一种电力电缆生产过程智能监控系统

摘要

一种电力电缆生产过程智能监控系统，包括图像采集组件、传感器组件、无线传输模块、智能监控中心和危险报警模块，所述传感器组件用于采集环境数据和电力电缆生产设备表面的温度数据，并将采集得到的数据传输至智能监控中心，智能监控中心对接收到的数据进行处理后与预设的安全阈值进行比较，当所述数据高于预设的安全阈值时令危险报警模块进行报警，并通过图像采集组件对采集该数据的传感器节点所在的位置进行图像采集，采集的图像处理后进行显示。本发明的有益效果为：实现了电力电缆生产车间的环境和电力电缆生产设备运行状态的有效监测，提高了电力电缆生产过程监测的智能化。

权利要求

1.一种电力电缆生产过程智能监控系统，其特征是，包括图像采集组件、传感器组件、无线传输模块、智能监控中心和危险报警模块，所述图像采集组件包括摄像头和摄像控制单元，所述传感器组件用于采集电力电缆生产车间内的环境数据和电力电缆生产设备表面的温度数据，并将采集得到的数据通过无线传感器网络传输至智能监控中心，所述智能监控中心包括安全分析单元、图像处理单元和LED显示单元，所述安全分析单元用于对接收到的数据进行处理，并将处理后的数据与预设的安全阈值进行比较，当所述处理后的数据高于预设的安全阈值时令危险报警模块进行报警，并通过摄像控制单元控制摄像头对采集该数据的传感器节点所在的位置进行图像采集，采集的图像通过无线传输模块传输至智能监控中心，智能监控中心的图像处理单元对接收到的图像进行处理，并将处理后的图像在LED显示单元进行显示；智能监控中心的图像处理单元采用下式对接收到的图像进行处理，设时刻接收到的图像为 ，则处理后的图像 为：式中， 和 分别表示图像 的长和宽， 表示图像 中坐标 处像素的梯度算子， 表示图像 中坐标 处像素的梯度算子， 为调节系数，设置噪声门限值 ，当 时，则令 ，当

时，则令 ；智能监控中心的图像处理单元对处理后的图像 进行图像分割，图像处理单元采用下式对图像 进行图像分割前的预处理：式中， 表示图像 中坐标 处像素的灰度值， 表示灰度值 经预处理后的灰度值， 表示图像 中以坐标 为中心的局部邻域中像素灰度值的中值， 表示取值函数，当 时，则，当 时，则

，当 时，则

。

2.根据权利要求1所述的一种电力电缆生产过程智能监控系统，其特征是，所述传感器组件包括用于采集电力电缆生产车间内环境数据的第一传感器组件和用于采集电力电缆生产设备表面温度数据的第二传感器组件，所述第一传感器组件包括烟雾传感器、温度传感器和粉尘浓度传感器，所述第二传感器组件包括温度传感器。

3.根据权利要求1所述的一种电力电缆生产过程智能监控系统，其特征是，设预处理后的图像为 ，采用FCM算法对图像 进行分割，设图像 被分割为 个区域， 表示分割所得的区域集合 ，且 ，其对应的 个聚 类中 心为，将所述FCM算法的目标函数定义为：

式中， 为模糊指数， 为图像 中坐标 处像素的灰度值， 表示图像 中坐标 处像素的灰度值， 表示图像 中以坐标 为中心的局部邻域， 表示局部邻域 中的像素数， 表示局部邻域 中像素的灰度均值， 表示 到聚类中心 的隶属度， 表示类 的聚类中心，且 和 的表达式分别为：

式中， 表示类 的聚类中心。

4.根据权利要求3所述的一种电力电缆生产过程智能监控系统，其特征是，对采用FCM算法划分的 个区域进行处理，具体包括：步骤1：设采用FCM算法将图像 分割为 个区域， 表示分割所得的区域集合，且，定义各区域的信息值为 ，则区域 对应的信息值 的表达式为：其中， 为区域 的信息熵， 为区域 的像素灰度值均值， 为区域 的像素灰度值的方差；

