科研之友
微信
新浪微博
Facebook
分享链接
摘要
受红外热成像固有特性限制及灾后巷道复杂环境的影响,有效的红外图像分割方法是完成应急救援的必要保证。为实现矿山钻孔救援生命信息红外图像人体目标识别,确定被困矿工位置,需对红外图像进行精确分割,为此,提出了基于SVM理论的红外图像分割方法。将XKQY-Ⅰ型红外生命信息探测仪侦测的视频分为正样本、负样本及测试样本,利用高低帽变换相结合的方法增强红外图像,采用交叉验证法选择最佳参数C与G,结合RBF核函数对数据集进行训练,获取SVM分类器,实现了测试样本的红外图像分割。并将图像分割效果与边缘检测算法、Otsu阈值分割法、K-mean聚类法、形态学分水岭法等传统图像分割方法进行了对比分析。结果表明,基于SVM的红外图像分割方法不需先验知识和优选阈值等预处理程序;运算时间为0.190 s,是QGA算法的24.33%;错分率为0.06,是QGA算法的55.05%;抗噪能力强。该算法可有效应用于矿山钻孔救援红外图像的分割,为后续人体目标识别提供有力支撑。
- 单位
