背景圖像間的結構相似度曲線變化緩慢，因此假設y2＝-x為復雜度較大的背景圖像的結構相似度變化曲線，y3＝-2x為復雜度較小的背景圖像的結構相似度變化曲線。顯然，在通過y2＝-x曲線得到y1＝x曲線時，轉換系數為k1＝-1；在通過y3＝-2x曲線得到y1＝x曲線時，轉換系數為k2＝-1/2。顯然，|k1|＞|k2|。也就是說，轉換系數k與背景圖像的復雜度相關，且背景圖像的復雜度越大，轉換系數k的絕對值越大。因此為了統一轉換系數，需要對圖像的復雜度進行定量描述。這里基于圖像紋理特征描述圖像復雜度。采用灰度共生矩陣法提取圖像紋理特征，在此基礎上提取其中五種特征參數：(1)角二階矩asm：圖像的灰度共生矩陣的各個元素值均相等時的asm值小，表示圖像的紋理細，能量小；相反，圖像的灰度共生矩陣的各個元素值相差較大時的asm值大，表示圖像的紋理粗，能量大。(2)對比度con：對比度大的圖像紋理深，圖像清晰。對比度小的圖像紋理淺，圖像模糊。(3)逆差分矩idm：逆差分矩大的圖像局部紋理的變化少，逆差分矩小的圖像局部紋理的變化多。(4)熵ent：熵值大的圖像紋理復雜，熵值小的圖像紋理簡單。(5)相關性cor：相關性的值大代表行或列的相似程度高，表現為圖像的復雜度小。相關性的值小代表行或列的相似程度低，表現為圖像的復雜度大。為了說明這5種特征參數是如何影響圖像復雜度的，這里舉例說明：選取4幅大小相同的梅花圖像，如圖6(a)～6(d)所示。顯然，圖6(a)～6(d)的圖像復雜度依次增加。分別對圖6(a)～6(d)所示的四幅圖像提取角二階矩、對比度、逆差分矩、熵、相關性5種特征參數并求平均值，結果如表1所示：表1由表1可以看出，除表中橢圓標記處外，隨著圖像越來越復雜，角二階矩的值越來越小，對比度的值越來越大，逆差分矩的值越來越小，熵的值越來越大，相關性的值越來越小。表中三處橢圓標記說明由一種特征參數來衡量圖像復雜度會有少量誤差，所以本發明用5種特征參數的加權來描述圖像復雜度，準確率高，由此，對5種特征參數引入權值，熵、對比度的權值為1，角二階矩、逆差分矩、相關性的權值為-1，并進行加權求和，作為圖像復雜度的值。因此，定義圖像復雜度c的計算公式為：c＝con+ent-asm-idm-cor。為了找到轉換系數與圖像復雜度的關系，這里另外選取九幅不同復雜度的背景圖像，如圖7(a)～7(i)所示。按照上述方法分別計算轉換系數k與圖像復雜度c并加以對比，利用計算以圖像復雜度的負值代替轉換系數的誤差值e，所得結果如表2所示。表27(a)7(b)7(c)7(d)7(e)7(f)7(g)7(h)7(i)k＝-1.36k＝-3.18k＝-6.10k＝-1.3k＝-2.4k＝-5.9k＝-3.4k＝-3.6k＝-2.2c＝1.3c＝2.9c＝5.9c＝1.4c＝2.5c＝5.3c＝3.6c＝3.9c＝2.4e＝4％e＝8％e＝3％e＝7％e＝4％e＝10％e＝6％e＝8％e＝9％表2基本上驗證了背景圖像的復雜度越大，轉換系數k的絕對值越大，且對于大部分背景圖像來說，以圖像復雜度的負值代替轉換系數的誤差值控制在10％以內。因此，可以確定轉換系數k為圖像復雜度的負值。也就是說，在任意背景圖像條件下，只要計算出該背景圖像的復雜度，就可以根據結構相似度計算出煙霧濃度，計算公式為：m＝-c×(ssim-ssim0)，其中m為代表煙霧濃度，單位db/m。c代表圖像復雜度，單位db/m。ssim代表煙霧圖像與背景圖像之間的結構相似度，ssim0代表結構相似度曲線的第一個值，約為1。為了驗證本發明方法的正確性和有效性，我們分別在不同煙霧濃度、不同背景條件下進行了若干實驗。在不同煙霧濃度下，利用煙密計測量煙霧濃度值，根據圖像結構相似度計算出的煙霧濃度值，得到煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖。圖8(a)是本發明實施例煙霧圖像中3根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖8(b)是本發明實施例煙霧圖像中4根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖8(c)是本發明實施例煙霧圖像中5根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖8(d)是本發明實施例煙霧圖像中6根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖8(e)是本發明實施例煙霧圖像中7根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖8(f)是本發明實施例煙霧圖像中8根棉繩同時起煙時的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；由此可見，在不同的煙霧濃度下利用本發明方法計算得到的煙霧濃度與煙霧計實際測量得到的煙霧濃度均吻合，證明了本發明方法的正確性和有效性。圖9(a)是本發明實施例中第一背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(b)是本發明實施例中第二背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(c)是本發明實施例中第三背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(d)是本發明實施例中第四背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(e)是本發明實施例中第五背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖；圖9(f)是本發明實施例中第六背景圖像的煙密計測量值與根據結構相似度計算出的煙霧濃度值的曲線關系圖。由此可見，在不同的背景圖像下利用本發明方法計算得到的煙霧濃度與煙霧計實際測量得到的煙霧濃度均吻合，證明了本發明方法的正確性和有效性。本領域的技術人員容易理解，以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。當前第1頁12