计算各区域的信息值 ，并将计算所得的各区域的信息值 由大到小进行排列，组成集合 ，设区域 的信息值 为集合 中的中值，则 将集合 划分为集合 和集合 ，

设区域 的信息值 为集合 中的中值，区域 的信息值 为集合 中的中值，则将区域 标记为目标区域，区域 标记为背景区域；

定义区域标记系数 ，当区域 标记为目标区域时，则令 ，当区域 标记为背景区域时，则令 ；当区域 未标记时，则令 ，其中， 为区域 对应的区域标记系数；

步骤2：确定区域集合 中各区域的最相关区域，定义区域的最相关区域检测系数 ，则区域 对应的最相关区域检测系数 的表达式为：其中， 为筛选函数，且 ， 为相邻区域判断

系数，当区域 和区域 为相邻区域，则 ；当区域 和区域 为不相邻区域时，则； 为区域标记判断系数，当 或 时，则，当 时，则 ，其中， 表示区域 对应的区域

标记系数； 和 分别为空间检测函数和像素检测函数，且 和的计算公式分别为：

式中， 为区域 的质心的坐标， 为区域 的质心的坐标，为区域 的像素灰度值均值， 为区域 的像素灰度值均值；

和 分别为权值系数，且 和 的表达式分别为：

式中， 表示区域 的信息熵， 表示区域 的信息熵；

使得区域 的最相关检测系数 取最大值的区域 即为区域 的最相关区域，各个区域的最相关区域确定后，遍历所有区域，当两个区域互为最相关区域后，即合并这两个最相关区域，当这两个最相关区域中存在已经被标记区域时，则将合并后的区域标记成和这两个最相关区域中已经被标记区域相同的标记；

步骤3：重复步骤2中的区域合并，直到满足 时，即停止区域合并，并将标记为目标区域的图像作为分割后的目标图像，在LED显示单元进行显示；

其中， 为定义的合并检测系数，为当前区域合并次数，为给定的截止阈值，设第次区域合并后的区域集合为 ，其中， 为集合 中的第 个区域， 为区域集合 中的区域数，第 次区域合并后的区域集合为，其中， 为集合 中的第 个区域， 为区域集合中的区域数，则 的表达式为：

式中， 表示区域 的像素灰度值的标准差， 表示区域 的像素灰度值的标准差， 表示图像 中坐标 处像素的灰度值， 表示图像 中像素的均值， 表示图像 中的像素数。

说明书

一种电力电缆生产过程智能监控系统

技术领域

[0001] 本发明创造涉及安全监控领域，具体涉及一种电力电缆生产过程智能监控系统。

背景技术

[0002] 电力电缆车间在进行电力电缆的生产过程中，会随着电力电缆的生产过程产生烟雾、高温和粉尘浓度等，当产生的烟雾、高温或粉尘浓度达到较高的数值时，就会对生产人员造成较大的危害，因此，及时监控车间内烟雾、温度和粉尘浓度数据的变化情况，可以有效避免对生产人员的人身安全造成的威胁。此外，随着电力电缆制造企业生产规模的扩大，电力电缆车间设备随之增多，当电力电缆生产设备在生产过程中出现故障时，传统的检测方法是采用人工方式对电力电缆生产设备进行排查，具有效率低以及人工成功本高的缺陷。

发明内容

[0003] 针对上述问题，本发明旨在提供一种电力电缆生产过程智能监控系统。

[0004] 本发明创造的目的通过以下技术方案实现：

[0005] 一种电力电缆生产过程智能监控系统，包括图像采集组件、传感器组件、无线传输模块、智能监控中心和危险报警模块，所述图像采集组件包括摄像头和摄像控制单元，所述传感器组件用于采集电力电缆生产车间内的环境数据和电力电缆生产设备表面的温度数据，并将采集得到的数据通过无线传感器网络传输至智能监控中心，所述智能监控中心包括安全分析单元、图像处理单元和LED显示单元，所述安全分析单元用于对接收到的数据进行处理，并将处理后的数据与预设的安全阈值进行比较，当所述数据高于预设的安全阈值时令危险报警模块进行报警，并通过摄像控制单元控制摄像头对采集该数据的传感器节点所在的位置进行图像采集，采集的图像通过无线传输模块传输至智能监控中心，智能监控中心的图像处理单元对接收到的图像进行处理，并将处理后的图像在LED显示单元进行显示；智能监控中心的图像处理单元采用下式对接收到的图像进行处理，设 时刻采集的图像为 ，则处理后的图像 为：

