一种基于字典学习的林火图像目标识别方法研究开题报告

1. 研究目的与意义

我们将字典学习这种在图像稀疏表示上有卓越表现的算法，应用到林火图像目标识别中。

字典学习实质上就是对于庞大数据集的一种降维表示，它在图像稀疏表示的本质就是用尽可能少的资源来表示尽可能多的知识，将这一算法应用于林火图向识别中，便可以从大量样本中生成字典，再用字典来稀疏表示样本，这样便大大提高了运算速度，从而更快发现火情。

2. 国内外研究现状分析

林火图像识别主要有图像预处理、图像分割和特征提取3个方面组成。

图像预处理：颜色处理和滤波是图像预处理较常用的 2 种方法。

国内外学者提出了有关颜色模型的图像识别理论；1915 年，美国色彩学家孟塞尔提出 hsi 颜色模型；1978 年，smith 创建了比 Ｒgb 更接近人们色彩感知 的 hsv 颜 色 模 型，也 称 六 角 锥 体 模 型；1971 年 jurky 提出中值滤波；hwang 等提出一种经典的自适应中值滤波算法；wang 提出开关中值滤波算法。

3. 研究的基本内容与计划

1）研究内容熟悉字典学习模型及优化方法，体会稀疏表示的内在机理；针对林火图像，尝试构造出适合表达火目标的字典及对应参数；从表示火的字典中，找出图像中的火区域，为下一步的定位服务。

（2）研究计划（1）2017.1.13-2017.3.10 查阅相关文献、基础书籍，了解课题的意义和研究现状，完成开题报告与文献综述；（2）2017.3.11-2017.3.30 学习并研究字典学习相关算法；（3）2017.3.31-2017.4.30 熟悉python的使用方法和技巧（4）2017.5.1-2017.5.10 整理文件，完成初稿（5）2017.5.11-2017.5.20 完成修改稿（6）2017.5.21-2017.5.25 定稿（7）2017.5.26-2017.5.30 答辩准备

4. 研究创新点

算法更加简洁明了，用户界面清晰，操作简单，运算更快。