本发明涉及的是一种图像滤波预处理方法，具体的说是一种用于auv水下目标识别跟踪的在线预处理的中值滤波方法。
背景技术
在人类和社会发展的同时，人口、资源和环境这三个难解的课题摆在了全人类的面前。为了进一步开拓自己的生存空间，人们把注意力转向了对海洋的开发。作为人类探索及使用海洋的一种重要手段，人们已经越来越多的关注自主式水下机器人(auv)的应用与开发。鉴于水下机器人的视觉分辨能力又是其执行各种任务，获取水下信息的重要途径，对机器人起着导航、避障、检测未知目标的重要作用，所以对水下机器人的图像采集，水下目标的图像预处理与识别就显得越来越重要，它是水下机器人能够正常工作的不可或缺的技术保障。一般来说，水下目标识别跟踪是在对图像目标进行滤波去噪之后，选择一定的显著特征加以识别，再进行准确跟踪的，因此图像预处理效果的好坏和实时性两方面将直接影响图像的目标识别预跟踪的效果。
传统的图像处理技术把图像滤波分为线性滤波和非线性滤波两类。其中的线性滤波是预先选定一个连续窗函数，然后在窗函数内对图像像素进行加权求和来实现。这种滤波方法的优点是:能够很好的得到抑制加性噪声(如高斯白噪声)，获得令人满意的结果。但是，当要处理的图像信息中含有含有非叠加性的噪声时(如脉冲干扰和信号相关噪声)，线性滤波器的处理结果就很难满足要求了，非线性滤波技术应运而生。非线性滤波中的中值滤波因为其简单易用使用非常广泛，但是其计算复杂度高，在滤波窗口比较大时难以满足实时性要求，会严重影响后面的目标识别跟踪效果。进一步深入研究中值滤波的过程可以发现，图像中值滤波的重点是得到想要的中值，而非数学上严格的排序算法，因此可以从不完全排序的角度去提高中值滤波的实时性。
文献《afasttwo-dimensionalmedianfilteringalgorithm》(ieeetransacoustics,speech,andsignalprocessing,1979,27(1):13-18)提出仅抽取滤波子窗口的部分像素进行排序，通过减少排序像素的个数来提高速度，但最终找出的像素值不一定是滤波窗口的中值。文献《改进自适应中值滤波的图像去噪》(激光杂志，2009,30(2):45-46)提出根据噪声浓度和滤波窗口间的关系确定最佳窗口尺寸来减少自适应滤波时窗口的迭代次数，虽然在一定程度上提高了滤波速度，但是滤波效果有所下降。
技术实现要素：
本发明的目的在于提供一种能够加速中值滤波速度，提高在线滤波处理的实时性的集合一致性分解加速的水下图像自适应中值滤波方法。
本发明的目的是这样实现的：
(1)获取水下可见光图像；
(2)确定初始滤波窗口并进行集合一致性分解求取中值；
(3)确定自适应滤波窗口选取规则；
(4)结合集合一致性分解，加速水下图像自适应滤波过程，获得中值滤波后的图像。
本发明还可以包括：
1、所述确定初始滤波窗口并进行集合一致性分解求取中值具体包括：
(2.1)将初始滤波窗口内的像素构造成一个原始集合s
将当前滤波窗口s中的所有像素的空间位置由矩阵排列构造成一行排列，形成数学上的集合形式；
(2.2)对集合内的元素进行均值划分
当把滤波窗口构造成集合之后，通过计算集合的均值，将原始集合划分为左右两个集合称为s左和s右，s左为当前集合中元素大小(即像素值)小于均值的所有元素，s右为当前集合中元素大小(即像素值)大于均值的所有元素；
(2.3)对初次划分后的集合进行一致性分解
对初次划分后的集合，即s左和s右，分别进行元素个数统计，若s左的个数大于原始集合元素个数的一半，则舍弃s右，继续按照步骤(2.2)分解，直到s左元素个数小于原始集合元素个数的一半，则分解完成；反之，对s右进行连续分解，直到s右元素个数小于原始集合元素个数的一半，则分解完成；因为分解过程中，s左和s右不交叉运算，因此称为集合一致性分解。
(2.4)判断一致性分解的集合是s左还是s右，如果是s左，则将最后一次分解得到的s右进行从小到大排序，为了加快滤波速度，这里引入部分排序思想，不用将集合所有元素进行从小到大排序，排序次数为n/2-d次，n为原始集合s的元素个数、d为最后一次分解得到的s左的元素个数；反之，如果是s右，则将s左进行从大到小排序，排序次数为n/2-m次，m为最后一次分解得到的s右的元素个数。
(2.5)排序完成，将最后一次排序得到的元素(即像素值)作为当前滤波窗口的中值。
2、所述确定自适应滤波窗口选取规则具体包括：
(3.1)先确定是否需要进行窗口扩展即噪声辨别；根据中值原理和大量实验结果可以发现，当窗口内的噪声点数所占比例超过50％时，噪声会被选择为中值，因此需要先设立判断条件对噪声进行辨别，否则当噪声污染严重时中值滤波将失效；
(3.2)确定滤波窗口的规则为：针对初始窗口w(比如w为3*3的窗口)，找出窗口中的最大值smax、最小值smin以及中值smed，如果smin<smed<smax,则当前滤波窗口所获得的中值不是噪声点，当前窗口满足条件；反之，则当前滤波窗口所获得的中值被认为是噪声点，将其舍弃，并将窗口按照w+n进行扩展后继续进行判断，直到窗口满足smin<smed<smax条件或扩展大小达到设置的阈值，w为窗口大小、n为扩展大小；
