[发明专利]野生动物监测图像自适应压缩传输与恢复方法及装置

权利要求书

1.一种野生动物监测图像自适应压缩传输与恢复方法，应用于无线传感器网络，所述无线传感器网络采用分簇汇聚的网络拓扑结构，其特征在于，所述方法包括：

获取待压缩传输的野生动物图像，然后基于目标区域进行提取以生成其对应的掩模图像；其中，所述野生动物图像来源于部署在监测区域内部的野生动物自动触发设备；所述目标区域为区别于所述野生动物图像中背景区域的具有野生动物部分的前景区域；

将生成的所述掩模图像，通过重要位平面位移和多级树集合分裂的方法对所述掩模图像进行压缩编码；

通过分布式传输机制对压缩编码后的图像数据进行分配及远程传输；

在解码端基于图像恢复模型实现对压缩编码后的图像进行恢复；其中，所述恢复模型是基于生成对抗网络实现的，所述生成对抗网络是基于改进压缩激励模块实现的；

所述将生成的所述掩模图像，通过重要位平面位移和多级树集合分裂的方法对所述掩模图像进行压缩编码，具体包括：

将所述掩模图像进行分块，并划分为区域块和边缘块；其中，所述区域块是指全0和全1的分块；所述边缘块是指同时包含0和1的分块，代表边缘信息的边缘块符号在符号序列中占据的比例很小，符号序列中绝大部分由区域符号块组成，连续性强，针对区域块符号出现概率大且连续的特点，对区域块符号进行游程编码；

再根据掩模图像小波系数的最大值确定最高位平面，然后从最高位平面进行逐位编码；其中，目标区域系数中存在底层位平面，代表着小波系数的最低位信息，是不重要位平面即NSB；

最后基于多级树集合分裂算法进行图像编码；

所述不重要位平面判别方式的过程如下：

首先设置不重要位平面的峰值信噪比T作为约束条件，然后逐一对各位平面计算目标区域的重构质量PSNR，若PSNR≥T，则说明已编码的位平面重构质量满足人眼主观视觉要求，该位平面以下的位平面记为不重要位平面，否则继续编码位平面。

2.根据权利要求1所述的野生动物监测图像自适应压缩传输与恢复方法，其特征在于，所述获取待压缩传输的野生动物图像，然后基于目标区域进行提取以生成其对应的掩模图像，具体包括：

图像颜色空间模型重构；

图像纹理参数提取；

根据所述纹理参数和重构后的颜色空间模型建立参数矩阵，并通过自适应算法进行像素数据的聚类，完成目标区域的分割；

最后对分割后的图像进行区域合并，并结合边缘检测确定最终的目标区域，并将其作为所述掩模图像。

3.根据权利要求1所述的野生动物监测图像自适应压缩传输与恢复方法，其特征在于，所述分簇汇聚的网络拓扑结构包括源节点、目标节点、多个簇头节点以及各簇头节点对应的簇内节点，所述通过分布式传输机制对压缩编码后的图像数据进行分配及远程传输，具体包括：

源节点将传输任务的指令发送给簇头节点C1；

待源节点接收到簇头节点C1的反馈指令后，直接将目标区域完成编码，并传输至下一级的簇头节点C2；背景区域信息按照簇内节点数量对图像信息进行分块划分，并把分块信息分别传输至簇内其它节点进行压缩编码处理操作，然后将结果传输至下一级的簇头节点C2；

下一级的簇头节点C2对上一级传输数据进行整合后，将目标区域信息进行继续编码，然后分配至下一级簇头节点C3进行数据整合；而背景区域编码信息不做任何处理直接分配给下一级簇内节点继续进行压缩处理，直至将处理结果传输至下级的簇头C3；依此类推，进行逐级数据传输，直至满足所设定网络中的传输级和图像压缩比的要求；

最后把所有的编码信息一起传输至目标节点，待数据完成整合后传输至后台服务器进行图像数据的重构。

4.根据权利要求3所述的野生动物监测图像自适应压缩传输与恢复方法，其特征在于，所述图像恢复模型包括鉴别器和生成器，且均采用神经网络，并按以下步骤训练生成：

对所述鉴别器进行训练；

对所述生成器进行训练；

对所述鉴别器和生成器进行交替训练；其中，所述压缩激励模块分别嵌入到各鉴别器和生成器的卷积层中。