壓縮感知技術的艦船監控視頻數據措施范文

本站小編為你精心準備了壓縮感知技術的艦船監控視頻數據措施參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:艦船機艙是動力系統、電力系統的控制中心，機艙的運行安全性關乎整船的安全性，為了加強對艦船關鍵區域的有效監管，普遍采用視頻監控技術。本文的研究方向是艦船機艙視頻監控數據的處理，首先介紹壓縮感知技術的原理及視頻壓縮感知系統的構成，然后分別從艦船視頻監控數據的邊緣檢測和壓縮感知重構等方面進行了詳細介紹，最后通過視頻數據重構方法的對比試驗，驗證了本文采用的視頻數據處理效果。

關鍵詞：壓縮感知；監控視頻；邊緣檢測；重構

0引　言

機艙是艦船的核心區域，內部集成了動力系統、電力系統以及大量的電器控制設備。為了提高艦船機艙等關鍵區域的監管水平，防止機艙火災等事故的發生，目前，機艙視頻監控系統已經獲得了廣泛的應用。本文研究方向是機艙視頻監控系統的視頻數據處理技術，介紹一種基于壓縮感知技術的視頻圖像處理方法，并針對艦船監控視頻的圖像邊緣檢測、圖像壓縮感知重建等內容進行了研究[1]。

1視頻壓縮感知技術

壓縮感知理論是一種新型的視頻處理方法，其關鍵要素在于可壓縮性、矩陣運算和視頻重建等，利用壓縮感知技術可以提高視頻數據處理的效率，降低視頻數據中的非線性噪聲。壓縮感知理論的原理如下：φi∈RN×1假設N個正交基矩陣，正交基矩陣排列為正交矩陣如下式：⃗φ=[φ1T,φT2,•••,φTN]∈RN×N，φMx∈RN×1其中M行成為矩陣，將矩陣與離散信號按下式運算：−→y=φM•x，−→y−→y∈RM×1−→yyi−→φi為列向量，，將列向量的一個分量與x進行內積運算，得到信號的測量矩陣的關系式如下式：yi=xT•−→φi，定義信號壓縮感知理論的K-稀疏信號為：[x]=α1ψ1+α2ψ2+•••+αNψN，(ψ1,ψ2,•••,ψN式中：)為正交矩陣。(a1,a2,•••,aN當離散信號)滿足能量衰減法，則|ai(i)|⩽C•i−i，式中：C為正常數，則定義壓縮感知理論的K-可壓縮信號−→xX=x∑i=1ai(i)•ψ(i)。目前，在視頻處理領域常用的壓縮感知系統為DISCUCS系統，該系統的原理圖如圖1所示。圖1DISCUCS壓縮感知系統的原理圖Fig.1SchematicdiagramofdiscucscompressedsensingsystemDISCUCS壓縮感知系統包括編碼器和解碼器兩部分，視頻數據進入DISCUCS壓縮感知系統后分解為關鍵幀和非關鍵幀。其中，關鍵幀采用幀內編碼技術，非關鍵幀采用壓縮感知技術進行編碼。−→假如視頻數據中的關鍵幀圖像的向量形式為xi，則對應的觀測向量為：−→yi=−→A−→•xi。−→式中：A為圖像幀分割后產生的尺寸為M×M的圖像矩陣塊。

2壓縮感知技術的艦船監控視頻圖像處理技術

2.1視頻圖像幀的邊緣檢測技術

圖像幀的邊緣檢測有助于提高目標識別的精度，常用的邊緣檢測算子有Prewitt算子、Sobel算子等[2]，Sobel邊緣檢測算子利用圖像中心點的上下、左右鄰域像素計算加權差，由于加權差在目標物體的邊緣處達到極值，因此可以實現快速的邊緣檢測。基于Sobel算子的邊緣檢測算法步驟為：1）視頻圖像幀的濾波處理，采用高斯濾波或均值濾波方法，提高圖像幀的平滑度，降低噪聲；2）計算圖像幀中像素的梯度幅值和方向，利用Sobel算子降低計算誤差；3）抑制除極大值以外的像素點幅值數據，僅保留極大值；ThTlG(x,y)4）閾值檢測。分別定義高閾值和低閾值，對梯度圖進行如下式的分類：G(x,y)=邊緣點，G(x,y)>Th，非邊緣點，G(x,y)<Tl，疑似邊緣點，else。利用Sobel算子邊緣檢測技術，對典型的中心圓標志的邊緣進行識別，得到圖2所示的邊緣檢測效果。圖2基于Sobel算子的邊緣檢測效果圖Fig.2EffectdrawingofedgedetectionbasedonSobeloperator如圖2可見，基于Sobel算子的中心圓標志邊緣檢測具有良好的效果，圖像邊緣清晰無破損。在完成圖像幀目標物體的邊緣檢測后，還需要對識別的邊緣進行擬合，本文采用最小二乘橢圓擬合，擬合殘差的范圍為：ε<εmax，εmaxεmax其中，為殘差最大值，本文取=0.35。擬合方程為：Ax2+Bxy+Cy2+Dx+Ey+F=0，圖像邊緣擬合的目標函數為：f(A,B,C,D,E)=n∑i=1(Ax2i+Bxiyi+Cy2i+Dxi+Eyi+F)2。目標函數中，A，B，C，D，E，F的值分別為橢圓的中心點、長短軸和夾角參數，通過參數尋優，即可達到最佳的擬合效果。

2.2基于時空特征的艦船監控視頻壓縮感知重建

船舶機艙視頻監控數據具有一定的時空特性，圖像幀的特性不僅隨空間位置發生變化，也隨時間發生變化。因此，在進行圖像幀的重建時，需要結合像素的時空自回歸模型[3]和目標邊緣擬合算法。本文設計的基于時空特征的監控視頻壓縮感知重建原理如圖3所示。在該重建過程中，圖像幀的分塊測量、殘差重建和關鍵幀解碼是關鍵環節。編碼段信號的輸入與分塊測量可用下式表示：y1∼yL]T[x1∼xL]TφB式中：為圖像幀的列向量；為圖像幀的行向量;為高斯測量矩陣。基于時空特征的圖像幀重建模型為：{ˆαi,ˆxi}=λ1•x1.xLFAR+λ2N∑i=1∥Ciai−Rix∥。λ1λ2FAR∥Ciai−Rix∥式中：，分別為時間和空間重建誤差系數；為像素的時空自回歸模型；為像素的殘差項。本文比較了3種高斯噪聲σ=0.02/σ=0.03/σ=0.04下的視頻圖像幀目標的像素中心定位誤差，如圖4所示。

3結　語

本文針對艦船機艙視頻監控系統，開發了基于壓縮感知技術的視頻數據處理系統，并結合邊緣檢測算法實現了視頻圖像的目標識別和重構。本文的研究對于改善現有視頻數據處理效果有重要意義。

參考文獻：

[1]韓彥平,呂梅柏,李言俊.基于視頻圖像的運動目標識別與跟蹤方法研究[J].彈箭與制導學報,2006,26(2):383–386.

[2]夏正洪,吳岳洲,盧國盼.基于視頻圖像處理的機場航空器沖突檢測[J].科技導報,2015,33(12):24–28.

[3]第43卷張翔：壓縮感知技術的艦船監控視頻數據處理•183•

作者：張翔 單位：景德鎮學院信息工程學院