[0006]

[0007] 式中， 和 分别表示图像 的长和宽， 表示图像 中坐标 处像素的梯度算子， 表示图像 中坐标 处像素的梯度算子， 为调节系数，
设置噪声门限值 ，当 时，则令
，当 时，则令
。

[0008] 优选地，所述传感器组件包括用于采集电力电缆生产车间环境数据的第一传感器组件和用于采集电力电缆生产设备表面温度数据的第二传感器组件，所述第一传感器组件包括烟雾传感器、温度传感器和粉尘浓度传感器，所述第二传感器组件包括温度传感器。

[0009] 优选地，所述智能监控中心的图像处理单元对处理后的图像 进行图像分割，采用下式对图像 进行图像分割前的预处理：

[0010]

[0011] 式中， 表示图像 中坐标 处像素的灰度值， 表示灰度值经预处理后的灰度值， 表示图像 中以坐标 为中心的局部邻域中像素灰度值的 中 值 ， 表示 取 值 函 数 ，当 时 ，则
，当 时，则
，当 时，则
。

[0012] 优选地，设预处理后的图像为 ，采用FCM算法对图像 进行分割，设图像被分割为 个区域， 表示分割所得的区域集合，且 ，其对应的 个聚类中心为 ，将所述FCM算法采用的目标函数定义为：

[0013]

[0014] 式中， 为模糊指数， 为图像 中坐标 处像素的灰度值， 表示图像 中坐标 处像素的灰度值， 表示图像 中以坐标 为中心的局
部邻域， 表示局部邻域 中的像素数， 表示局部邻域 中像素的灰度
均值， 表示 到聚类中心 的隶属度， 表示类 的聚类中心，且 和 的
表达式分别为：

[0015]

[0016]

[0017] 式中， 表示类 的聚类中心。

[0018] 优选地，对采用FCM算法分割的 个区域进行处理，具体包括：

[0019] 步骤1：设采用FCM算法将图像 分割为 个区域， 表示分割所得的区域集合，且 ，定义区域的信息值为 ，则区域 对应的信息值 的表达式为：

[0020]

[0021] 其中， 为区域 的信息熵， 为区域 的像素灰度值均值， 为区域的像素灰度值的方差；

[0022] 计算各区域对应的信息值 ，并将计算所得的各区域的信息值 由大到小进行排列，组成集合 ，设区域 的信息值 为集合 中的中值，则将集合 划分为集合 和集合
，设区域 的信息值 为集合 中的中值，区域 的信
息值 为集合 中的中值，则将区域 标记为目标区域，区域 标记为背景区域；

[0023] 定义区域标记系数 ，当区域 标记为目标区域时，则令 ，当区域 标记为背景区域时，则令 ；当区域 未标记时，则令 ，其中， 为区域 对应的区域标记系数；

[0024] 步骤2：确定区域集合 中各区域的最相关区域，定义区域的最相关区域检测系数，则区域 对应的最相关区域检测系数 的表达式为：

[0025]

[0026] 其中， 为筛选函数，且 ， 为相邻区域判断系数，当区域 和区域 为相邻区域，则 ；当区域 和区域 为不相邻区域时，则 ； 为区域标记判断系数，当 或
时，则 ，当 时，则 ； 和 分别为空
间检测函数和像素检测函数，且 和 的计算公式分别为：

[0027]

[0028]

[0029] 式中， 为区域 的质心的坐标值， 为区域 的质心的坐标值， 为区域 中像素灰度值的均值， 为区域 中像素灰度值的均值；

[0030] 和 分别为权值系数，且 和 的表达式分别为：

[0031]

