【摘要】 。一種降低氣化爐合成氣帶水量的裝置，一種降低合成氣帶水量的裝置，包括下降管和爐殼，其特點在于：還包括支撐板和固定在支撐板上的水分離擋板，支撐板水平放置在下降管與爐殼之間的環(huán)形空間內(nèi)，且支撐板的兩側(cè)分別與下降管與爐殼固定。本實用新型
【摘要】 一種基于圖像突變的圖像檢索方法，涉及圖像檢 索領(lǐng)域。目前，復雜背景下圖像的自動分割方法過于簡單，且 容易破壞圖像內(nèi)部語義的相關(guān)性。本發(fā)明的首先將用戶上傳的 樣例圖像的顏色數(shù)據(jù)從GRB空間轉(zhuǎn)換到HSV空間，并歸一化 處理；然后根據(jù)像素間的相關(guān)性和信息突變特性，對圖像進行 初始分割，并根據(jù)分割后的像素塊間的相似性，進行循環(huán)合并， 將圖像分割為3×3子塊；分別抽取9個區(qū)域的特征向量，即 HSV顏色直方圖、分塊主色以及中心矩；由用戶從9個區(qū)域中 選取感興趣區(qū)域，與待檢索圖像進行的進行相似性比較，得到 進行圖像檢索結(jié)果。本發(fā)明在圖像的檢索過程中兼顧檢索算法 的低復雜度與圖像語義貼合性，檢索結(jié)果與人類認知具有良好 的一致性。 【專利類型】發(fā)明申請 【申請人】北京工業(yè)大學 【申請人類型】學校 【申請人地址】100022北京市朝陽區(qū)平樂園100號 【申請人地區(qū)】中國 【申請人城市】北京市 【申請人區(qū)縣】朝陽區(qū) 【申請?zhí)枴緾N200610113046.X 【申請日】2006-09-08 【申請年份】2006 【公開公告號】CN1916906A 【公開公告日】2007-02-21 【公開公告年份】2007 【授權(quán)公告號】CN100433016C 【授權(quán)公告日】2008-11-12 【授權(quán)公告年份】2008.0 【IPC分類號】G06F17/30; G06T7/00 【發(fā)明人】賈克斌; 王妍; 劉鵬宇 【主權(quán)項內(nèi)容】1.一種基于信息突變的圖像檢索算法，其特征在于，包括下述步驟： 1)讀入用戶從外接數(shù)碼相機中上傳的或者讀入計算機里儲存的樣例圖像Sample，將其從RBG轉(zhuǎn)換到HSV顏色空間，并將其中的色調(diào)H、飽和度S、亮度V三個分量按照公式(1)計算得到歸一化分量L后，將L作為像素的顏色值； L＝16H+4S+V????????????????????(1) 2)將圖像左上角的像素P0(0，0)作為初始種子點，分別向下、向右擴展一行、一列像素，得到一正方形區(qū)域，計算該正方形區(qū)域內(nèi)所有像素的顏色值的平均值，然后計算其與初始種子點顏色值的差值Dif，將Dif與閾值Thred＝8相比較，若Dif＞Thred則表示該區(qū)域中存在顏色信息突變；否則，仍以圖像左上角的像素P0(0，0)為初始種子點，以剛完的區(qū)域為基礎(chǔ)，再分別向下、向右擴展一行、一列像素，得到一新的正方形區(qū)域，計算該區(qū)域的顏色均值arg(new)，然后計算其與擴展前正方形區(qū)域的顏色均值arg(origin)的差值Dif，如(2)式所示： Dif＝arg(origin)-arg(new)????????????????(2) 式中： 其中，br是初始種子的行號、bc是其列號，它們的初始值都為0；k和s分別代表新得到的正方形區(qū)域的右下角像素的行號、列號；Pij表示第i行、第j列像素的顏色特征向量L的值； 再將Dif與閾值Thred相比較，直至Dif＞Thred即該區(qū)域中存在顏色信息突變時，本次結(jié)束，將剛過的區(qū)域定義為一個塊，將對該塊的定義為一個塊； 3)以2)為基礎(chǔ)對圖像進行多方位、多尺寸的方向，分4次進行，分別為最大行距橫向、最小行距橫向、最大列距豎向及最 小列距豎向； 