CN115361518B - 一种污水生化处理监控视频智能存储方法 - Google Patents

Abstract

本发明涉及图像信息传输技术领域，具体涉及一种污水生化处理监控视频智能存储方法，该方法包括：获取污水处理过程中的监控图像，获取每个像素点在不同窗口尺寸下的对应的像素块，获取每个像素块的协调度，根据协调度获得每个像素点对应的图像块，并得到图像块序列，获取每个图像块与目标图像块集合的重合度，并根据重合度更新目标图像块集合，并获取最终图像块，将最终图像块对应的类别中心所对应的像素点的像素值、一组对角坐标及位图作为编码后的信息得到监控图像的压缩图像，本发明在实现提高压缩效率的同时，从而保证了还原后的图像质量。

Description

一种污水生化处理监控视频智能存储方法

技术领域

本发明涉及图像信息传输技术领域，具体涉及一种污水生化处理监控视频智能存储方法。

背景技术

目前，我国大力实施可持续发展战略，政府对环境的保护越来越重视起来，污水是其中一项重要的保护治理内容。对于污水的处理已经实现自动化控制管理，现在的污水处理的智能控制系统具有自动化水平高、安全性高、科学管理等优点，其通过对数据的分析，实现智能化控制污水处理过程，例如污水排放自动化、污水排放指标超标自动报警、污水排放指标异常紧急停止等，而实现智能化控制污水处理过程依托于大量实时的数据，但污水处理过程的数据量比较大，故需要通过对采集的图像数据进行压缩，从而实现图像数据传输和传输效率，保证数据的实时性。

块截断编码(BTC)是一种快速的有损图像压缩技术，最早是在1979提出，该算法的主要思想是：将输入图片划分为指定尺寸的不重叠块，分别计算每个块的均值和标准差，每个块对应一个相同尺寸的位图，对于像素值大于均值的，在位图中写入‘1’，否则，在位图中写入‘0’，然后对均值、标准差和位图编码，解码过程就是根据均值和标准差计算高、低量化值，分别替换位图中的‘1’和‘0’。

然而，块截断编码的压缩率与分块大小有关，随着分块大小的逐渐增大，图像的压缩效率越高，但同时解码后的图像质量也相对越差，故在利用块截断编码压缩方法对视频图像压缩时，如何在保证解码后图像质量的同时，且能提高图像的压缩效率是一个急需解决的问题。

发明内容

本发明提供一种污水生化处理监控视频智能存储方法，以解决现有的视频图像压缩时的小效率及解码后图像的质量的问题。

本发明的一种污水生化处理监控视频智能存储方法采用如下技术方案：

获取污水处理过程中的监控图像；

获取监控图像中的每个像素点在不同窗口尺寸下对应的像素块，将像素块的像素点转换至颜色空间得到对应的颜色点；

获取像素块的中心颜色点的二维混合高斯模型，根据像素块中的颜色点在该像素块对应的二维混合高斯模型的概率密度分布获取不同窗口尺寸的像素块的协调度，根据协调度小于预设协调度阈值对应的像素块的窗口尺寸获取对应像素点的图像块的尺寸，按照所有图像块的尺寸从大到小对图像块进行排序得到图像块序列；

将图像块序列中的第一个图像块作为图像块集合，并按照尺寸从大到小依次计算图像块序列中第二个图像块与图像块集合中的所有像素点的重合度；

将重合度小于预设重合度阈值的图像块更新到图像块集合中得到目标图像块集合，按照尺寸从大到小依次计算图像块序列中其他图像块与目标图像块集合中的所有像素点的重合度，直至得到的目标图像块集合中的像素点数量等于监控图像的像素点数量时，则将此时的目标图像块集合中的目标图像块作为最终图像块；

对每个最终图像块对应的颜色点进行二分类得到两个类别，并得到图像块对应的位图，将每个类别中心对应的颜色点转换为对应的像素点，将每个最终图像块对应的类别中心所对应的像素点的像素值、一组对角坐标及位图作为编码后的信息得到监控图像的压缩图像。

