压缩感知技术的舰船监控视频数据措施范文

摘要:舰船机舱是动力系统、电力系统的控制中心，机舱的运行安全性关乎整船的安全性，为了加强对舰船关键区域的有效监管，普遍采用视频监控技术。本文的研究方向是舰船机舱视频监控数据的处理，首先介绍压缩感知技术的原理及视频压缩感知系统的构成，然后分别从舰船视频监控数据的边缘检测和压缩感知重构等方面进行了详细介绍，最后通过视频数据重构方法的对比试验，验证了本文采用的视频数据处理效果。

关键词：压缩感知；监控视频；边缘检测；重构

0引　言

机舱是舰船的核心区域，内部集成了动力系统、电力系统以及大量的电器控制设备。为了提高舰船机舱等关键区域的监管水平，防止机舱火灾等事故的发生，目前，机舱视频监控系统已经获得了广泛的应用。本文研究方向是机舱视频监控系统的视频数据处理技术，介绍一种基于压缩感知技术的视频图像处理方法，并针对舰船监控视频的图像边缘检测、图像压缩感知重建等内容进行了研究[1]。

1视频压缩感知技术

压缩感知理论是一种新型的视频处理方法，其关键要素在于可压缩性、矩阵运算和视频重建等，利用压缩感知技术可以提高视频数据处理的效率，降低视频数据中的非线性噪声。压缩感知理论的原理如下：φi∈RN×1假设N个正交基矩阵，正交基矩阵排列为正交矩阵如下式：⃗φ=[φ1T,φT2,•••,φTN]∈RN×N，φMx∈RN×1其中M行成为矩阵，将矩阵与离散信号按下式运算：−→y=φM•x，−→y−→y∈RM×1−→yyi−→φi为列向量，，将列向量的一个分量与x进行内积运算，得到信号的测量矩阵的关系式如下式：yi=xT•−→φi，定义信号压缩感知理论的K-稀疏信号为：[x]=α1ψ1+α2ψ2+•••+αNψN，(ψ1,ψ2,•••,ψN式中：)为正交矩阵。(a1,a2,•••,aN当离散信号)满足能量衰减法，则|ai(i)|⩽C•i−i，式中：C为正常数，则定义压缩感知理论的K-可压缩信号−→xX=x∑i=1ai(i)•ψ(i)。目前，在视频处理领域常用的压缩感知系统为DISCUCS系统，该系统的原理图如图1所示。图1DISCUCS压缩感知系统的原理图Fig.1SchematicdiagramofdiscucscompressedsensingsystemDISCUCS压缩感知系统包括编码器和解码器两部分，视频数据进入DISCUCS压缩感知系统后分解为关键帧和非关键帧。其中，关键帧采用帧内编码技术，非关键帧采用压缩感知技术进行编码。−→假如视频数据中的关键帧图像的向量形式为xi，则对应的观测向量为：−→yi=−→A−→•xi。−→式中：A为图像帧分割后产生的尺寸为M×M的图像矩阵块。

2压缩感知技术的舰船监控视频图像处理技术

2.1视频图像帧的边缘检测技术

图像帧的边缘检测有助于提高目标识别的精度，常用的边缘检测算子有Prewitt算子、Sobel算子等[2]，Sobel边缘检测算子利用图像中心点的上下、左右邻域像素计算加权差，由于加权差在目标物体的边缘处达到极值，因此可以实现快速的边缘检测。基于Sobel算子的边缘检测算法步骤为：1）视频图像帧的滤波处理，采用高斯滤波或均值滤波方法，提高图像帧的平滑度，降低噪声；2）计算图像帧中像素的梯度幅值和方向，利用Sobel算子降低计算误差；3）抑制除极大值以外的像素点幅值数据，仅保留极大值；ThTlG(x,y)4）阈值检测。分别定义高阈值和低阈值，对梯度图进行如下式的分类：G(x,y)=边缘点，G(x,y)>Th，非边缘点，G(x,y)<Tl，疑似边缘点，else。利用Sobel算子边缘检测技术，对典型的中心圆标志的边缘进行识别，得到图2所示的边缘检测效果。图2基于Sobel算子的边缘检测效果图Fig.2EffectdrawingofedgedetectionbasedonSobeloperator如图2可见，基于Sobel算子的中心圆标志边缘检测具有良好的效果，图像边缘清晰无破损。在完成图像帧目标物体的边缘检测后，还需要对识别的边缘进行拟合，本文采用最小二乘椭圆拟合，拟合残差的范围为：ε<εmax，εmaxεmax其中，为残差最大值，本文取=0.35。拟合方程为：Ax2+Bxy+Cy2+Dx+Ey+F=0，图像边缘拟合的目标函数为：f(A,B,C,D,E)=n∑i=1(Ax2i+Bxiyi+Cy2i+Dxi+Eyi+F)2。目标函数中，A，B，C，D，E，F的值分别为椭圆的中心点、长短轴和夹角参数，通过参数寻优，即可达到最佳的拟合效果。

2.2基于时空特征的舰船监控视频压缩感知重建

船舶机舱视频监控数据具有一定的时空特性，图像帧的特性不仅随空间位置发生变化，也随时间发生变化。因此，在进行图像帧的重建时，需要结合像素的时空自回归模型[3]和目标边缘拟合算法。本文设计的基于时空特征的监控视频压缩感知重建原理如图3所示。在该重建过程中，图像帧的分块测量、残差重建和关键帧解码是关键环节。编码段信号的输入与分块测量可用下式表示：y1∼yL]T[x1∼xL]TφB式中：为图像帧的列向量；为图像帧的行向量;为高斯测量矩阵。基于时空特征的图像帧重建模型为：{ˆαi,ˆxi}=λ1•x1.xLFAR+λ2N∑i=1∥Ciai−Rix∥。λ1λ2FAR∥Ciai−Rix∥式中：，分别为时间和空间重建误差系数；为像素的时空自回归模型；为像素的残差项。本文比较了3种高斯噪声σ=0.02/σ=0.03/σ=0.04下的视频图像帧目标的像素中心定位误差，如图4所示。

3结　语

本文针对舰船机舱视频监控系统，开发了基于压缩感知技术的视频数据处理系统，并结合边缘检测算法实现了视频图像的目标识别和重构。本文的研究对于改善现有视频数据处理效果有重要意义。

参考文献：

[1]韩彦平,吕梅柏,李言俊.基于视频图像的运动目标识别与跟踪方法研究[J].弹箭与制导学报,2006,26(2):383–386.

[2]夏正洪,吴岳洲,卢国盼.基于视频图像处理的机场航空器冲突检测[J].科技导报,2015,33(12):24–28.

[3]第43卷张翔：压缩感知技术的舰船监控视频数据处理•183•

作者：张翔 单位：景德镇学院信息工程学院