橫向： a1、重新定義2)中得到的塊的右上角點的像素P1(i，j)為新的初始種子點； b1、以新定義的初始種子點為起點，分別向下、向右擴展一行、一列像素，得到一正方形區(qū)域，計算該正方形區(qū)域的顏色均值，然后計算其與新的初始種子點顏色值的差值Dif，將Dif與閾值Thred相比較，若Dif＞Thred則表示該區(qū)域中存在顏色信息突變；否則，仍以新定義的初始種子點為初始種子點，以剛完的區(qū)域為基礎(chǔ)，再向外擴展一行、一列像素，得到一新的正方形區(qū)域，計算該區(qū)域的顏色均值，然后計算其與未擴展前正方形區(qū)域的顏色均值的差值Dif，直至Dif＞Thred即該區(qū)域中存在顏色信息突變時，本次結(jié)束； c1、重新定義b1中得到的塊的右上角點的像素P1(i，j)為新的初始種子點； d1、重復過程b1、c1，直至新定義的初始種子點超越圖像的右邊界，本次橫向結(jié)束，找出本次橫向過程中尺寸最大的像素塊和尺寸最小的像素塊，分別以它們的尺寸作為本次橫向的行間距，得到最大行距區(qū)域和最小行距區(qū)域； e1、將得到的最大行距區(qū)域和最小行距區(qū)域的左下角分別作為下次橫向的初始種子點，按照b1至d1的步驟分別開始下次的橫向，得到新的最大行距區(qū)域和最小行距區(qū)域，如此往復，直至新定義的初始種子點超越圖像的下邊界，橫向結(jié)束； 在的過程中，最大行距和最小行距是分別獨立進行的，以M表示經(jīng)過最大行距和最小行距后得到的總的行區(qū)域的數(shù)目；在的過程中，每次新的開始都是以剛得到的分割后區(qū)域的左下角像素作為初始種子點； 縱向： a2、重新定義2)中得到的塊的左下角點的像素P.11(i，j)為新的初始種子 點； b2、以新定義的初始種子點為起點，分別向下、向右擴展一行、一列像素，得到一正方形區(qū)域，計算該正方形區(qū)域的顏色均值，然后計算其與新的初始種子點顏色值的差值Dif，將Dif與閾值Thred相比較，若Dif＞Thred則表示該區(qū)域中存在顏色信息突變；否則，仍以新定義的初始種子點為初始種子點，以剛完的區(qū)域為基礎(chǔ)，再分別向下、向右擴展一行、一列像素，得到一新的正方形區(qū)域，計算該區(qū)域的顏色均值，然后計算其與擴展前正方形區(qū)域的顏色均值的差值Dif，直至Dif＞Thred即該區(qū)域中存在顏色信息突變時，本次結(jié)束； c2、重新定義b2中得到的塊的左下角點的像素P1(i，j)為新的初始種子點； d2、重復b2、c2的過程，直至新定義的初始種子點超越圖像的下邊界，本次縱向結(jié)束，找出本次縱向過程中尺寸最大的像素塊和尺寸最小的像素塊，分別以它們的尺寸作為本次縱向的列間距，得到最大列距區(qū)域和最小列距區(qū)域； e2、將得到的最大列距區(qū)域和最小列距區(qū)域的右上角的像素分別作為下次的初始種子點，按照b2至d2的步驟，分別開始下次的縱向，如此往復，直至新定義的初始種子點超越圖像的右邊界，列結(jié)束； 在的過程中，最大列距和最小列距是分別獨立進行的，以N表示經(jīng)過最大列距和最小列距后得到的總的列區(qū)域的數(shù)目；在的過程中，每次新的開始都是以剛得到的分割后區(qū)域的右上角像素作為初始種子點； 4)經(jīng)過2)和3)，任意一幅圖像Sample在空間上被分割成M×N個子塊，對分割結(jié)果進行區(qū)域合并，合并分別在垂直和水平方向上進行： 垂直方向的合并： 根據(jù)公式(5)循環(huán)計算相鄰的兩個行區(qū)域的區(qū)域距離，得到M-1個區(qū)域距離Dis，即：從第一個區(qū)域開始，計算第一個區(qū)域與第二個區(qū)域的區(qū)域距離、第二個區(qū)域與第三個區(qū)域的區(qū)域距離、第三個區(qū)域與第四個區(qū)域的 區(qū)域距離，如此往復，直至計算出第M-1個區(qū)域與第M個區(qū)域的區(qū)域距離； 式中，argi，argj分別表示兩個區(qū)域的顏色均值，ni，nj分別表示兩個區(qū)域的總像素數(shù)； 