优选的，获取最终图像块的过程中包括：

计算图像块序列中第二个图像块与图像块集合中像素点的第一重合度，并得到第一重合度小于预设重合度阈值时对应的第一目标图像块集合；

当第一目标图像块集合中的像素点数量等于监控图像的像素点数量，则将第一目标图像块集合中的目标图像块作为最终图像块；

当目标图像块集合中的像素点数量不等于监控图像的像素点数量时，则计算图像块序列中第三个图像块与第一目标图像块集合中的像素点的第二重合度，并得到第二重合度小于预设重合度阈值时对应的第二目标图像块集合；

判断第二目标图像块集合中的像素点的数量是否等于监控图像的像素点数量，等于时，则将第二目标图像块集合中的目标图像块作为最终图像块，不等于时，则按照尺寸从大到小依次计算图像块序列中其余图像块与每次得到的目标图像块集合中的像素点的重合度；

并将每次得到的重合度小于预设重合度阈值对应的目标图像块集合中像素点数量与监控图像的像素点数量进行比较，直至目标图像块集合中的像素点数量等于监控图像的像素点数量时，则将此时对应的目标图像块集合中的目标图像块作为最终图像块。

优选的，获取最终图像块的过程中还包括：

将重合度小于预设重合度阈值的图像块从图像块序列去除并得到更新序列；

获取每次得到的更新序列中图像块的数量；

当更新序列中图像块的数量为0时，则此时对应的目标图像块集合中的目标图像块作为最终图像块；

当更新序列中图像块的数量不为0时，则按照尺寸从大到小依次计算图像块序列中其余图像块与目标图像块集合中的像素点的重合度，并得到每次计算得到的重合度小于预设重合度阈值时的更新序列；

将每次将图像块从图像块序列去除后得到的更新序列中图像块的数量与0进行比较，直至更新序列中图像块的数量为0时，则将此时对应的目标图像块集合中的目标图像块作为最终图像块。

优选的，获取像素块的中心颜色点的二维混合高斯模型的步骤为：

获取每个像素块的中心颜色点的3阶麦克亚当椭圆，并记为中心颜色点的颜色宽容度，且不同颜色点的颜色宽容度不同；

根据中心颜色点的颜色宽容度获取中心颜色点对应的二维混合高斯模型。

优选的，获取不同窗口尺寸的像素块的协调度的步骤为：

对每个像素点的像素块按照窗口尺寸从小到大进行排序得到每个像素点的像素块序列；

按照每个像素块序列的中像素块的顺序计算像素块中每个颜色点的第一概率密度及每个颜色点的颜色值等于颜色均值时的第二概率密度；

根据每个窗口尺寸对应的像素块内每个像素点的第一概率密度与第二概率密度的比值计算该窗口尺寸对应的像素块的协调度。

优选的，获取对应像素点的图像块的尺寸的步骤为：

将协调度小于预设协调度阈值对应的像素块的窗口的边长减2得到图像块的边长；

根据图像块的边长得到图像块的尺寸，按照图像块的尺寸得到每个像素点对应的图像块。

优选的，将相同尺寸大小的图像块分为一类得到对应的图像块集合的步骤为：

将图像块序列中所有第一大窗口尺寸对应的图像块作为第一图像块集合；

将图像块序列中所有第二大窗口尺寸对应的图像块作为第二图像块集合；

依此类推，得到所有图像块集合。

优选的，计算每个图像块集合中的每个图像块与其所在图像块集合中的其余图像块的像素点的重合度步骤为：

将图像块与图像块集合中所有像素点求交集得到相同像素点数量；

计算图像块与图像块集合中所有像素点求交集得到相同像素点数量与该图像块的像素点数量的数量比值；

将数量比值作为该图像块与对应图像块集合中像素点的重合度。

优选的，将第一类别的所有颜色点的颜色值标记为1，将第二类别的所有颜色点的颜色值标记为0，并得到最终图像块的二值图像块，将二值图像块作为最终图像块的位图。

优选的，对压缩图像进行还原，还原过程包括：

根据压缩图像中每组对角坐标获得对应的最终图像块的位置；

将最终图像块中像素点在位图中像素点所在类别的颜色值设置为对应类别的类别中心对应的像素值，并得到所有还原后的最终像素块；

将所有还原的最终像素块组成的图像得到监控图像的还原图像。

本发明的一种污水生化处理监控视频智能存储方法的有益效果是：

1、通过计算每个像素点对应的不同尺寸的像素块的协调度，并根据协调度从每个像素点对应像素块中挑选出来还原图像与监控图像的差异在人眼察觉不到的变化范围内的像素块，从而保证压缩图像还原后的质量；

