[发明专利]一种基于视觉显著性的水面物体检测和分类的方法

权利要求书

1.一种基于视觉显著性的水面物体检测和分类的方法，其特征在于，包括以下步骤：

S1，获取水面原始图像，并对所述原始图像进行去雾的预处理；

S2，对预处理后的图像进行纹理分析和河岸线检测，并根据分析检测结果进行河道区域分割；

S3，利用基于图论的视觉显著性模型计算图像的显著图；

S4，根据边缘直方图描述符计算显著图中显著性区域的特征向量，并通过基于决策树的多分类支持向量机算法对特征进行识别；

S5，采用基于小波变换的图像分割算法分割水面物体；

S6，统计数据，输出结果。

2.根据权利要求1所述的一种基于视觉显著性的水面物体检测和分类的方法，其特征在于，步骤S1中，对所述原始图像进行去雾处理的方法需要采用大气中光学成像模型，所述光学成像模型为：

I(x)＝J(x)t(x)+A(1-t(x))

式中，I(x)为原始图像，J(x)为去雾后的图像，A为全局背景光，t(x)为大气透射率；对原始图像进行去雾处理的具体方法为：

将原始图像作为引导图像I，预估透射率图

式中，I^c、A^c分别是I、A的三个颜色通道R、G、B；Ω(x)是以像素点x为中心的局部区域块；取w＝0.92，A^c＝255；则去雾后的图像为：

式中，t₀为大气透射率阈值，取t₀＝0.10；

考虑到在暗色先验原理可能不成立的情况下，增加参数Q作为限差；当|I(x)-A|＜Q，说明背景光与物体本身颜色相差不大，将其认为是明亮区域；当|I(x)-A|＞Q，说明背景光与物体本身颜色相差比较大，认为此区域符合暗原色先验原理，最终的去雾图像为：

式中，Q的范围取50～100。

3.根据权利要求1所述的一种基于视觉显著性的水面物体检测和分类的方法，其特征在于，步骤S2中，进行河道区域分割的方法为：采用灰度共生矩阵分析法对去雾后的图像进行纹理分析，找出河道的大致位置；再利用结构化随机森林算法和霍夫直线拟合算法找到河岸线，并根据河岸线进行河道区域分割，具体方法为：

将去雾后图像的灰度级压缩为16级，计算灰度共生矩阵P，利用灰度共生矩阵P分别求出角二阶矩ASM、对比度con、相关性cor和熵Entropy四个主要特征值，具体公式如下：

式中，i，j分别为灰度共生矩阵P的行号和列号；

由得到的四个特征值计算出特征向量，并根据特征向量来判断图像的纹理复杂度，判断纹理复杂度的具体依据为：ASM的值越小、con的值越大、cor的值越小、Entropy的值越大的特征向量表示的纹理复杂度越高；反之，表示的纹理复杂度越低；纹理复杂度高的区域是地面，反之为河道，以此来确定河道区域的大致位置；

再将去雾后图像二值化，利用结构化随机森林算法对边缘进行检测，再通过霍夫直线拟合算法拟合出大致的河岸线，再根据河岸线的位置，将图像进行分割，得到河道图像。