一种基于图像处理的水位实时监测方法与流程

本发明涉及一种基于图像处理的水位实时监测方法，特别涉及一种采用对象检测技术和一种直线检测算法通过图像处理来实现水位的实时监测方法，属于计算机视觉图像处理领域。

背景技术：

传统的测距系统采用的接触式测距受安装，环境等外在因素的影响，其测量精度远远落后于非接触式。目前非接触式的水下测距主要由超声波测距、激光测距、电磁波测距等传统测距技术完成。测绘人员根据不同的测量范围及精度要求，选择相应的测距工具应用于特定环境的测距工作。但受水体混浊程度和背景噪声等影响，这些测距方式也存在误差较大以及成本较高等问题。

近年来，现代计算机与空间技术为测绘工作提供了极大的技术支持，并为高精度、高效率的水下测距提供了实现的可能。很多国内外学者将计算机视觉这一新兴发展的学科引入测距技术，并对此开展了系统的研究。水下视觉测距作为机器视觉在测距领域的创新性应用，在测量精度及算法实现上，相对于传统测距技术，逐渐显露出极大的优越性。现代水下测距技术为测量技术开拓了一个新的维度。

技术实现要素：

传统的方案需要人为查看标杆上的刻度，存在操作不便、误差较大、标杆刻度易磨损等诸多问题。针对传统标杆测量水深的方案存在的问题，本发明将计算机视觉中的图像处理技术与传统标杆测量水深的方式相结合，采用对象检测和直线检测技术将获取的图像切割、简化成数学模型，计算出模型中线段长度之间的比例，根据标杆上预留参考长度，求得标杆露出水面的高度，由此可得实时水深。本发明解决了传统的方案中存在的诸多问题，具有更高的数值鲁棒性和实时交互性。

本发明克服传统带刻度标杆检测法操作不便、误差较大的缺点，提供一种基于图像处理的水位实时监测方法。本发明创造性引入先进的计算机视觉这一新兴学科，利用图像处理技术代替从标杆上读刻度，将标杆顶部的标红作为参照，用相机采集标杆图像，利用图像处理技术切割图像、简化该标杆模型，根据模型中标记红色部分长度与剩余标杆长度的比例便捷地计算出露出水面标杆长度，在已知标杆长度的情况下，从而测得实时水位。并将水位实时显示在屏幕上，当水位高于某一数值时，触发警报。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种基于图像处理的水位实时监测方法，包括以下步骤：

步骤1，在待测流域固定一根顶部有红色标记的标杆，固定一台相机以实时采集该标杆所在区域的图像；

步骤2，采用图像处理中的对象自动检测技术对相机采集到的图像进行检测，提取出露出水面的标杆图像；

步骤3，采用直线检测技术，将步骤2中提取出的标杆图像中的标杆边缘简化为几何数学模型；

步骤4，根据步骤3中几何数学模型计算标杆图像中红色标记的长度与露出水面标杆的长度的比值，计算实际露出水面的标杆长度，进一步计算实时水位值。

作为本发明的进一步优化方案，步骤2中用彩色方框对提取出的露出水面的标杆图像进行标记。

作为本发明的进一步优化方案，步骤2具体为：

2.1：采集多张不同时间、不同角度的标杆所在区域图像作为标准图像库，对标准图像库中的图像进行训练，提取颜色自相似度特征cssf并保存为积分图形式；

2.2：确定特征形式之后，将特征的矩形框位置和大小按比例调整到当前尺度，通过遍历所有图像通道和矩形框的位置、大小得到自相似度特征集fs；

2.3：采用adaboost算法从特征集fs中进行特征选择，选出最优特征，并不断调整cascade级数，直到达到要求的检测率和错误率，生产检测器；

2.4：将步骤1中相机采集的图像输入2.3中生产的检测器，多尺度遍历整幅图像，提取颜色自相似度特征cssf并保存为积分图形式，经cascade分类器后，根据检测结果即可标定标杆；

2.5：截取分割出标定的标杆图像。

作为本发明的进一步优化方案，步骤3具体为：

3.1：对标杆图像进行二值化；

3.2：对标杆图像进行边缘检测：边缘检测log算子检查每个像素的邻域并对灰度变化率进行量化，再用均值滤波去除边缘图像噪声，从而提取图像边缘；

3.3：对3.2中的边缘检测结果作霍夫变换，并将变换结果存入霍夫变换累加器；

3.4：为霍夫变换累加器设定阈值，并根据阈值大小将霍夫变换累加器中累加值小于阈值的点清零；

3.5：查找霍夫变换累加器中累加值最大的点，记录该点并将其清零，继续查找并记录下一个累加值最大的点，直到累加器中所有的累加值都清零，这些点即对应了检测到的图像中的直线；