2、以每个像素点对应像素块中挑选出来的像素块的尺寸作为监控图像分割得到每个像素点的图像块的尺寸，得到控图像中的所有图像块，然后，根据图像块的重合度去除与目标图像块集合中像素点重合度高的图像块，从而保证得到的目标图像块集合中不会存在像素点重合度高的图像块，进而在图像块覆盖整个监控图像的尺寸的前提下，保证目标图像块集合在进行编码压缩时不会出现太多数据冗余，从而实现监控图像的高效压缩；

3、通过本发明的方法在保证压缩图像还原后的质量的基础上，通过减少图像块的重复像素点的冗余，进而提高了图像的压缩传输效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种污水生化处理监控视频智能存储方法的实施例的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的一种污水生化处理监控视频智能存储方法的实施例，如图1所示，本实施例包括：

S1、获取污水处理过程中的监控图像，具体的，通过监控摄像头采集污水处理过程中的监控视频，将监控视频的每一帧图像记为监控图像，其中，监控图像的尺寸为

。

S2、获取监控图像中的每个像素点在不同窗口尺寸下对应的像素块，将像素块的像素点转换至颜色空间得到对应的颜色点。

具体的，本实施例以监控图像中的每个像素点为中心点设定不同尺寸的窗口，以

大小窗口尺寸的为例，获取以每个像素点为中心且尺寸为

的像素块，然后，将像素块中的所有像素点转换为CIE-XYZ颜色空间得到对应的颜色点，且每个颜色点具有颜色值

、颜色值

、颜色值

。

S3、获取像素块的中心颜色点的二维混合高斯模型，根据像素块中的颜色点在该像素块对应的二维混合高斯模型的概率密度分布获取不同窗口尺寸的像素块的协调度，将协调度小于预设协调度阈值对应的像素块的窗口尺寸获取对应像素点的图像块的尺寸，按照所有图像块的尺寸大小对图像块进行排序得到图像块序列；

由于，图像块的尺寸决定了压缩效率和还原后图像的图像质量，对于还原后图像的图像质量，本实施例认为当人眼视觉无法察觉到还原后图像与原本的监控图像的差异时，则认为恢复图像的图像质量符合要求，并将人眼感觉不到的颜色差异变化范围叫做颜色宽容度，对于颜色宽容度，通常使用3阶麦克亚当椭圆来表示，这是由于3阶麦克亚当椭圆边界对应的颜色与中心颜色的差别是人眼恰可察觉的色差值，并且人眼对不同的颜色的敏感程度不同，即人眼对不同色彩的颜色宽容度不同。

具体的，获取像素块的中心颜色点的二维混合高斯模型的步骤为：获取每个像素块的中心颜色点的3阶麦克亚当椭圆，并记为中心颜色点的颜色宽容度，且不同颜色点的颜色宽容度不同；根据中心颜色点的颜色宽容度获取中心颜色点对应的二维混合高斯模型，其中，二维混合高斯模型表示为

，其中，

表示颜色值

的均值，

表示颜色值

的均值，

颜色值

的方差，

表示颜色值

的方差，

为颜色值

和颜色值

的协方差。

具体的，根据像素块中的颜色点在该像素块对应的二维混合高斯模型的概率密度分布获取不同窗口尺寸的像素块的协调度的步骤为：获取二维混合高斯模型的概率密度分布函数，对每个像素点的像素块按照窗口尺寸从小到大进行排序得到每个像素点的像素块序列，即每个像素点都对应有一个窗口尺寸从小到大进行排序的概率密度分布函数，按照每个像素块序列的中像素块的顺序计算像素块中每个颜色点的第一概率密度及每个颜色点的颜色值等于颜色均值时的第二概率密度的概率密度比值；根据每个窗口尺寸对应的像素块内每个像素点的第一概率密度与第二概率密度的比值计算该窗口尺寸对应的像素块的协调度，其中，利用二维混合高斯模型的概率密度分布函数计算像素块中每个颜色点的第一概率密度及每个颜色点的颜色值等于颜色均值时的第二概率密度，其中，计算该窗口尺寸对应的像素块的协调度的公式为：

