一种面向水环境监测的水面显著性区域的检测方法技术

本发明专利技术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。

【技术实现步骤摘要】
一种面向水环境监测的水面显著性区域的检测方法
本专利技术涉及信息
，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。
技术介绍
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。
技术实现思路
有鉴于此，本专利技术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。本专利技术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Ai(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；S4.对每个图像块Ai(i＝1，2……n)，根据其坐标信息，找出一个以其为中心的对称的子图像区域；通过计算该图像块与对应子图像区域在CIELAB色彩空间上平均向量的欧式距离，得出该图像块的显著值，以此类推，得到每个图像块的显著值；S5.将每个图像块的显著值赋给其中包含的像素点，并进行归一化处理；S6.对步骤S5得到的显著图进行最近邻插值处理，得到和原始图一样大小的最终显著图。进一步，所述步骤S1中，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的具体方法为：S1.1.对无线视频传感器的摄像头采集的图像按照8×8大小进行分块；S1.2.生成一个大小为16×64且满足0-1分布的随机伯努利矩阵Φ；S1.3.依次将每块图像的像素矩阵排列成64×1的列向量xj(j＝1，2……N)，其中N代表此时图像的总块数；S1.4.根据压缩感知的公式得到每个图像块对应的采样向量yj：yj＝Φ×xjS1.5.将每个图像块对应的采样向量重新排列成4×4大小的像素矩阵；S1.6.将步骤S1.5得到的所有图像块对应的像素矩阵进行合并，得到最终的重构图像。进一步，所述步骤S2中，重构图像从RGB色彩空间转化到CIELAB色彩空间的具体方法为：S2.1.对重构图像中的每个像素点，先利用Gamma函数对RGB色彩空间的三个色彩通道值进行校正，Gamma函数对应公式如下：S.2.2.对校正后的RGB色彩空间的三个色彩通道值利用如下公式得到XYZ色彩模型：S2.3.将步骤S2.2生成的XYZ进行归一化处理，得到对应的三个色彩通道值，即Xnorm，Ynorm，Znorm；S2.4.通过下述公式得到各像素点对应的CIELAB色彩通道值：L＝116*f(Ynorm)-16A＝500*(f(Xnorm)-f(Ynorm))B＝200*(f(Ynorm)-f(Znorm))其中，f是一个类似Gamma函数的校正函数，具体公式如下：即得到CIELAB色彩空间。进一步，所述步骤S4中，每个图像块的显著值的具体获得过程为：S4.1.求出第i个图像块Ai在CIELAB色彩空间上的平均向量(Lai，Aai，Bai)；S4.2.根据图像块Ai对应的坐标信息(xi，yi)，找出该图像块对应的子图像区域Mi，Mi的横坐标范围为(xi-x0，xi+x0)，纵坐标范围为(yi-y0，yi+y0)，其中x0，y0由如下公式得到：x0＝min(xi,H/4-xi)y0＝min(yi,W/4-yi)S4.3.求出该子图像区域Mi在CIELAB色彩空间上的平均向量(Lui，Aui，Bui)；S4.4.计算该图像块与对应子图像区域在CIELAB色彩空间上平均向量的欧式距离，计算公式如下：即每个图像块的显著值。与现有技术相比，本专利技术具有以下有益效果：本专利技术利用压缩感知理论对原始图像进行重构，从而降低显著性区域识别的计算量；再对重构图分块，通过计算各图像块与其对应子图像区域在CIELAB色彩空间上平均向量的欧式距离来得到重构图像的显著图；最后，采用归一化和最近邻插值方法处理，得到原始图像对应的最终显著图。本专利技术提出的面向水环境监测的水面显著性区域的检测算法对水面监测图片具有更好的检测效果，并且步骤简单、计算开销小、独特新颖、性能较好，更适用于资源受限的视频传感器节点。附图说明图1是本专利技术一种面向水环境监测的水面显著性区域的检测方法的一流程图。图2是图1中步骤S1的具体流程图。图3是图1中步骤S2的具体流程图。图4是图1中步骤S4的具体流程图。图5是本专利技术方法对水环境图像显著性检测的结果图，a行为原始图像(256×256)；b行为原始图像对应的压缩感知重构图(128×128)；c行对应重构图显著性检测结果(128×128)；d行是插值还原成原图大小的显著图(256×256)。图6是本专利技术方法与几种典型显著性检测算法结果对比图，a列为原始图，b列为DSR方法检测结果图，c列为FT方法检测结果图，d列为HC方法检测结果图，e列为MC方法检测结果图，f列为MSS方法检测结果图，g列为PCA方法检测结果图，h列为RBD方法检测结果图，i列为RC方法检测结果本文档来自技高网...

【技术保护点】
一种面向水环境监测的水面显著性区域的检测方法，其特征在于，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Ai(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；S4.对每个图像块Ai(i＝1，2……n)，根据其坐标信息，找出一个以其为中心的对称的子图像区域；通过计算该图像块与对应子图像区域在CIELAB色彩空间上平均向量的欧式距离，得出该图像块的显著值，以此类推，得到每个图像块的显著值；S5.将每个图像块的显著值赋给其中包含的像素点，并进行归一化处理；S6.对步骤S5得到的显著图进行最近邻插值处理，得到和原始图一样大小的最终显著图。

【技术特征摘要】
1.一种面向水环境监测的水面显著性区域的检测方法，其特征在于，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Ai(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；S4.对每个图像块Ai(i＝1，2……n)，根据其坐标信息，找出一个以其为中心的对称的子图像区域；通过计算该图像块与对应子图像区域在CIELAB色彩空间上平均向量的欧式距离，得出该图像块的显著值，以此类推，得到每个图像块的显著值；S5.将每个图像块的显著值赋给其中包含的像素点，并进行归一化处理；S6.对步骤S5得到的显著图进行最近邻插值处理，得到和原始图一样大小的最终显著图。2.根据权利要求1所述的面向水环境监测的水面显著性区域的检测方法，其特征在于，所述步骤S1中，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的具体方法为：S1.1.对无线视频传感器的摄像头采集的图像按照8×8大小进行分块；S1.2.生成一个大小为16×64且满足0-1分布的随机伯努利矩阵Φ；S1.3.依次将每块图像的像素矩阵排列成64×1的列向量xj(j＝1，2……N)，其中N代表此时图像的总块数；S1.4.根据压缩感知的公式得到每个图像块对应的采样向量yj：yj＝Φ×xjS1.5.将每个图像块对应的采样向量重新排列成4×4大小的像素矩阵；S1.6.将步骤S1.5得到的所有图像块对应的像素矩阵进行合并，得到最终的重构图像。3.根据权利要求1所述的面向水环境监测的水面显著性区域的检测方法，其特征在于，所述步骤S2中，重构图像从RGB色彩空间转化到CIELAB色彩空间的具...

【专利技术属性】
技术研发人员：王勇，张旭帆，王典洪，程卓，陈振兴，张洋，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42