3.6：根据3.5中的清零点在图像域中绘出直线，即得到几何数学模型。

作为本发明的进一步优化方案，步骤4中实际露出水面的标杆长度为：

其中，l为几何数学模型中露出水面的标杆长度，m，为几何数学模型中红色标记的长度，m为实际红色标记的长度。

作为本发明的进一步优化方案，该方法还包括：若步骤4中计算得到的实时水位值达到预设的警戒值，则判定水位达到警戒线，触发警报。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明创造性地引入计算机视觉这一新兴学科，利用图像处理技术检测露在水面上标杆的长度，从而推测出水深。发明中采用图像处理中的对象检测和直线检测技术将获取的图像简化成数学模型，计算出模型中线段长度之间的比例，根据标杆上预留参考长度，求得标杆露出水面的高度，由此可得实时水深。解决了传统的方案中存在的诸多问题，具有更高的数值鲁棒性和实时交互性。

附图说明

图1是基于图像处理的水位实时监测方法的流程图。

图2是基于图像处理的水位实时监测方法的检测布置示意图。

图3是本发明一实施例中实时采集的图像。

图4是本发明一实施例中图像处理示意图。

图5是水位监测的数学计算模型。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明公开了一种基于图像处理的水位实时监测方法，如图1所示，具体步骤如下：

一、如图2所示，在待测流域固定一根标杆，并在标杆的顶部作红色标记。通过摄像机实时采集此标杆所在区域的图像，如图3所示。

二、采用图像处理中的对象自动检测技术对(一)中采集到的图像进行检测，提取出露出水面的标杆图像，如图4所示。

一)：预处理摄像头采集到的标杆图像，进行颜色空间转换(luv转换)得到各图像通道，计算积分图，在通道上进行特征构建和提取。

二)：提取颜色自相似度特征(cssf)作为标杆的特征描述。将特征的矩形框位置和大小按比例调整到当前尺度。通过遍历所有图像通道和矩形块的位置、大小得到自相似度特征集fs。

三)：采用adaboost算法从特征集fs中进行特征选择，选出最好的特征，不断调整cascade级数，直到达到要求的检测率和错误率，成为检测器。

四)：将相机采集的标杆图像输入检测器，多尺度遍历整幅图像，提取颜色自相似度特征(cssf)并保存为积分图形式。经cascade分类器后，根据检测结果即可用矩形框标定出标杆区域。

五)：截取切割出标定后的标杆图像。

三、对切割后的图像区域进行直线检测，简化为如图5所示的线段构成的几何数学模型。

一)：对图像进行二值化，使图像上的像素点的灰度值为0或255；

二)：对二值化后的图像进行边缘检测：边缘检测log算子检查每个像素的邻域并对灰度变化率进行量化，再用均值滤波去除边缘图像噪声，从而提取图像边缘；

三)：对边缘检测结果作霍夫变换，并将变换结果存入霍夫变换累加器；

四)：为霍夫变换累加器设定阈值，并根据阈值大小将霍夫变换累加器中累加值小于阈值的点清零,这些点并不对应图像域中的一条直线；

五)：查找霍夫变换累加器中累加值最大的点，记录该点并将其清零，继续查找并记录下一个累加值最大的点，直到累加器中所有的累加值都清零，这些点即对应了检测到的图像中的直线；

六)：根据3.5中的清零点在图像域中绘出直线，构成如图5所示的几何数学模型。

四、利用上一步中获得的数学模型中的线段ac来计算待测水深。ac代表图像中露出水面的标杆长度，ab代表图像中作为参照的标红长度为m米长标杆。显然，图像中露出水面标杆长度与标红参照长度之间的比值与实际比值相同，则可以通过计算机计算出图像中的该比值，从而进一步计算出实际露出水面的标杆长度。

可由计算机获取图像中三个点的坐标分别为a(x,y),b(x,,y,),c(x,,,y,,)，则摄像头获取的图像中，线段ac的长度lac的计算公式为：线段ab的长度lab的计算公式为：两个线段之间长度的比例为：

已知作为参照的标杆的标红长度是m米，可得露出水面的标杆长度l为：

进一步根据标杆的实际长度，即可计算出实时水位h＝标杆长度-l。

六、当实时水位高于预设的警戒值时，水位达到警戒线，触发警报。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。