表示窗口尺寸为

的像素块的协调度；

表示窗口尺寸为

的像素块中颜色点的数量；

表示第

个颜色点的颜色值

颜色值

且颜色值

颜色值

时的概率密度，即像素块中第

个颜色点的第一概率密度；

表示颜色值

且颜色值

时的第二概率密度，其中，

表示

的像素块对应的颜色值

的均值，

表示

的像素块对应的颜色值

的均值；

需要说明的是，以窗口尺寸为

的像素块为例，即

，

表示窗口尺寸为

的像素块的协调度，像素块的第

个颜色点与中心颜色点越接近，则

越接近1，则人眼越难察觉到第

个颜色点与中心颜色点的差异，当像素块中所有颜色点都与中心颜色点接近时，像素块的协调度越大。

具体的，根据协调度小于预设协调度阈值对应的像素块的窗口尺寸获取对应像素点的图像块的尺寸的步骤包括：本实施例的协调度阈值取经验值为0.5，当像素块的协调度大于协调度阈值时，则认为像素块中所有颜色点都与中心颜色点接近，此时扩大窗口的大小，即以窗口尺寸为

的像素块为例，将

窗口尺寸扩大为

，并获取

大小的窗口对应的像素块的协调度，然后判断

大小的窗口对应的像素块的协调度与协调度阈值的大小关系，协调度大于协调度阈值时，对

大小的窗口尺寸进行扩大，并计算扩大后的窗口尺寸对应的像素块的协调度，直至协调度小于协调度阈值时，若协调度小于协调度阈值时，对应的窗口尺寸为

，则将尺寸为

的像素块的作为像素点的图像块的尺寸，并根据图像块的尺寸得到每个像素点对应的图像块。

其次，本实施例是为了在提高图像的压缩效率的同时，保证恢复图像的图像质量，通过3阶麦克亚当椭圆来表示颜色宽容度，根据颜色宽容度计算不同像素块的整体性，将恢复图像与原本的监控图像的差异，在人眼察觉不到的变化范围内的像素块记为图像块，然后将监控图像按照图像块的尺寸划分为不同尺寸的图像块，进而获得监控图像的尺寸大且数量少的图像块序列，即按照所有图像块的尺寸从大到小对图像块进行排序得到图像块序列。

S4、将图像块序列中的第一个图像块作为图像块集合，并按照尺寸从大到小依次计算图像块序列中第二个图像块与图像块集合中的所有像素点的重合度；将重合度小于预设重合度阈值的图像块更新到图像块集合中得到目标图像块集合，按照尺寸从大到小依次计算图像块序列中其他图像块与目标图像块集合中的所有像素点的重合度，直至得到的目标图像块集合中的像素点数量等于监控图像的像素点数量时，则将此时的目标图像块集合中的目标图像块作为最终图像块。

在步骤S3获得监控图像中的所有图像块，由于，这些图像块都是根据颜色宽容度获得的，且基于图像块进行编码得到的压缩图像，在进行压缩图像还原时，图像块的图像质量与原本的监控图像的差异是人眼察觉不到的，因此，认为还原图像的图像质量符合要求，但是，由于步骤S3对监控图像中的每个像素点获得了对应的图像块，且这些图像块的尺寸不同，从而会使得这些图像块之间存在重叠，当然在进行图像块编码压缩时，也会存在大量的冗余，进而导致编码压缩后数据量大，压缩效率降低，为避免这一问题；本实施例需要对步骤S3获得的所有图像块进行筛选，由于图像块尺寸越大，则压缩效率越高，因此，本实施例在对图像块进行筛选时，尽可能保留寸尺较大的图像块，同时使需要保留的图像块的数量少。

