量编码长度表示显著信息，在 显著图中进行无效信息过滤和目标提取，从而完成目标跟踪过程。
【附图说明】
[0052] 通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、 目的和优点将会变得更明显：
[0053] 图1是高斯金字塔；
[0054] 图2是环形抑制区域，图中，表示内圆半径，r2表示外圆半径；
[0055] 图3是水岸线检测流程；
[0056] 图4是遍历算子；
[0057] 图5是显著性计算流程；
[0058] 图6是目标信息提取流程。
【具体实施方式】
[0059] 下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术 人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术 人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明 的保护范围。
[0060] 本发明公开了一种基于显著性检测的水面目标跟踪算法，特点是首先利用水岸线 检测提供目标跟踪的R0I和位置验证信息，之后将增量编码长度作为衡量图像能量信息的 指标，表示出图像中特征的稀有程度，利用水面特点和目标特征将显著特征图中的目标进 行提取，从而完成水面目标跟踪算法。和常用的目标跟踪算法相比，更加适用于水面目标跟 踪，具有实时性优秀，光照自适应性的特点。
[0061] 根据本发明提供的一种基于显著性检测的水面目标跟踪方法，包括水岸线检测步 骤；
[0062] 所述水岸线检测步骤，包括如下步骤：
[0063] 步骤A1 :对图像进行降采样，得到降采样图像；
[0064] 步骤A2 :将经降采样得到的图像的颜色空间RGB空间转换到HSV空间；设定色调 阈值T_h、饱和度阈值T_s、亮度阈值T_v ;
[0065] 将图像中色调分量h小于色调阈值T_h或者饱和度分量s小于饱和度阈值T_s的 区域，判定为待区分水面或天空区域；
[0066] 若所述待区分水面或天空区域的亮度分量v小于亮度阈值T_v，则将所述待区分 水面或天空区域判定为水岸线区域，否则将所述待区分水面或天空区域判定为天空区域；
[0067] 步骤A3 :对水岸线区域图像进行边缘检测；
[0068] 步骤Α4:对检测到的边缘进行霍夫变换得到水岸线。
[0069] 所述基于显著性检测的水面目标跟踪方法，还包括显著性检测步骤；
[0070] 所述显著性检测步骤，包括如下步骤：
[0071] 步骤Β1 :根据水岸线可以得到显著性区域检测的感兴趣区R0I;由于水上目标不 会出现在岸上，所以根据水岸线可以得到水面区域，作为显著性检测的R0I。
[0072] 步骤Β2:获取增量编码长度，计算公式如下：
[0073] Ι(Χ(Ρ?) =-HW-Pi-logPi-PilogPi
[0074] 其中，ICL(Pl)表示关于Pl的增量编码长度；pi表示概率密度函数p的第i列，i 的取值范围为[1，η];概率密度函数p定义为：p=IPi,p2,…，pnIτ;
[0076]其中，Η(ρ)为信息熵，η表示概率密度函数ρ的列数；
[0078]其中，k为正整数，取值范围是[1，192];WieW，i的取值范围为[0, 192] ;W为滤 波函数，w=A\A为感兴趣区ROI的稀疏基，W= [Wi,w2, ···，w192]T;
[0079]xkeX，X表示采样矩阵，X= [?，，*"，武~];采样矩阵父是感兴趣区1?〇1经过 向量化的图像矩阵；
[0080] 步骤B3 :获取显著区域向量图M，计算公式如下：
[0081] M= [nij,m2, ···,mj
[0083] 其中，mk表示显著区域向量图M的第k列，k的取值范围为[1，n]，n为显著区域向 量图Μ的列数；S表示显著特征，S的全集是{1，2,…，n}，S={i|ICUpjX)};