[0032]

[0033] 式中， 表示区域 的信息熵， 表示区域 的信息熵；

[0034] 使得区域 的最相关检测系数 取最大值的区域 即为区域 的最相关区域，各个区域的最相关区域确定后，遍历所有区域，当两个区域互为最相关区域后，即合并这两个最相关区域，当这两个区域中存在已经被标记区域时，则将合并后的区域标记为相同的区域；

[0035] 步骤3：重复步骤2中的区域合并，直到满足 时，即停止区域合并，并将标记为目标区域的图像作为分割后的目标图像，在LED显示单元进行显示；

[0036] 其中， 为定义的合并检测系数，为当前区域合并次数，为给定的截止阈值，设第 次区域合并后的区域集合为 ，其中， 为集合 中的第个区域， 为区域集合 中的区域数，第 次区域合并后的区域集合为
，其中， 为集合 中的第 个区域， 为区域集合
中的区域数，则 的表达式为：

[0037]

[0038] 式中， 表示区域 的像素灰度值的标准差， 表示区域 的像素灰度值的标准差， 表示图像 中坐标 处像素的灰度值， 表示图像 中像素的均值， 表示图像 中的像素数。

[0039] 本发明创造的有益效果：利用传感器组件对电力电缆生产车间的环境数据和电力电缆生产设备的表面温度进行采集，采集所得的环境数据用于判断电力电缆生产车间的环境状况，采集的电力电缆生产设备的温度数据用于判断电力电缆生产设备在运行过程中是否出现故障，从而实现了电力电缆生产车间的环境和电力电缆生产设备运行状态的有效监测，提高了电力电缆生产过程监测的智能化；当采集的数据高于预设的安全阈值，即控制摄像头对存在危险的车间位置进行图像采集，智能监控中心的图像采集单元对接收到图像进行处理，在图像的处理公式中引入调节系数 ，在细节较弱的图像区域，采用较大的调节系数 ，使得图像中的较弱细节信息可以被保留，在图像的边缘区域，采用相对较小的调节系数 ，突出图像边缘信息的同时，防止了图像在优化过程中的伪影现象，即本优选实施例能够有效去除图像中的噪声污染，增强图像中的细节信息和边缘信息，同时防止图像的过度增强造成的伪影现象；智能监控中心对处理后的图像进行图像分割，在对图像 进行分割前进行预处理，对图像 中的像素值进行调节，能够在不改变正常像素点的灰度值的同时，将图像中的噪声点或数值较为极端的像素值调节至一个合理的范围，使得图像 中的像素分布的较为均匀，并保证图像 不因像素调节而丢失信息；采用FCM算法对预处理后的图像进行分割，所述FCM算法采用的目标函数中既包含了像素的灰度信息，又包含了像素邻域信息以及像素邻域的结构信息，从而为FCM算法提供更准确的像素关系，使得分割区域连续，区域边缘轮廓分明，实现精确分割；为了避免采用FCM算法对图像进行分割造成的过分割现象，对分割所得的 个区域进行区域合并，相较于传统的区域合并方法，本优选实施例定义区域的信息值，并根据区域的信息值标记初始目标区域和背景区域，定义的信息值能够有效的反应区域的像素信息和空间结构信息，因此，能够有效的区分目标区域和背景区域，根据区域的信息值标记的初始目标区域和背景区域具有较强可信性，避免了人工标记目标区域和背景区域的缺陷，提高了后续区域合并的的准确性和智能化；此外，本优选实施例在区域合并的过程中，引入最相关区域的概念，确定各个区域的最相关区域，当两个区域互为最相关区域时，即合并这两个区域，采用这种区域合并方法能够一次性完成所有区域中相似区域的合并，提高了区域合并的效率，有利于对区域较多的图像进行区域合并；在进行最相关区域的检测时，定义最相关区域检测系数 ，所述最相关区域检测系数 中的空间检测函数和像素检测函数，使得区域和其最相关区域满足空间和像素值之间的最近，从而确保了合并后的区域中像素值的均匀性和空间的连续性；此外，在最相关区域检测系数 中，引入权值系数 和 对像素检测函数和空间检测函数的比重进行调节，权重系数 能够较好的反应区域之间的像素特征，权重系数 能够较好的反应区域之间的结构信息，因此，采用权重系数 和 对像素检测函数和空间检测函数进行调节，使得区域和其最相关区域的像素特征和空间特征都最为相似，继而使得最终合并的区域中的像素和结构信息都较为平滑，提高了分割结果的准确性，此外，当区域之间的像素或者空间距离超出设置的阈值时，直接将像素检测函数或空间检测函数置0，避免了当区域之间像素特征相差较大但空间特征相差较小，或区域之间空间特征相差较大但像素特征相差较小而造成的最相关区域的误检，影响区域合并的准确性；定义合并检测系数 ，并给定截止阈值，根据合并检测系数 和截止阈值 之间的关系判断是否停止区域合并，所述合并检测系数能够有效的描述当前区域合并前后区域中像素分布特征的变化，因此，根据本优选实施例定义的合并检测系数能够确保区域合并完成后，区域中的像素分布的较为连续，避免了区域的过度合并，提高了图像分割结果的准确性，将分割所得目标图像在LED屏进行显示，生产人员可以根据显示的图像对生产车间存在的危险进行直观的观察并采取相应的措施，避免了盲目进入生产车间带来的危险。