故，本实施例先将图像块序列中的第一个图像块作为图像块集合，由于图像块序列中的是按照图像块的尺寸从大到小对图像块进行排序得到图像块序列，因此，图像块序列中的第一个图像块也就是最大的图像块，根据图像块序列中的顺序获得图像块也是相对比较大的，获取最终图像块的过程中包括：本实施例的重合度阈值取经验值为0.3，计算图像块序列中第二个图像块与图像块集合中像素点的第一重合度，并得到第一重合度小于预设重合度阈值时对应的第一目标图像块集合；当第一目标图像块集合中的像素点数量等于监控图像的像素点数量，则将第一目标图像块集合中的目标图像块作为最终图像块；当目标图像块集合中的像素点数量不等于监控图像的像素点数量时，则计算图像块序列中第三个图像块与第一目标图像块集合中的像素点的第二重合度，并得到第二重合度小于预设重合度阈值时对应的第二目标图像块集合；判断第二目标图像块集合中的像素点的数量是否等于监控图像的像素点数量，等于时，则将第二目标图像块集合中的目标图像块作为最终图像块，不等于时，则按照尺寸从大到小依次计算图像块序列中其余图像块与每次得到的目标图像块集合中的像素点的重合度；并将每次得到的重合度小于预设重合度阈值对应的目标图像块集合中像素点数量与监控图像的像素点数量进行比较，直至目标图像块集合中的像素点数量等于监控图像的像素点数量时，则将此时对应的目标图像块集合中的目标图像块作为最终图像块，其中，需要说明的是，对于目标图像块集合中重复的像素点，只保留一个。

具体的，为了防止目标图像块集合中的像素点数量达不到等于监控图像的像素点数量时，从而影响图像的压缩，本实施例获取最终图像块的过程中还包括：将重合度小于预设重合度阈值的图像块从图像块序列去除并得到更新序列；获取每次得到的更新序列中图像块的数量；当更新序列中图像块的数量为0时，则此时对应的目标图像块集合中的目标图像块作为最终图像块；当更新序列中图像块的数量不为0时，则按照尺寸从大到小依次计算图像块序列中其余图像块与目标图像块集合中的像素点的重合度，并得到每次计算得到的重合度小于重合度阈值时的更新序列；将每次将图像块从图像块序列去除后得到的更新序列中图像块的数量与0进行比较，直至更新序列中图像块的数量为0时，则将此时对应的目标图像块集合中的目标图像块作为最终图像块。

S5、对每个最终图像块对应的颜色点进行二分类得到两个类别，并得到图像块对应的位图，将每个类别中心对应的颜色点转换为对应的像素点，将每个最终图像块对应的类别中心所对应的像素点的像素值、一组对角坐标及位图作为编码后的信息得到监控图像的压缩图像。

由于，常规的矩形块截断编码，是将图像块编码为高平均值、低平均值和一个位图，并且在进行解码获取的还原图像块时，将位图中为1的像素点的灰度值设置为高平均值，将位图中为0的像素点的灰度值设置为低平均值，但是，本实施例是基于颜色宽容度获得的目标图像块，因此，为了使编码后的目标图像块在符合人眼视觉的情况下，具有更好的细节，本实施例通过每个最终图像块对应的颜色点进行二分类获得两个类别，并根据每个类别的聚类中心对目标体系块进行编码和解码，具体的，本实施例中将第一类别的所有颜色点的颜色值标记为1，将第二类别的所有颜色点的颜色值标记为0，得到最终图像块对应的位图，并将第一类别的聚类中心对应的颜色点转换为对应的像素点，并将像素点的颜色值记为第一像素值，将第二类别的聚类中心对应的颜色点转换为对应的像素点，并将像素点的颜色值记为第二像素值，其中，每个最终图像块的一组对角坐标可以是最终图像块的左上角像素点的坐标和右下角像素点的坐标组成的一组对角坐标，或者是最终图像块的右上角像素点的坐标和左下角像素点的坐标组成的一组对角坐标。

