r>[0111] 在優(yōu)選例中，對于圖像中的非零像素點進行逐行的統(tǒng)計，第i行的非零像素點個 數(shù)為Ni，如果Ni>80,判定為水岸線區(qū)域，從而進一步精確R0I。
[0112] 在優(yōu)選例中，在步驟A2與步驟A3之間執(zhí)行中值濾波處理步驟，具體包括：
[0113] 中值濾波處理步驟。利用中值濾波對步驟A2得到的二值水岸線區(qū)域圖像過濾脈 沖噪聲，公式如下：
[0114] g(x,y) =median{f(x-i,y-j)} (i,j)eff
[0115] 其中，g表示中值濾波處理之后的圖像，g(x，y)表示（x，y)位置的像素點的灰度 值，median{ ·}表示取中值，X表示像素點橫坐標，y表示像素點縱坐標，f表示濾波前的圖 像，f(x-i,y-j)表示（x-i,y-j)位置像素點的灰度值，W表示二維模板，優(yōu)選地選取3*3模 板，i表示二維模板橫坐標，j表示二維模板縱坐標。
[0116] 得到經(jīng)過濾波的水岸線區(qū)域圖像。
[0117] 具體應(yīng)用過程中，可以利用opencv庫中的medianBlur函數(shù)進行中值濾波。
[0118] 在優(yōu)選例中，對水岸線區(qū)域圖像進行邊緣檢測所采用算子可以是RobertsCross 算子、Prewitt算子、Sobel算子、Kirsch算子、羅盤算子、Canny算子，Laplacian算子等等， 還采用如下的改進的canny邊緣檢測，具體為：
[0119] 對經(jīng)過濾波的水岸線區(qū)域圖像進行改進的canny邊緣檢測，具體為：
[0120] 利用sobel算子對水岸線區(qū)域圖像進行遍歷，得到水岸線區(qū)域圖像的梯度方向和 梯度大?。?br>[0121] sobel算子如下：
[0123] 其中，sx表示橫坐標方向上的算子，sy表示縱坐標方向上的算子。
[0124] 梯度的大小和梯度方向的計算公式如下：
[0125] gx =(m6+2m7+m8) - (m〇+2m1+m2)
[0126] gy =(m2+2m5+m8)-(m〇+2m3+m6)
[0129] 其中，G[i，j]表示水岸線區(qū)域圖像（i，j)位置像素的梯度大小，i表示水岸線區(qū)域 圖像橫坐標，j表示水岸線區(qū)域圖像縱坐標;mQ~ms表示水岸線區(qū)域圖像對應(yīng)sobel算子 位置處的像素點灰度值；gx表示水平方向梯度大小，gy表示垂直方向梯度大小，Μ表示圖像 中3*3區(qū)域像素點集合。
[0130] 定義權(quán)重函數(shù)
[0136] w。表示權(quán)重函數(shù)，g(x，y)表示二維高斯函數(shù)，。表示尺度參數(shù)，||IIi表示L1范 數(shù)，DoG。表示所有DoG。（X，y)所組成的向量，||H(D〇G。）|| 1表示所有DoG。（X，y)絕對值之 和；g。（X，y)，g4。（X，y)分別表示尺度參數(shù)為Ο，4 〇的二維高斯函數(shù)，z表示有理數(shù)，H(z) 表示z小于0時取0，z大于0時取z，D〇G。（x，y)，表示尺度參數(shù)分別為4σ、σ的二維高斯 函數(shù)相減，X表示像素點水平坐標，y表示像素點垂直方向坐標。
[0137] 得到水岸線區(qū)域之后可以進行一個邊緣檢測，針對邊緣檢測容易檢測到無效邊緣 的特點，可以進行一個紋理抑制的改進，在二維高斯函數(shù)確定的一個圓環(huán)區(qū)域內(nèi)進行一個 相似紋理的抑制，關(guān)于相似紋理的判斷，可以利用該像素點的梯度大小和方向進行界定。
[0138] 利用上述公式可以進行一個周圍紋理抑制，對于當前像素點，如果和鄰域圓環(huán)內(nèi) 其它像素點的梯度大小和方向近似，就予以抑制。得到經(jīng)過紋理抑制后的水岸線圖像。
[0139] 其中|| . ||為L1范數(shù)。定義半徑rl和r2,如圖2所示。在半徑為rl的圓內(nèi)， DoG。（X，y)〈0,其權(quán)重w。為 0,具體σ= 1，r丨=2σ，r2= 4r1<3
[0140] 在優(yōu)選例中，利用opencv庫中的Canny()函數(shù)進行邊緣檢測，低閾值采取100,高 閾值采取400。