附图说明

[0040] 利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

[0041] 图1是电力电缆生产过程智能监控系统结构示意图。

具体实施方式

[0042] 结合以下实施例对本发明作进一步描述。

[0043] 参见图1，本实施例的一种电力电缆生产过程智能监控系统，包括图像采集组件、传感器组件、无线传输模块、智能监控中心和危险报警模块，所述图像采集组件包括摄像头和摄像控制单元，所述传感器组件用于采集电力电缆生产车间内的环境数据和电力电缆生产设备表面的温度数据，并将采集得到的数据通过无线传感器网络传输至智能监控中心，所述智能监控中心包括安全分析单元、图像处理单元和LED显示单元，所述安全分析单元用于对接收到的数据进行处理，并将处理后的数据与预设的安全阈值进行比较，当所述数据高于预设的安全阈值时令危险报警模块进行报警，并通过摄像控制单元控制摄像头对采集该数据的传感器节点所在的位置进行图像采集，采集的图像通过无线传输模块传输至智能监控中心，智能监控中心的图像处理单元对接收到的图像进行处理，并将处理后的图像在LED显示单元进行显示。

[0044] 优选地，所述传感器组件包括用于采集电力电缆生产车间环境数据的第一传感器组件和用于采集电力电缆生产设备表面温度数据的第二传感器组件，所述第一传感器组件包括烟雾传感器、温度传感器和粉尘浓度传感器，所述烟雾传感器用于采集电力电缆生产车间内的烟雾浓度数据，所述温度传感器用于采集电力电缆生产车间的温度数据，所述粉尘浓度传感器用于采集电力电缆生产车间的粉尘浓度数据，所述第二传感器组件包括温度传感器，所述温度传感器安装于电力电缆生产设备的表面，用于采集电力电缆生产设备的温度。

[0045] 本优选实施例利用传感器组件对电力电缆生产车间的环境数据和电力电缆生产设备的表面温度进行采集，采集所得的环境数据用于判断电力电缆生产车间的环境状况，采集的电力电缆生产设备的温度数据用于判断电力电缆生产设备在运行过程中是否出现故障，从而实现了电力电缆生产车间的环境和电力电缆生产设备运行状态的有效监测，提高了电力电缆生产过程监测的智能化；当采集的数据高于预设的安全阈值，即控制摄像头对存在危险的车间位置进行图像采集，对采集得到的图像进行处理和图像分割，并将分割所得的目标图像在LED屏进行显示，生产人员可以根据显示的图像对生产车间存在的危险进行直观的观察并采取相应的措施，避免了盲目进入生产车间带来的危险。

[0046] 优选地，智能监控中心的图像处理单元采用下式对接收到的图像进行处理，设 时刻接收到的图像为 ，则处理后的图像 为：

[0047]

