[发明专利]一种面向水面污染物监测的显著性检测方法

说明书

本发明实施例公开了一种面向水面污染物监测的显著性检测方法，提供了一种简单有效的水面污染物检测新方法；首先利用基于分块压缩感知技术重构输入图像，通过缩小其尺寸来降低显著性计算的复杂度；然后，采用局部对比度原则计算出初级显著图；在此基础上，通过最优多维颜色系数线性组合策略将污染物区域从背景中检测出来，并通过最邻近插值后处理得到最终显著图。与传统的显着性检测算法比较具有计算量小、对于区分度低的水环境图像检测结果较好；且步骤简单，对水环境图像具有更好的检测效果。

技术领域

本发明属于信息技术领域，是一种应用于水面污染物监测图像中显著性区域的识别方法；适用于无线视频传感器网络监测，感兴趣目标自动检测和目标分类等领域。

背景技术

水是人类赖以生存的生命之源，然而我国正面临着水资源短缺和水环境不断恶化的问题，并且已经进入了水环境污染事故高发期。水面污染物通常由水藻，垃圾或油污组成。它们不仅直接影响人类的健康，而且还会引起生态平衡的破坏，导致生态灾害，对人类的生存发展带来巨大的负面影响。而显著性识别作为视觉感知的一种重要技术手段，可以直观的检测出水面漂浮的污染物，将其应用到水面污染物监测中具有重要意义。

通常，图像的显著性检测方法可大致分为两种方式——自上而下和自下而上的方式。其中，自上而下的方式是利用先验知识，采用训练学习的方式进行显著性识别；自下而上的方式是通过利用图像低级特征信息进行显著区域检测。

相关技术中，自上而下的方式通常采用将图像中人脸区域作为先验知识引入显著性检测算法中，结合已有的人脸识别算法，完成图像中脸部区域的检测；下而上的方式通常采用结合上下文信息的显著性检测方法、基于剩余频谱分析的方法、基于频率调谐的检测方法、基于区域的对比度方法；相比而言，自下而上的方式步骤相对简单、计算量较小，适合应用于实时的在线监测系统。

但发明人发现，水面污染物的种类繁多，如：水藻、垃圾和油污等，它们的特征各不相同；对于某些水环境图像，其显著性区域与背景具有相同的颜色特征。上述技术主要是针对自然场景图片，很少考虑水环境图像；在面对情况复杂、对比度低的水环境图像时，检测结果通常较差；且只利用CIELAB色彩空间上的欧式距离来计算显著值，未能充分利用图像中的颜色信息，导致检测结果较差。

发明内容

有鉴于此，本发明的实施例提供了一种计算复杂度较低、步骤简单，针对水面污染物监测图片的显著性识别方法。

为解决上述技术问题，本发明实施例采用的技术方案是，一种面向水面污染物监测的显著性检测方法，包括以下步骤：

(1)利用基于块的压缩感知对采集到的水面污染物图像进行压缩重构，得到大小为原始图1/4的重构图像；

(2)对上述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；

(3)依次对上述4×4且互不重叠的图像块A_i根据局部对比图得到初级显著值，所述初级显著值经归一化处理后得到初级显著图；

(4)根据所述初级显著图，自适应地选出初级前景区域和背景区域；

(5)根据得到的初级前景区域和背景区域，估算出参数向量；

(6)对步骤(2)中的4×4且互不重叠的图像块A_i在多个颜色空间上根据所述参数向量进行颜色系数线性组合得到次级显著图；

(7)通过最近邻插值处理，将所述次级显著图还原成和原始图具有相同大小的最终显著图。

优选地，所述步骤(1)中，对采集到的水面污染物图像进行基于块的压缩感知重构的具体步骤为：