基于神经免疫生长可免域网络的红外光谱图像分割算法

摘要：

管道运输对远距离输送石油天然气有着较大优势,而与之伴随的管道安全问题使得管道安全检测至关重要.为确保任何时间下管道状况的有效检测,红外成像技术由于其根据对象的热辐射信息反映目标特征的特殊性,能够忽视可见光的影响检测管道状态,因而在管道检测领域有重要意义.但由于户外环境的多样性,交错的管道和复杂环境使得采集的红外管道图像具有目标特征分布不均匀,目标遮挡和背景类目标干扰等问题.这些问题增加了提取管道目标的难度,不利于管道的分割和检测.生物免疫系统在抗原检测、提取和消除上表现出识别、学习、记忆、耐受和协调配合等目前复杂系统优化策略所缺乏的优异特性,借鉴生物神经系统调控免疫系统的机理,设计一种基于神经免疫网络的复杂背景下红外管道目标的检测与提取算法.根据生物神经网络在免疫系统中的调控机制,利用基础管道形状特征模型构建用于红外管道目标定位的神经网络,并将最优神经免疫可免域和区域种子生长结合,解决管道遮挡影响提取目标完整性的问题.选择三种典型的红外管道图像,将传统目标检测算法与基于神经免疫网络的算法进行了效果对比分析.结果表明,传统算法的平均真阳性率为40.56％,Jaccard相似性指数为27.18％,绝对误差率为11.75％,而基于神经免疫网络算法的真阳性率为98.05％,Jaccard相似性指数为94.44％,绝对误差率为1.18％.对比可知,神经免疫网络算法的真阳性率比传统方法高57.49％,绝对误差率则低10.57％,验证了复杂背景下,本文算法相比传统方法能够更加准确地提取完整的红外管道目标,这对管道安全检测效率的提高有着重要意义.

关键词：红外图像、图像分割、免疫域、蒸汽管道图像

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1652-1660