[0085] 其中，Pj表示概率密度函数ρ的第j列，j的取值范围为[1，n] ;ICL(pJ表示关于 Pj的增量编码长度；
[0086] 步骤Μ:将显著区域向量图Μ转换得到二维的图像矩阵M'作为显著矩阵检测图。
[0087] 所述基于显著性检测的水面目标跟踪方法，还包括目标提取步骤；
[0088] 所述目标提取步骤，包括如下步骤：
[0089] 步骤C1 :对于当前帧，假设上一帧目标位置为Ρη-1，当前显著矩阵检测图Μ'中总 共有k个高亮区域，将第i个联通高亮区域标记为Wi，得到Wi中心点的位置坐标Pi，并得 到Wi中像素的最大灰度值PIXi以及拥有最大灰度值PIXi的像素的位置信息Mi;其中，i= 1，2,…，k;
[0090] 步骤C2 :针对每个联通尚壳区域Wi进彳丁过滤，以过滤掉无效的尚壳区域；设置 如下过滤条件：
[0091] -定义最小像素个数~_，如果Wi的像素个数队小于N_，则将Wi进行过滤；
[0092] -定义最小灰度值PIXmin，如果Wi的最大灰度值PIXi小于PIX_，则将Wi过滤；
[0093] -对Wi进行多边形近似，如果近似结果是一个凹多边形，那么将Wi过滤；
[0094] 步骤C3 :通过步骤C2过滤掉无效的高亮区域之后，将未过滤掉的各个Wi的中心 点的位置坐标Pi和上一帧目标位置的距离〇1进行计算：
[0096] 其中，xni表示上一帧目标位置的横坐标，yni表示上一帧目标位置的纵坐标，"表 示Wi的中心点位置的横坐标，y;表示Wi的中心点位置的纵坐标；
[0097] 选取各个Di中的最小距离Dmin;
[0098] 如果最小距离Dmin小于设定的最大距离阈值DT，则将当前拥有最小距离Dmin的 联通高亮区域Wi认定为目标区域；
[0099] 如果最小距离Dmin大于等于设定的最大距离阈值DT，则认为当前帧目标丢失，当 前目标位置采用上一帧目标位置Pn-1。
[0100] 在优选例中，所述步骤A1包括如下步骤：
[0101] 构建图像预处理高斯金字塔。高斯金字塔构建过程分为两个部分，一个部分是对 图像进行不同尺度的高斯模糊，另一个部分就是对图像做降采样，如图1所示，第一层为原 图像，行列尺寸大小为W*H，W、Η为正整数，从第二层图像开始，每一层图像的分辨率都是前 一层图像的四分之一，第i层图像分辨率为（W/2i，H/2i)。
[0102] 高斯金字塔能够有效对图像进行降采样，保证图像原有信息得到最高质量的压 缩。例如，输入原图像分辨率为1920*1080,为了同时满足计算的实时性要求和计算精度，采 用第4层高斯金字塔图像，将图像分辨率降低到240*135。
[0103] 在优选例中，所述步骤A2包括如下步骤：
[0104] 颜色空间转换。将图像的颜色空间从RGB空间转换到HSV空间，具体转换公式如 下所示：
[0108] 其中，h表示色调分量，max表示RGB颜色空间中R，G，B三种分量的最大者，min表 示RGB颜色空间中R,G,B三种分量的最小者，r表示红色分量，g表示绿色分量，b表示蓝色 分量，s表不饱和度分量，v表不亮度分量。
[0109] 实际应用过程中，利用opencv库中的cvtColor函数就可以实现颜色空间的转换。
[0110] 设定色调阈值T_h= 50,饱和度阈值T_s= 30,对于图像中色调分量h小于色调阈 值T_h或者饱和度分量s小于饱和度阈值T_s的区域，判定为待区分水面或天空区域。设 定亮度阈值T_v= 180,若所述待区分水面或天空区域的亮度分量v小于亮度阈值T_v，则 判定为水岸线区域，若所述待区分水面或天空区域的亮度分量ν大于等于亮度阈值Τ_ν，则 判定为天空区域。得到二值水岸线区域图像。水岸线区域优选地是包括岸上景物、水岸线 以及水面倒影的区域。