[0048] 式中， 和 分别表示图像 的长和宽， 表示图像 中坐标 处像素的梯度算子， 表示图像 中坐标 处像素的梯度算子， 为调节系数，
设置噪声门限值 ，当 时，则令
，当 时，则令
。

[0049] 本优选实施例用于对接收到图像进行处理，在图像的处理公式中引入调节系数，在细节较弱的图像区域，采用较大的调节系数 ，使得图像中的较弱细节信息可以被保留，在图像的边缘区域，采用相对较小的调节系数 ，突出图像边缘信息的同时，防止了图像在优化过程中的伪影现象，即本优选实施例能够有效去除图像中的噪声污染，增强图像中的细节信息和边缘信息，同时防止图像的过度增强造成的伪影现象。

[0050] 优选地，所述智能监控中心的图像处理单元对处理后的图像 进行图像分割，采用下式对图像 进行图像分割前的预处理：

[0051]

[0052] 式中， 表示图像 中坐标 处像素的灰度值， 表示灰度值经预处理后的灰度值， 表示图像 中以坐标 为中心的局部邻域中像素灰度值的 中 值 ， 表示 取 值 函 数 ，当 时 ，则
，当 时，则
，当 时，则
。

[0053] 本优选实施例用于对图像 进行分割前的预处理，减少噪声对后续分割带来的影响，采用本优选实施例的方式对图像 中的像素值进行调节，能够在不改变正常像素点的灰度值的同时，将图像中的噪声点或数值较为极端的像素值调节至一个合理的范围，使得图像 中的像素分布的较为均匀，并保证图像 不因像素调节而丢失信息而影响后续的图像分割。

[0054] 优选地，设预处理后的图像为 ，采用FCM算法对图像 进行分割，设图像被分割为 个区域， 表示分割所得的区域集合，且 ，其对应的 个聚类中心为 ，将所述FCM算法采用的目标函数定义为：

[0055]

[0056] 式中， 为模糊指数， 为图像 中坐标 处像素的灰度值， 为图像 中坐标 处像素的灰度值， 表示图像 中以坐标 为中心的局部
邻域， 表示局部邻域 中的像素数， 表示局部邻域 中像素的灰度均
值， 表示 到聚类中心 的隶属度， 表示类 的聚类中心，且 和 的表
达式分别为：

[0057]

[0058]

[0059] 式中， 表示类 的聚类中心。

[0060] 本优选实施例采用FCM算法对预处理后的图像进行分割，所述FCM算法采用的目标函数中既包含了像素的灰度信息，又包含了像素邻域信息以及像素邻域的结构信息，从而为FCM算法提供更准确的像素关系，使得分割区域连续，区域边缘轮廓分明，实现精确分割。

[0061] 优选地，对采用FCM算法分割的 个区域进行处理，具体包括：

[0062] 步骤1：设采用FCM算法将图像 分割为 个区域， 表示分割所得的区域集合，且 ，定义区域的信息值为 ，则区域 对应的信息值 的表达式为：

[0063]

[0064] 其中， 为区域 的信息熵， 为区域 的像素灰度值均值， 为区域的像素灰度值的方差；

[0065] 计算各区域对应的信息值 ，并将计算所得的各区域的信息值 由大到小进行排列，组成集合 ，设区域 的信息值 为集合 中的中值，则将集合 划分为集合 和集合
，设区域 的信息值 为集合 中的中值，区域 的信
息值 为集合 中的中值，则将区域 标记为目标区域，区域 标记为背景区域；

[0066] 定义区域标记系数 ，当区域 标记为目标区域时，则令 ，当区域 标记为背景区域时，则令 ；当区域 未标记时，则令 ，其中， 为区域 对应的区域标记系数；

[0067] 步骤2：确定区域集合 中各区域的最相关区域，定义区域的最相关区域检测系数，则区域 对应的最相关区域检测系数 的表达式为：

[0068]