從M-1個計算結(jié)果中選取最小值，并將該最小值對應(yīng)的兩個行區(qū)域合并，從而得到M-1個合并后的區(qū)域；對新得到的所有行區(qū)域再次循環(huán)計算新合并后的相鄰行區(qū)域的區(qū)域距離Dis，從計算結(jié)果中選取新的最小值，并將該新的最小值對應(yīng)的兩個行區(qū)域合并，從而進一步得到M-2個行區(qū)域；如此往復，直到圖像在垂直方向上被劃分為3個區(qū)域； 水平列方向的合并： 根據(jù)公式(5)循環(huán)計算相鄰的兩個列區(qū)域的區(qū)域距離，得到N-1個區(qū)域距離Dis，即：從第一個區(qū)域開始，計算第一個區(qū)域與第二個區(qū)域的區(qū)域距離、第二個區(qū)域與第三個區(qū)域的區(qū)域距離、第三個區(qū)域與第四個區(qū)域的區(qū)域距離，如此往復，直至計算出第N-1個區(qū)域與第N個區(qū)域的區(qū)域距離；從N-1個計算結(jié)果中選取最小值，并將該最小值對應(yīng)的兩個列區(qū)域合并，從而得到N-1個合并后的區(qū)域；對新得到的所有列區(qū)域再次循環(huán)計算新合并后的相鄰列區(qū)域的區(qū)域距離Dis，從計算結(jié)果中選取新的最小值，并將該新的最小值對應(yīng)的兩個列區(qū)域合并，從而進一步得到N-2個列區(qū)域；如此往復，直到圖像在水平方向上被劃分為3個區(qū)域； 經(jīng)過垂直方向的合并與水平方向的合并后，整個圖像被劃分為3×3子塊； 5)分別抽取圖像各個子塊的HSV顏色直方圖His＝{pt|0≤t＜72}、分塊主色Mc(c＝1，2，3)以及中心矩σ，其中，分塊主色Mc表示區(qū)域顏色概率值位于前三位最大值的三種顏色；區(qū)域的中心矩σ定義如下： 式中，Pq表示該區(qū)域內(nèi)某一點像素的顏色值，n表示該區(qū)域內(nèi)的像素的總數(shù)，arv表示該區(qū)域內(nèi)所有像素的顏色的平均值； 6)由用戶從9個子塊中任意選取一塊感興趣區(qū)域A，設(shè)其顏色直方圖為HisA＝{pt|0≤t＜72}，分塊主色為MAc(c＝1，2，3)，中心矩為σA； 7)從待檢索的圖像數(shù)據(jù)庫中任取某一幅圖像S，設(shè)其9個分割區(qū)域中的任意一個為B，其顏色直方圖為HisB＝{pt|0≤t＜72}，分塊主色為MBc(c＝1，2，3)，中心矩為σB，根據(jù)下式計算A與B的相似距離D(A，B)， 其中， 公式(8)表示以直方圖交叉距離為依據(jù)，對感興趣區(qū)的分塊主色進行加權(quán)； 在分子中，At，Bt分別表示A與B的72維顏色直方圖中某一種顏色t的顏色分布概率值，min(At，Bt)表示將A與B的72個顏色概率值全部進行對應(yīng)求最小值處理，min(At＝MAc，Bt＝MAc)表示與A的三個分塊主色值相等的3個顏色值所求得的最小值，在此基礎(chǔ)上，用Wc進行加權(quán)，權(quán)值分別為W1＝2.5，W2＝2，W3＝1.5，即如公式(8)中分子的前半部分所示；而對于A與B的72維顏色直方圖中與A的三個分塊主色值不相等的69個顏色值在進行對應(yīng)求最小值處理后，對所得的最小值進行累加求和，而不進行加權(quán)，即如公式(8)中分子的后半部分所示； 8)循環(huán)計算圖象S的9個區(qū)域與樣例圖像Sample的感興趣區(qū)A的相似距離，取相似距離最大區(qū)域的相似距離作為S與Sample的距離； 9)按照7)至8)計算數(shù)據(jù)庫中所有圖像與Sample的相似距離； 10)將所有相似距離按從大到小排序，返回檢索結(jié)果。 【當前權(quán)利人】北京工業(yè)大學 【當前專利權(quán)人地址】北京市朝陽區(qū)平樂園100號 【專利權(quán)人類型】公立 【統(tǒng)一社會信用代碼】12110000400687411U 【被引證次數(shù)】20 【被他引次數(shù)】20.0 【家族引證次數(shù)】5.0 【家族被引證次數(shù)】20
未經(jīng)允許不得轉(zhuǎn)載：http://m.mhvdw.cn/1776021075.html
喜歡就贊一下