3、所述结合集合一致性分解，加速水下图像自适应滤波过程，获得中值滤波后的图像具体包括：
(4.1)通过集合一致性分解求取当前滤波窗口的中值，减少排序次数；
(4.2)根据滤波窗口确定规则，在线自适应确定窗口尺寸；
(4.3)滑动滤波窗口，对整幅图像进行自适应中值滤波预处理，最终输出滤波后的图像。
本发明是将集合一致性分解技术应用到自适应中值滤波中，从本质减少不必要的排序次数，大大降低了运算复杂度，加速了中值滤波速度，在线滤波处理的实时性得到有效提高，从而减少滤波时延对auv水下目标识别跟踪系统的影响。具体的说是一种加速滤波算法处理速度，提高在线预处理实时性的一种中值滤波技术，可以用于auv水下目标识别跟踪的在线预处理中。
本发明的优点是从中值理论的本质上减少了排序次数，大大降低了运算复杂度，加速了中值滤波速度，在线滤波处理的实时性得到有效提高，从而减少滤波时延对auv水下目标识别跟踪系统的影响。
附图说明
图1是本发明的总流程图；
图2是集合一致性分解原理图；
图3是集合一致性分解流程图；
图4是自适应滤波窗口选取示意图；
图5是本发明与传统自适应中值滤波在相同分辨率下的时间对比图；
图6a-图6d是本发明与传统自适应中值滤波在相同分辨率下的滤波效果图，其中图6a为水下原图(240*240)，图6b为椒盐噪声图像(0.4)，图6c为普通中值滤波效果，图6d为本发明滤波效果。
具体实施方式
下面举例对本发明做更详细的描述。
步骤一：获取水下可见光图像
本发明的水下可见光图像是通过模拟摄像机在实验室水池里面距离实物3m拍摄完成。
步骤二：集合一致性分解求中值
如图2、图3所示，集合一致性分解分为以下几步：
step1：将初始滤波窗口内的像素构造成一个原始集合s，将当前滤波窗口s中的所有像素的空间位置由矩阵排列构造成一行排列，形成数学上的集合形式；
step2：当把滤波窗口构造成集合之后，通过计算集合的均值，将原始集合划分为左右两个集合(后面简称s左和s右)，s左为当前集合中元素大小(即像素值)小于均值的所有元素，s右为当前集合中元素大小(即像素值)大于均值的所有元素，并分别进行元素个数统计，记为n左和n右；
step3：若n左大于等于原始集合元素个数的一半，则舍弃s右，然后判断n右是否等于零，如果n右＝0，则分解结束，取s左中任意元素即为中值，如果n右≠0则继续按照step2进行分解，直到n左小于原始集合元素个数的一半，则分解完成。否则，进行step4；
step4：若n右大于等于原始集合元素个数的一半，则舍弃s左，然后判断n左是否等于零，如果n左＝0，则分解结束，取s右中任意元素即为中值，如果n左≠0则继续按照step2进行分解，直到n右小于原始集合元素个数的一半，则分解完成；
step5：判断一致性分解的集合是s左还是s右，如果是s左，则将最后一次分解得到的s右进行从小到大排序，为了加快滤波速度，这里引入部分排序思想，不用将集合所有元素进行从小到大排序，排序次数为n/2(n为原始集合s的元素个数)-n左次，；反之，如果是s右，则将s左进行从大到小排序，排序次数为n/2(n为原始集合s的元素个数)-n右次；
step6：排序完成，将最后一次排序得到的元素(即像素值)保存为当前滤波窗口的中值。
步骤三：结合集合一致性分解加速的自适应中值滤波
step1：将待处理图像的每个像素点(x,y)都绑定一个标志flag并赋值为1,确定一个初始滤波窗口w，窗口尺寸为3*3大小，如图所示4；设定一个滤波窗口扩展阈值，提前终止滤波窗口的选择；
step2：将窗口w滑动到第一个像素点，利用集合一致性分解技术快速求取w的中值smed；
step3：求出w中的最大值smax、最小值smin，如果smin<smed<smax，则用中值smed取代当前像素点，并将其flag置为0，表示当前点滤波成功，进入step5；如果不满足smin<smed<smax，则进入step4；
step4：如图所示4将当前滤波窗口按照w+n进行滤波处理，即以当前像素点(x,y)为中心，左右各扩展n个像素点，如果窗口扩展大小达到扩展阈值，则不再进行扩展，直接用当前窗口中值取代当前像素点，否则返回step3；
step5：将初始滤波窗口w从左往右连续滑动至下一个像素点，返回step3执行，如果y＝col(col是图像的列数)，则进入step6；
step6：将初始滤波窗口w从上往下连续滑动至下一个像素点，返回step3执行，当(x,y)＝(row,col)(row是图像的行数，col是图像的列数)时滤波成功，则整幅图像中值滤波完成。
本发明通过采集实验室水池下梯子图像来验证发明技术的有效性，实验环境是联想笔记本电脑，cpu主频2.6ghz，内存4gb。图5显示，随着图像分辨率的增加，传统中值滤波和本发明的加速滤波技术的时间都越来越长，但可以发现图像分辨率越高，本发明的滤波实时性效果越明显，通过图6a-图6d可以发现，本发明在加速滤波过程中并没有降低滤波效果，在某些像素点滤波效果甚至更佳。