[发明专利]水利工程复杂环境下的图像分析抗干扰方法

权利要求书

1.一种水利工程复杂环境下的图像分析抗干扰方法，其特征在于：包括下述步骤：

S1，粗略筛选前景连通区域：首先对被监测现场视频流图像处理后的前景二值图像提取每个连通区轮廓，然后计算每个所述连通区轮廓的外接矩形面积s；设定面积阈值t，如果st，则保存并进入下一步方法判断，若s≤t，则认为是噪声信息从结果中删除；

S2，以非极大值抑制方法去除多余连通区：在S1得到的结果中包含多个所述外接矩形，多个外接矩形会导致外接矩形之间存在包含或大部分区域交叉的情况，因此应当去除多余的矩形窗口；

S3，图像特征提取：使用HS直方图特征与HOG梯度特征作为图像描述特征；所述HS直方图特征只选择色相一个维度计算直方图，色相直方图参数bin=180；所述HOG梯度特征计算参数设置为：图像尺寸=64×128，滑动窗口尺寸=64×128，Block尺寸=16×16，Block_Stride=(8,8)，Cell尺寸=8×8，直方图bin=9，总特征维度为3780；对第S2结果中的各个外接矩型图像区域使用上述两个图像特征算子进行计算，得到每个外接矩形区域的图像特征值；

S4，基于SVM的分类处理：在S3得到所述图像特征值后，以图像特征值区分该前景区域是否为环境干扰，以SVM作为基础分类器进行分类，SVM训练学习步骤如下：

S41，收集样本图像：在本方法中，正负样本图像各收集500个，对收集的样本图样进行S3的特征提取，形成样本特征集并标注，所述标注是指：环境干扰图像标记为0，非干扰图像标记为1；

S42，设定SVM学习参数：经过网格搜索调优后，所述SVM学习参数设定为：核方法=多项式内核，多项式次数=2，惩罚系数C=0.01；

S43，将所述样本特征集导入训练器中进行训练，最终得到分类模型；

S5，使用所述分类模型去除环境干扰：将分类模型用于S3的计算结果中，分类模型将对每个所述外接矩形区域输出判断结果，若输出结果为0，则判定该外接矩形区域为环境干扰，将其从结果中删除；若输出结果为1，则将其保留。

2.根据权利要求1所述的水利工程复杂环境下的图像分析抗干扰方法，其特征在于：S2中，去除多余的矩形窗口步骤为：

S21，以所述外接矩形的面积为置信分数，面积越大的外接矩形置信分数越大；计算S1得到结果中各个外接矩形的置信分数，然后按从大到小排列；

S22，将结果中置信分数最大的外接矩形作为基准矩形，剩余的外接矩形为非基准矩形，然后从大到小逐个计算每个非基准矩形与基准矩形的交并比，若交并比≥25%，则将当前外接矩形从结果中删除，若交并比25%则保留，依次计算直到遍历完整个结果；

S23，然后从S1结果中的非基准矩形中选择置信分数最大的外接矩形设为基准矩形，重复S22，直到结果中只包含基准矩形为止，从而去除了结果中所有多余的所述矩形窗口。

3.根据权利要求1所述的水利工程复杂环境下的图像分析抗干扰方法，其特征在于：S1中，面积阈值t取值范围根据工程实际需求在50-200之间选择。