[发明专利]一种面向水环境监测的水面显著性区域的检测方法

说明书

本发明公开了一种面向水环境监测的水面显著性区域的检测方法，首先对视频传感器采集到的图像进行压缩重构，缩小图像的尺寸；然后，对重构图像进行分块处理；再根据每一个图像块的空间位置信息确定出对应的子图像区域；通过计算该图像块与对应的子图像区域在CIELAB色彩空间上平均向量的欧式距离，求出各重构图像块的显著值；将各重构图像块的显著值赋给其中包含的像素点，得到重构图像的显著图；最后，通过对重构图像的显著图进行归一化与最近邻插值处理，得到最终的显著图。本方法同传统图像显著性区域检测方法相比，对区分度不高的水面图片具有更好的显著性检测效果。此外，本方法计算量小、步骤简单，更适用于资源受限的视频传感器节点。

技术领域

本发明涉及信息技术领域，适用于无线视频传感器网络监测，目标自动检测，物体识别等应用领域，尤其涉及一种面向水环境监测的水面显著性区域的检测方法。

背景技术

水是人类赖以生存的重要资源，对水环境的监测，如：是否存在垃圾、油污的污染或是否有蓝绿藻爆发等，都具有极其重要的意义。相比于传统的无线传感器网络，只能通过对监视区域里多种参数信息进行采集和分析才能完成监测工作，无线视频传感器网络具有感知、采集和处理网络覆盖区域内被监测对象的图像或视频等大数据量信息的能力，使得其监测效果更直观、可靠。因此，其得到了广泛的应用。而如何让视频传感器节点具备和人类一样能很容易地判断出图像中的显著性区域的能力，并根据观测得到的显著性区域优先分配图像分析所需的计算资源，十分有必要，且依旧处于研究阶段。

目前，图像的显著性检测方法可大致分为三种方式——自下而上方式，通过利用图像低级特征信息进行显著区域检测；自上而下方式，通过对已有的图像库和对应的真值图进行训练，由特定的高级特征信息找出待测图中的显著物；以及两种方法的结合。其中，由于自下而上的方式，步骤相对简单、计算量较小，检测效果较好，因此一直以来是研究的重点方向。如经典的RC算法，其首先利用图像分割的方法将原图像分割成若干区域；对每个区域建立起对应的颜色直方图，并采用直方图加速的方式减小计算量；最后，通过每个区域的颜色与位置信息计算出每个区域的显著值，从而得到整幅图像的显著图。此外，还有经典的RBD算法，其首先采用SLIC算法，将原始图像分成多个超像素点；利用局部颜色对比度原则求出每个超像素点的初级显著值；再根据其提出的背景可能性，给每个超像素点生成一个可能为背景的概率值P，P的范围在0-1上；再利用P来优化初级显著值，得到最终的显著图。虽然，这些方法具有很好的显著性识别效果，但其往往是基于计算能力强、存储空间大的服务器或PC机，因此其计算复杂度较大。而且，这些方法研究的主要对象是自然图片，很少针对于物体与背景区别度不大的水面图片。因此，直接将这些方法移植到视频传感器节点上时，水面显著性区域识别效果较差，且运算消耗资源较多。

发明内容

有鉴于此，本发明的实施例提供了一种对水面图片具有更好的检测效果，并且计算量小、步骤简单，更适用于资源受限的视频传感器节点的面向水环境监测的水面显著性区域的检测方法。

本发明的实施例提供一种面向水环境监测的水面显著性区域的检测方法，所述检测方法基于资源有限的无线视频传感器节点，具体包括以下步骤：

S1.对无线视频传感器的摄像头采集的图像进行压缩感知采样，得到大小为原图1/4的重构图像；

S2.将步骤S1得到的重构图像从RGB色彩空间转化到CIELAB色彩空间；

S3.将经过步骤S2处理的重构图像进行分块处理,分成大小为4×4且互不重叠的图像块A_i(i＝1，2……n)，其中n代表此时的总块数；并按照从上到下、从左往右的顺序依次指定各个图像块的位置坐标信息为(1，1)、(1，2)……(H/4，W/4)，其中H、W分别代表重构图像的行数和列数；