(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 CN 110532511 A
(43)申请公布日 2019.12.03
(21)申请号 CN201910684622.3
(22)申请日 2019.07.26
(71)申请人 四川师范大学
    地址 610000 四川省成都市龙泉驿区成龙大道二段1819号
(72)发明人 李国辉
(74)专利代理机构 成都玖和知识产权代理事务所(普通合伙)
    代理人 胡琳梅
(51)Int.CI
     
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      一种基于灰度-秩共生矩阵转动惯量的粉尘浓度测量方法
(57)摘要
      本发明属于一种基于灰度‑秩共生矩阵转动惯量的粉尘浓度测量方法，对若干组标准浓度梯度的粉尘图像，进行灰度‑秩共生矩阵和转动惯量的计算，构建粉尘浓度和转动惯量间的数学模型，通过所述数学模型测量粉尘浓度。本发明基于测量精度易受全局大气光变化而引发的大气光散射效应的干扰，以及粉尘颗粒遮挡效应干扰；为提高视觉法粉尘浓度测量的精度，本提案从全局面域纹理特征出发，提出灰度‑秩共生矩阵及其特征惯量的计算方法；并将转动惯量作为间接量表征粉尘浓度，构建粉尘浓度和转动惯量之间的数学模型，实现更高精度的粉尘浓度测量。
法律状态
法律状态公告日
法律状态信息
法律状态
权 利 要 求 说 明 书
1.一种基于灰度-秩共生矩阵转动惯量的粉尘浓度测量方法,其特征在于,对标准浓度梯度的粉尘图像,进行灰度-秩共生矩阵和转动惯量的计算,构建粉尘浓度和转动惯量间的数学模型,通过所述数学模型测量粉尘浓度。
2.根据权利要求1所述的一种基于灰度-秩共生矩阵转动惯量的粉尘浓度测量方法,其特征在于,包括以下步骤:
S1:采集若干组标准浓度梯度的粉尘图像;
S2:对S1的粉尘图像进行灰度-秩共生矩阵计算,包括以下步骤:
(1)对S1的粉尘图像处理得正则化秩矩阵M,
(2)将S1的粉尘图像归一和量化处理得正则化灰度矩阵F,
(3)通过正则化秩矩阵M和正则化灰度矩阵F建立灰度-秩共生矩阵H和灰度-秩共生矩阵的概率形式P;
S3:将S2中的灰度-秩共生矩阵的概率形式P带入粉尘图像的转动惯量的计算公式,得到转动惯量累积和S;
正则匹配快代理S4:通过数据拟合法,建立S3中得到的转动惯量累积和S和与S1中的粉尘图像标准浓度之间的数学模型c(s);
S5:将被测粉尘图像的转动惯量累积和S带入S4中的数学模型c(s),得到被测粉尘图像的粉尘浓度。
3.根据权利要求2所述的一种基于灰度-秩共生矩阵转动惯量的粉尘浓度测量方法,其特征在于,所述转动惯量是灰度-秩共生矩阵中粉尘绕原点转动时惯性的度量。
4.根据权利要求2所述的一种基于灰度-秩共生矩阵转动惯量的粉尘浓度测量方法,其特征在于,正则化秩矩阵M为:
       
     
式中Ω(x,y)为以(x,y)位置为中心的大小为w的子窗口,R(.)为求秩算子,N(.)为归一化算子,L
M
为M的秩量化级别,L
M
小于等于w。
5.根据权利要求2所述的一种基于灰度-秩共生矩阵转动惯量的粉尘浓度测量方法,其特征在于,正则化灰度矩阵F为:
F=N(I)×L
I
式中L
I
为I的灰度量化级别,L
I
小于等于灰度级256。
6.根据权利要求2所述的一种基于灰度-秩共生矩阵转动惯量的粉尘浓度测量方法,其特征在于,灰度-秩共生矩阵H为:
{H(i,j)|I(x,y)=i,G(x,y)=j}
式中,i=0,1,2,...,L
I
-1,j=0,1,2,...,L
M
-1。
7.根据权利要求2所述的一种基于灰度-秩共生矩阵转动惯量的粉尘浓度测量方法,其特征在于,H中的元素H(i,j)
为正则化正则化秩矩阵M和粉尘灰度图像F中共同满足灰度值i和秩值j的像素点总数。
8.根据权利要求2所述的一种基于灰度-秩共生矩阵转动惯量的粉尘浓度测量方法,其特征在于,灰度-秩共生矩阵的概率形式P为:

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。