[0141] 在優(yōu)選例中，在步驟A3與步驟A4之間執(zhí)行邊緣信息過濾步驟，具體如下：
[0142] 設(shè)計7個算子進行經(jīng)過紋理抑制后的水岸線圖像的遍歷，可以減少圖像的無效邊 緣。
[0145]在優(yōu)選例中，步驟A4包括如下步驟：
[0146] 霍夫變換
[0147] p=xcosΘ+ysinΘ
[0148] 其中，p表示原點到經(jīng)過（X，y)點直線的幾何垂直距離，Θ表示垂線與X軸夾角； 可以把圖像的像素點從（x，y)空間轉(zhuǎn)換到（Ρ，Θ)空間，對經(jīng)過紋理抑制后的水岸線圖像 中的每一個像素點（x，y)來說，以一個確定的角度間隔ΑΘ計算Θ從-180°到180°的 相應(yīng)P，從而變換到參數(shù)空間（Ρ，Θ)，對參數(shù)空間（ρ，Θ)中的像素點個數(shù)進行投票累 計，從投票累計個數(shù)就可以得出最長直線。考慮到水岸線與水平線的夾角的絕對值一般不 會超過30°，本文對霍夫變換的檢測范圍作出調(diào)整，Θ的計算范圍為-30°到30°。
[0149] 在優(yōu)選例中，利用Opnecv的HoughLines進行hough變換，從圖像中進行直線的提 取，識別出水岸線。
[0150] 在優(yōu)選例中，所述顯著性檢測步驟，包括如下步驟：
[0151] 首先利用稀疏字典對圖像進行稀疏特征表示，設(shè)A為稀疏基，為第i個基函數(shù)。 設(shè)W為濾波函數(shù)，w=A\上標-1表示稀疏基A求逆，W= [Wi,w2，…，w192]T,每一行的Wj， j= 1，2,…，192,可以看作是對待處理圖像集合的線性濾波器。
[0152] 圖像的稀疏表示s可以看作是對所有線性濾波器％的響應(yīng)。給出一幅圖像的向 量化表示X，可以表示為S=Wx。
[0153] 增量編碼長度是一種符合人的視覺特征的顯著性表示方法，能夠使得系統(tǒng)能量分 配達到最佳。
[0154] 定義Pi為第i個基函數(shù)對于采樣矩陣X= [x'x2,…，xk，···]的響應(yīng)，其中采樣矩 陣X是經(jīng)過向量化的圖像矩陣?？梢缘贸鯬lS:
[0156] 其中，k為正整數(shù)，取值范圍是[1，192]，WieW，xkeX，i為正整數(shù)，i的取值范圍 為[0, 192]。
[0157] 對于基函數(shù)關(guān)于圖像響應(yīng)的概率密度函數(shù)p可以定義為：p= |Pl，p2，…，ρη|τ。定 義Ρ的信息熵為Η(ρ)，離散信息熵計算公式為：
[0159] 其中，Η(ρ)為信息熵，η表示概率密度函數(shù)ρ的列數(shù)。
[0160] 下面計算信息熵函數(shù)的增量：
[0162] 其中：Pj表示概率密度函數(shù)ρ的第j列，j的取值范圍為[1，n];pi表示概率密度 函數(shù)P的第i列，i的取值范圍為[l，n];
[0164] 由此可以得出，增量編碼長度ICL為：
[0166] 其中，ICL(Pl)表示關(guān)于？1的增量編碼長度。
[0167] 定義顯著特征S，S的全集是{1，2,…，n}，S={i|ICUpJX)}。定義通過第i個 顯著特征S得到的能量為山，如果當前特征S。不屬于顯著特征，那么定義dk = 〇(kev);
[0169] 其中，4表示不屬于顯著特征的特征，k為正整數(shù)，取值范圍是S的補集；
[0170] 最后給定一個圖像X= [X1，X2,…，xn],可以量化得到顯著區(qū)域向量圖M，Μ= ...，mn]其中：
[0172] 其中，mk表示顯著區(qū)域向量圖的第k列，k的取值范圍為[1，η]。
[0173] 為了將該顯著區(qū)域圖轉(zhuǎn)換到圖像中顯示，需要進行一個歸一化的處理。首先對于 顯著區(qū)域圖向量Μ，對每一個元素求取絕對值，之后轉(zhuǎn)換到[0，1···，255]域，之后再把向量 化的顯著區(qū)域圖轉(zhuǎn)換到二維的圖像矩陣Μ'，該圖像Μ'就是最終的顯著矩陣檢測圖。
[0174] 更為具體地：
[0175] 第一步，將R0I作為處理圖像，進行歸一化為0-1范圍內(nèi)的double類型，是進行 0_255int類型線性歸一化到Ο-ldouble類型。
[0176] 第二步，將二維圖