[发明专利]一种三帧差分高阶统计量结合OTSU算法的絮体检测方法

说明书

技术领域

本发明涉及一种三帧差分高阶统计量结合OTSU算法的絮体检测方法，属水处理絮体检测方法技术领域。

背景技术

随着人们生活水平的不断提高，人们对饮用水水质的要求也越来越高，国内外常规水处理工艺一般包括混凝、沉淀、过滤、消毒等几个阶段。自来水处理的过程中会产生絮体凝结现象，而絮体的多少、大小、沉降速度等是判断混凝效果的重要的参数。运动目标检测是絮体图像定量分析中的重要一步，也是影响絮体分析自动化、工作稳定性、结果精确性的关键。工业摄像机所获图像由于在成像过程中可能存在光照不均匀、絮体运动速度慢、絮体分布变化等情况，使得絮体的颜色深浅不一、均匀性差，同时存在噪声，而且絮体还存在表面反光不同的现象。因此准确地实现絮体目标与背景的检测，是进一步分析絮体特征的基础。

目前实现絮体目标的检测方法有很多，常用的有背景差分法，帧间差分法和光流法。

帧间差分法是在视频序列中的2个或3个相邻帧间，采用逐像素差分并阈值化来提取图像中的运动区域，它能较快的检测出视频图像中发生变化的部分。帧差法方法简单，对环境的适应性比较好，稳定性高，在理想情况下，摄像机静止时，如果相减后连续桢间灰度差为零，则认为该点属于静止背景，反之则属于运动物体区域。但实际情况中往往存在很多噪声干扰，只根据差值是否为零不能确定该点的变化情况。三帧差分采用三帧图像分别相减，效果比二帧差分好。帧差法中简单的对差值图像阈值化方法虽可以大致分离出运动目标和背景，但阈值的设定方法往往较为困难，并且很难滤除噪声的影响。所以需要进一步的改进对噪声的处理方法和改进对阈值的选取方法来有效分离运动目标和背景。

对于噪声处理方法，当前有很多处理方法，如平滑去噪等，其中采用高阶统计量(higher order statistics,HOS)，是指3阶或3阶以上阶数的统计量，包括高阶累积量、高阶矩和高阶谱,高阶累积量在理论上可以完全抑制高斯噪声的影响以及其它的一些特性,因此,通常更多地利用高阶累积量及高阶谱作为处理噪声工具。

对于阈值选取方法，主要有双峰法、迭代法、最大类间方差法(OTSU，即大津法)。双峰法虽然简单，但是适应性较差；迭代法运算量巨大，不适用于实时系统；相对而言大津法的效果最好。大津法首先把图像像素用阈值T分为两类，再计算两类像素灰度值的类间方差和类内方差，以两者之比为最大时来确定阈值T。

但在模拟实验时发现，在处理背景与前景目标灰度相差不多时，用大津法会出现大量的黑色区域，严重时甚至会丢失整个目标。有学者提出引入一种灰度拉伸的增强大津法，即采用非线性变换对图像进行灰度拉伸，然后确定阈值，但是这也增加了运算时间。

粒子群优化算法是在对群体行为进行模拟的过程中发现的一种概率搜索方法。算法从初始粒子群开始,通过迭代搜索粒子适应度函数的最优解。在每一次迭代中,各个粒子根据自身找到的最优解pbest和整个粒子群所找到的最优解gbest来调整运动的速度和方向,以更新粒子的位置。

粒子群优化增强大津法(OTSU)就是利用粒子群优化算法对增强大津法进行优化，它有效的解决了增强大津法的时间问题，算法首先对粒子的位置和速度给一个随机解，由于是灰度图像范围在0-255之间，所以要在此范围内给定粒子位置，所有的随机值由rand()函数产生。然后计算适应度函数值并进行比较，迭代计算，最终求得最优解，也就是最佳阈值。

发明内容

本发明目的是，针对三帧差分法的不足及噪声影响和当前阈值选取方法存在的问题，本发明提出了一种基于三帧差分分高阶统计量(HOS)和粒子群优化增强大津法(OTSU)的絮体目标检测方法。

实现本发明的技术方案是，本发明基于运动絮体不规则，受环境影响大的原因，使用基于三帧差分、高阶统计量和粒子群优化增强大津法提取絮体特征，包括以下步骤：

(1)分别对当前帧I_t，前一帧I_t-1，后一帧I_t+1进行预处理，包括灰度修正，图像增强等处理；

(2)I_t-1，I_t，I_t+1分别做差分，得到差分图像D_t+1，D_t；

(3)对差分图像进行相与运算得到差分图像D_i；

(4)利用粒子群优化增强大津法确定最佳阈值T；

(5)逐像素计算四阶矩并与最佳阈值T比较，大于T值，认为其是运动目标，像素值置为1，否则为0；