其中，将第一类别的所有颜色点的颜色值标记为1，将第二类别的所有颜色点的颜色值标记为0，并得到最终图像块的二值图像块，将二值图像块作为最终图像块的位图，由于，在步骤S1－步骤S3中根据协调度从每个像素点对应像素块中挑选出来还原图像与监控图像的差异在人眼察觉不到的颜色变化范围内的像素块，并得到每个像素点对应的图像块，故说明得到的图像块上的所有颜色点的颜色值比较统一，且人眼察觉不到颜色变化范围的图像块，故，在进行二分类时将第一类别的所有颜色点的颜色值标记为1，将第二类别的所有颜色点的颜色值标记为0，得到最终图像块的二值图像块。

其中，编码过程为：将每个最终图像块编码为其对应的类别中心所对应的像素点的像素值、一组对角坐标及位图得到编码后的最终图像块，根据所有编码后的最终图像块得到监控图像的压缩图像。

其中，对压缩图像进行还原过程包括：根据压缩图像中每组对角坐标获得对应的最终图像块的位置，将最终图像块中像素点在位图中像素点所在类别的颜色值设置为对应类别的类别中心对应的像素值，即将最终图像块中像素点在位图中的相应位置为1的像素点的颜色值设置为第一颜色值，对于最终图像块中像素点在位图中的相应位置为0的像素点的颜色值设置为第二颜色值并得到所有还原后的最终像素块；将所有还原的最终像素块组成的图像得到监控图像的还原图像。

本发明的一种污水生化处理监控视频智能存储方法，通过计算每个像素点对应的不同尺寸的像素块的协调度，并根据协调度从每个像素点对应像素块中挑选出来还原图像与监控图像的差异在人眼察觉不到的变化范围内的像素块，从而保证压缩图像还原后的质量；并以每个像素点对应像素块中挑选出来的像素块的尺寸作为监控图像分割得到每个像素点的图像块的尺寸，得到控图像中的所有图像块，然后，根据图像块的重合度去除与目标图像块集合中像素点重合度高的图像块，从而保证得到的目标图像块集合中不会存在像素点重合度高的图像块，进而在图像块覆盖整个监控图像的尺寸的前提下，保证目标图像块集合在进行编码压缩时不会出现太多数据冗余，从而实现监控图像的高效压缩。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种污水生化处理监控视频智能存储方法，其特征在于，该方法包括：

获取污水处理过程中的监控图像；

获取监控图像中的每个像素点在不同窗口尺寸下对应的像素块，将像素块的像素点转换至颜色空间得到对应的颜色点；

获取像素块的中心颜色点的二维混合高斯模型，获取像素块的中心颜色点的二维混合高斯模型的步骤为：获取每个像素块的中心颜色点的3阶麦克亚当椭圆，并记为中心颜色点的颜色宽容度，且不同颜色点的颜色宽容度不同；根据中心颜色点的颜色宽容度获取中心颜色点对应的二维混合高斯模型，根据像素块中的颜色点在该像素块对应的二维混合高斯模型的概率密度分布获取不同窗口尺寸的像素块的协调度，获取不同窗口尺寸的像素块的协调度的步骤为：对每个像素点的像素块按照窗口尺寸从小到大进行排序得到每个像素点的像素块序列；按照每个像素块序列的中像素块的顺序计算像素块中每个颜色点的第一概率密度及每个颜色点的颜色值等于颜色均值时的第二概率密度；根据每个窗口尺寸对应的像素块内每个像素点的第一概率密度与第二概率密度的比值计算该窗口尺寸对应的像素块的协调度，根据协调度小于预设协调度阈值对应的像素块的窗口尺寸获取对应像素点的图像块的尺寸，获取对应像素点的图像块的尺寸的步骤为：将协调度小于预设协调度阈值对应的像素块的窗口的边长减2得到图像块的边长；根据图像块的边长得到图像块的尺寸，按照图像块的尺寸得到每个像素点对应的图像块，按照所有图像块的尺寸从大到小对图像块进行排序得到图像块序列；

将图像块序列中的第一个图像块作为图像块集合，并按照尺寸从大到小依次计算图像块序列中第二个图像块与图像块集合中的所有像素点的重合度；

将重合度小于预设重合度阈值的图像块更新到图像块集合中得到目标图像块集合，其中，目标图像块集合中重复的像素点，只保留一个，按照尺寸从大到小依次计算图像块序列中其他图像块与目标图像块集合中的所有像素点的重合度，直至得到的目标图像块集合中的像素点数量等于监控图像的像素点数量时，则将此时的目标图像块集合中的目标图像块作为最终图像块；

