1.一种基于显著性多特征融合的移动巡检视频质量修正方法，其特征在于，包括如下步骤：对移动巡检视频中任一包括待检测物体的静止图像进行分块，确定分块结果中包含待检测物体识别特征的所有宏块，以及各宏块的显著性因子；

使用上述每个宏块分别遍历移动巡检视频中其他图像，获得各帧图像中与该宏块最相似的图像块，进而获得各宏块的运动矢量，结合其显著性因子，获得每一帧图像的显著性矩阵；

根据获得的显著性矩阵，确定移动巡检视频的块效应特征值、模糊效应特征值和信息熵特征值；

建立包含视频评价结果与视频块效应特征值、模糊效应特征值和信息熵特征值三者关系的视频质量评价模型，判断视频质量是否合格，如果不合格，修正摄像头参数，重新判断，直到合格为止。

2.根据权利要求1所述的基于显著性多特征融合的移动巡检视频质量修正方法，其特征在于，所述各宏块的显著性因子通过下面公式确定SSDSP(I,J)＝SF(x)·SC(x)·SD(x)式中，SF(x)为频率先验，SC(x)为色彩先验，SD(x)为位置先验，x为宏块对应的像素点矩阵，(I,J)为像素点。

3.根据权利要求1或2所述的基于显著性多特征融合的移动巡检视频质量修正方法，其特征在于，所述获得各帧图像中与该宏块最相似的图像块，进而获得各宏块的运动矢量，包括如下步骤：获取该宏块中每个像素点的像素值；

根据下面公式中的匹配准则遍历移动巡检视频中的各帧图像，分别找出各帧图像中MAD值最小的图像块，作为与该宏块最相似的图像块式中，(a,b)为相对位移，fe(m,n)指所述宏块当前像素点(m,n)的像素值，fp(m+a,n+b)指移动巡检视频第p帧图像中距离像素点(m,n)相对位移为(a,b)的像素值，M、N分别为该宏块的长和宽，e为当前帧；

根据各帧图像中与该宏块最相似的图像块的位置变化，得出各帧图像中该宏块每个像素点的相对位移(Δx'(m,n),Δy'(m,n))，进而得出各宏块的运动矢量(Δx(i,j),Δy(i,j))；

根据各宏块的运动矢量(Δx(i,j),Δy(i,j))，通过下面公式得出每个宏块的运动活性MA(i,j)其中

式中，c是调节系数，i和j分别为某一宏块的行和列；

通过下面公式对每个宏块的运动活性MA(i,j)进行加权，获得加权后运动活性Sfinal(i,j)Sfinal(i,j)＝SSDSP(i,j)·MA(i,j)i∈[1,Q],j∈[1,T]式中，SSDSP(i,j)为该宏块的显著性因子，Q和T分别为对静止图像分块获得的宏块的总行数和总列数；

通过下面公式所述方式排列所有宏块的Sfinal(i,j)，得到待求每一帧图像的显著性矩阵Sfinal

4.根据权利要求3所述的基于显著性多特征融合的移动巡检视频质量修正方法，其特征在于，所述确定移动巡检视频的块效应特征值，进一步包括如下步骤：对移动巡检视频中每一帧图像进行分块处理；所述分块处理方法与静止图像的分块方法相同；

对分块处理获得的每一图像块依次进行水平边缘检测和垂直边缘检测，根据边缘像素点个数应小于阈值一，识别出检测结果中的平滑块，进一步计算每一平滑块的水平块特征值、垂直块特征值；

根据上述获得的每一平滑块的水平块特征值和垂直块特征值，得出该视频单帧的块效应特征值B；

根据该视频所有单帧的块效应特征值B，计算出所述块效应特征值的标准差，作为待求整段移动巡检视频的块效应特征值Bvideo。

5.根据权利要求4所述的基于显著性多特征融合的移动巡检视频质量修正方法，其特征在于，通过下面公式，得出每一平滑块的水平块特征值其中

dh(r,Ks)＝x(r,Ks)-x(r,Ks-1),s∈[1,N-1]式中，r,s均为平滑块的尺寸， 为小于N/K的最大整数，M为平滑块垂直方向尺寸，N表示平滑块水平方向尺寸，Ks表示压缩尺寸，x()为像素值，K为像素点的尺寸；

通过下面公式，得出每一平滑块的垂直块特征值

其中

dv(Kr,s)＝x(Kr,s)-x(Kr-1,s),r∈[1,M-1]式中， 为小于M/K的最大整数，Kr表示压缩尺寸；

所述视频单帧的块效应特征值B为

式中，d为平滑块的数量，Sg为第g个平滑块对应的显著性矩阵中的加权后运动活性，Ssum为所有平滑块的加权后运动活性之和。

6.根据权利要求5所述的基于显著性多特征融合的移动巡检视频质量修正方法，其特征在于，所述确定移动巡检视频的视频模糊效应特征值，进一步包括如下步骤：对移动巡检视频中每一帧图像进行分块处理；所述分块处理方法与静止图像的分块方法相同；

对分块处理获得的每一图像块分别进行边缘检测，根据边缘像素点个数应大于阈值二，识别出检测结果中属于边缘块的图像块，进一步计算每一边缘块的模糊度量值；

根据获得的每一边缘块的模糊度量值，结合显著性矩阵，获得该视频单帧的模糊效应特征值D；

根据该视频所有单帧的模糊效应特征值D，计算出所述模糊效应特征值的标准差，作为待求整段移动巡检视频的模糊效应特征值Dvideo。

7.根据权利要求6所述的基于显著性多特征融合的移动巡检视频质量修正方法，其特征在于，第Rb个边缘块的模糊度量值 为式中，k(et)为边缘块的边缘像素et的宽度，kJNB(et)为边缘像素et局部对比度系数，R为有理数，β为一常数；

所述视频单帧的模糊效应特征值为

式中，L为边缘块个数，S′t为第t个边缘块的加权后运动活性，S′avg为所有边缘块加权后运动活性的均值。

8.根据权利要求7所述的基于显著性多特征融合的移动巡检视频质量修正方法，其特征在于，所述确定移动巡检视频的信息熵特征值，进一步包括如下步骤：将移动巡检视频对前后帧图像作差，将获得的视频帧差图像转化为灰度矩阵；

将获得的灰度矩阵与显著性矩阵Sfinal进行点乘加权，获得具有显著性的视频帧差图像；

将所述具有显著性的视频帧差图像灰度分成k个等级，根据下面公式获得该视频单帧的信息熵特征值E式中，w为灰度等级，pw为第w级灰度在具有显著性的视频帧差图像中出现的概率；

根据该视频所有单帧的信息熵特征值E，计算出所述信息熵特征值的标准差，作为待求整段移动巡检视频的信息熵特征值Evideo。

9.根据权利要求8所述的基于显著性多特征融合的移动巡检视频质量修正方法，其特征在于，所述视频质量评价模型为式中，α、β、γ1、γ2、γ3分别为事先训练获得的拟合参数，SS为预设阈值；

满足上述频质量评价模型中的不等式，判定视频质量合格；否则，判定视频质量不合格；

所述摄像头参数包括焦距、分辨率、光圈。