[0069] 其中， 为筛选函数，且 ， 为相邻区域判断系数，当区域 和区域 为相邻区域，则 ；当区域 和区域 为不相邻区域时，则 ； 为区域标记判断系数，当 或
时，则 ，当 时，则 ； 和 分别为空
间检测函数和像素检测函数，且 和 的计算公式分别为：

[0070]

[0071]

[0072] 式中， 为区域 的质心的坐标值， 为区域 的质心的坐标值， 为区域 中像素灰度值的均值， 为区域 中像素灰度值的均值；

[0073] 和 分别为权值系数，且 和 的表达式分别为：

[0074]

[0075]

[0076] 式中， 表示区域 的信息熵， 表示区域 的信息熵；

[0077] 使得区域 的最相关检测系数 取最大值的区域 即为区域 的最相关区域，各个区域的最相关区域确定后，遍历所有区域，当两个区域互为最相关区域后，即合并这两个最相关区域，当这两个区域中存在已经被标记区域时，则将合并后的区域标记为相同区域；

[0078] 步骤3：重复步骤2中的区域合并，直到满足 时，即停止区域合并，并将标记为目标区域的图像作为分割后的目标图像，在LED显示单元进行显示；

[0079] 其中， 为定义的合并检测系数，为当前区域合并次数，为给定的截止阈值，设第 次区域合并后的区域集合为 ，其中， 为集合 中的第个区域， 为区域集合 中的区域数，第 次区域合并后的区域集合为
，其中， 为集合 中的第 个区域， 为区域集合
中的区域数，则 的表达式为：

[0080]

[0081] 式中， 表示区域 的像素灰度值的标准差， 表示区域 的像素灰度值的标准差， 表示图像 中坐标 处像素的灰度值， 表示图像 中像素的均值， 表示图像 中的像素数。

[0082] 本优选实施例为了避免采用FCM算法对图像进行分割造成的过分割现象，对分割所得的 个区域进行区域合并，相较于传统的区域合并方法，本优选实施例定义区域的信息值，并根据区域的信息值标记初始目标区域和背景区域，定义的信息值能够有效的反应区域的像素信息和空间结构信息，因此，能够有效的区分目标区域和背景区域，根据区域的信息值标记的初始目标区域和背景区域具有较强可信性，避免了人工标记目标区域和背景区域的缺陷，提高了后续区域合并的的准确性和智能化；此外，本优选实施例在区域合并的过程中，引入最相关区域的概念，确定各个区域的最相关区域，当两个区域互为最相关区域时，即合并这两个区域，采用这种区域合并方法能够一次性完成所有区域中相似区域的合并，提高了区域合并的效率，有利于对区域较多的图像进行区域合并；在进行最相关区域的检测时，定义最相关区域检测系数 ，所述最相关区域检测系数 中的空间检测函数和像素检测函数，使得区域和其最相关区域满足空间和像素值之间的最近，从而确保了合并后的区域中像素值的均匀性和空间的连续性；此外，在最相关区域检测系数 中，引入权值系数和 对像素检测函数和空间检测函数的比重进行调节，权重系数 能够较好的反应区域之间的像素特征，权重系数 能够较好的反应区域之间的结构信息，因此，采用权重系数 和 对像素检测函数和空间检测函数进行调节，使得区域和其最相关区域的像素特征和空间特征都最为相似，继而使得最终合并的区域中的像素和结构信息都较为平滑，提高了分割结果的准确性，此外，当区域之间的像素或者空间距离超出设置的阈值时，直接将像素检测函数或空间检测函数置0，避免了当区域之间像素特征相差较大但空间特征相差较小，或区域之间空间特征相差较大但像素特征相差较小而造成的最相关区域的误检，影响区域合并的准确性；定义合并检测系数 ，并给定截止阈值 ，根据合并检测系数 和截止阈值 之间的关系判断是否停止区域合并，所述合并检测系数能够有效的描述当前区域合并前后区域中像素分布特征的变化，因此，根据本优选实施例定义的合并检测系数能够确保区域合并完成后，区域中的像素分布的较为连续，避免了区域的过度合并，提高了图像分割结果的准确性。

[0083] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。