对每个最终图像块对应的颜色点进行二分类得到两个类别，并得到图像块对应的位图，将每个类别中心对应的颜色点转换为对应的像素点，将每个最终图像块对应的类别中心所对应的像素点的像素值、一组对角坐标及位图作为编码后的信息得到监控图像的压缩图像。

2.根据权利要求1所述的一种污水生化处理监控视频智能存储方法，其特征在于，获取最终图像块的过程中包括：

计算图像块序列中第二个图像块与图像块集合中像素点的第一重合度，并得到第一重合度小于预设重合度阈值时对应的第一目标图像块集合；

当第一目标图像块集合中的像素点数量等于监控图像的像素点数量，则将第一目标图像块集合中的目标图像块作为最终图像块；

当目标图像块集合中的像素点数量不等于监控图像的像素点数量时，则计算图像块序列中第三个图像块与第一目标图像块集合中的像素点的第二重合度，并得到第二重合度小于预设重合度阈值时对应的第二目标图像块集合；

判断第二目标图像块集合中的像素点的数量是否等于监控图像的像素点数量，等于时，则将第二目标图像块集合中的目标图像块作为最终图像块，不等于时，则按照尺寸从大到小依次计算图像块序列中其余图像块与每次得到的目标图像块集合中的像素点的重合度；

并将每次得到的重合度小于预设重合度阈值对应的目标图像块集合中像素点数量与监控图像的像素点数量进行比较，直至目标图像块集合中的像素点数量等于监控图像的像素点数量时，则将此时对应的目标图像块集合中的目标图像块作为最终图像块。

3.根据权利要求1所述的一种污水生化处理监控视频智能存储方法，其特征在于，获取最终图像块的过程中还包括：

将重合度小于预设重合度阈值的图像块从图像块序列去除并得到更新序列；

获取每次得到的更新序列中图像块的数量；

当更新序列中图像块的数量为0时，则此时对应的目标图像块集合中的目标图像块作为最终图像块；

当更新序列中图像块的数量不为0时，则按照尺寸从大到小依次计算图像块序列中其余图像块与目标图像块集合中的像素点的重合度，并得到每次计算得到的重合度小于预设重合度阈值时的更新序列；

将每次将图像块从图像块序列去除后得到的更新序列中图像块的数量与0进行比较，直至更新序列中图像块的数量为0时，则将此时对应的目标图像块集合中的目标图像块作为最终图像块。

4.根据权利要求1所述的一种污水生化处理监控视频智能存储方法，其特征在于，将相同尺寸大小的图像块分为一类得到对应的图像块集合的步骤为：

将图像块序列中所有第一大窗口尺寸对应的图像块作为第一图像块集合；

将图像块序列中所有第二大窗口尺寸对应的图像块作为第二图像块集合；

依此类推，得到所有图像块集合。

5.根据权利要求1所述的一种污水生化处理监控视频智能存储方法，其特征在于，计算图像块序列中其余图像块与每次得到的目标图像块集合中的像素点的重合度步骤为：

将图像块与目标图像块集合中所有像素点求交集得到相同像素点数量；

计算图像块与目标图像块集合中所有像素点求交集得到相同像素点数量与该图像块的像素点数量的数量比值；

将数量比值作为该图像块与对应目标图像块集合中像素点的重合度。

6.根据权利要求1所述的一种污水生化处理监控视频智能存储方法，其特征在于，将第一类别的所有颜色点的颜色值标记为1，将第二类别的所有颜色点的颜色值标记为0，并得到最终图像块的二值图像块，将二值图像块作为最终图像块的位图。

7.根据权利要求1所述的一种污水生化处理监控视频智能存储方法，其特征在于，对压缩图像进行还原，还原过程包括：

根据压缩图像中每组对角坐标获得对应的最终图像块的位置；

将最终图像块中像素点在位图中像素点所在类别的颜色值设置为对应类别的类别中心对应的像素值，并得到所有还原后的最终像素块；

将所有还原的最终像素块组成的图像得到监控图像的还原图像。

Images