一种基于图像灰度变化率的涌潮陡度间接计算方法

1.本发明属于海洋信息技术领域，涉及一种涌潮观测方法，具体涉及一种基于图像灰度变化率的涌潮陡度间接计算方法。


背景技术：

2.涌潮是入海河流河口段的一种潮水暴涨现象。涌潮是一种罕见的自然景观，其蕴含的巨大能量对河口过程有重要影响，也影响到航运和河口生态系统。然而由于涌潮来势迅猛、行进速度快、观测难度大，因此对涌潮的研究至今还很有限。
3.涌潮是水位、流速等要素急剧变化的潮波前峰，其水面破碎，俗称潮头。表征涌潮特性的指标有涌潮高度、涌潮最大流速、涌潮传播速度、涌潮潮景和涌潮陡度等。其中涌潮陡度是涌潮的一个重要特性，涌潮前锋并非铅垂面，而是一个具有一定坡度的斜面，其定义为涌潮潮头高度与沿主流方向潮头长度之比。在潮头高度相同的条件下，涌潮陡度越陡，则涌潮强度越大，因此涌潮陡度也是衡量涌潮强度的参数之一。
4.目前涌潮陡度的观测或计算方法主要可划分为现场观测方法和数值模拟方法。周胜在论文“钱塘江水下防护工程的研究与实践”(水利学报,1992)中采用示波仪记录涌潮潮头形状，进而再计算分析涌潮陡度，实测涌潮陡度量级一般为0.10～0.34。谢东风等在论文“基于实测资料的钱塘江涌潮水动力学特性研究”(水动力学研究与进展,2012)中提出了计算涌潮陡度的解析公式，并根据近年来钱塘江河口三次涌潮观测资料，复演了涌潮到达时潮头陡度急剧增加的过程，当最大陡度超过0.5时，自由表面开始破碎，波列第一个波的波前形成水滚，并逐渐影响涌波的流动。张舒羽等在论文“钱塘江涌潮对地形变化的响应研究”(海洋工程,2020)中采用涌潮数学模拟的方法计算了盐官断面的涌潮陡度。
5.目前涌潮陡度计算方法主要存在如下问题：现场观测方法需要设置观测平台，在平台上布置水位、流速等测量仪器设备，但涌潮动力强劲，破坏力极大，现场平台布设和观测难度极大；涌潮数值模拟方法的计算网格一般最小步长为50m，而实际情况中沿主流方向的潮头长度一般为5-20米，因此较粗的计算网格直接导致涌潮陡度的计算结果远远小于实际值。


技术实现要素：

6.本发明的目的是为了弥补现有涌潮陡度观测方法的不足，提出了一种基于图像灰度变化率的涌潮陡度间接计算方法，创新性地将涌潮陡度的计算问题转化为图像灰度变化率的计算，该方法具有安全性高、方便快捷、可连续观测以及涌潮覆盖范围大等优势。
7.为此，本发明的技术方案是：一种基于图像灰度变化率的涌潮陡度间接计算方法，包括以下步骤：
8.1)控制搭载了拍摄设备的无人机，使无人机在涌潮观测河段保持与涌潮的动态同步跟踪拍摄，并始终保持无人机处于涌潮潮头的正上方，无人机飞行高度根据涌潮观测的具体宽度和精度要求来计算确定；
9.2)采用颜色分割阈值方法对拍摄的涌潮图像进行颜色分割操作；
10.3)经过颜色阈值分割后，沿主流方向将观测河段划分为涌潮背景水域、涌潮潮头前景水域、涌潮背景水域三部分；
11.4)根据涌潮的背景和前景界限来确定涌潮潮头的前趾线，并计算涌潮潮头前趾低水位对应的灰度值graymin；
12.5)根据涌潮潮头前景水域计算确定涌潮潮头长度l；
13.6)计算沿主流方向的涌潮潮头灰度值的变化，确定涌潮潮头顶面高水位对应的灰度值graymax；
14.7)计算单位距离的涌潮潮头灰度变化率β，计算公式为：
15.β＝(graymax-graymin)/l；
16.8)利用室内涌潮水槽试验，事先确定涌潮潮头灰度变化率和涌潮陡度的标定曲线；
17.9)依据步骤7)计算得到的涌潮潮头灰度变化率β，以及步骤8)的涌潮潮头灰度变化率和涌潮陡度的标定曲线，插值得到涌潮陡度p。
18.涌潮到达时会导致水位的急剧抬升，这种水位的急剧抬升在图像上呈现为灰度值梯度的突然变化，因此可借助于图像灰度的变化率来间接计算涌潮的陡度。图像分割是将不同的对象划分为不同的部分，并用明显的颜色加以区分，其中颜色分割是一种常见的针对对象中有明显颜色差别的图像分割方法。通过设置一个区别于背景目标颜色的阈值，检测出图像中潮头区域并计算涌潮潮头长度；通过分析沿主流方向的涌潮潮头的灰度值的变化，计算单位距离涌潮潮头灰度变化率；最后依据试验室确定的涌潮潮头灰度变化率和涌潮陡度的标度曲线来间接计算出涌潮陡度。
19.优选地，所述步骤1)中，在无人机上搭载三轴云台相机，相机始终垂直于涌潮水面拍摄，通过正射影获取图像；而后无人机保持与涌潮的动态同步跟踪，始终保持无人机处于涌潮潮头的正上方，连续获得动态的涌潮序列图像，其中无人机飞行高度计算公式为：
20.h1＝f*gsd/a
21.a＝l1/n
22.其中：h1表示无人机飞行相对高度，f表示相机焦距，gsd表示地面分辨率，a表示像片像素尺寸，l1表示相机感光器件尺寸，n表示像素数。
23.优选地，所述步骤2)中的颜色分割阈值方法，包括以下步骤：
24.i)选取特定颜色阈值，对拍摄的涌潮图像进行阈值分割；
25.ii)对阈值分割后的图像进行中值滤波处理；
26.iii)对滤波处理后的图像进行形态学开运算的操作；
27.iv)在图像中寻找最大连通域，即为涌潮潮头部分图像；
28.v)得到只包含涌潮潮头的黑白图像。
29.优选地，所述步骤ii)中，在输入图像中以任一像素为中心设置一个确定的邻域a，a的边长为2n+1,(n＝0,1,2,
…
m)，将邻域内各像素的强度值按大小顺序排列，取中间位置值作为该像素点的输出值，遍历整幅图像就可完成整个滤波过程。
30.优选地，所述步骤5)中，遍历到黑白图像的涌潮潮头前趾低水位对应的像素点作为潮头长度的起点，遍历到黑白图像的涌潮潮头末端对应的像素点作为潮头长度的终点，
终点和起点的平面距离即为涌潮潮头长度l。
31.优选地，所述步骤6)中的涌潮潮头顶面高水位对应的灰度值graymax，其确定方法为：从上而下，从左而右的顺序遍历颜色阈值分割后的黑白图像，首先遍历到的就是涌潮潮头前趾低水位对应的像素点，而后继续沿主流方向遍历潮头区域内的像素点的灰度值，将灰度值最大的像素值作为graymax。
32.优选地，所述步骤8中的室内涌潮水槽试验为：在室内涌潮玻璃水槽中模拟涌潮现象，利用摄像机捕捉涌潮形态，按照步骤2)～7)得出单位距离的涌潮潮头灰度变化率βn和涌潮潮头长度ln，利用多个电容式波高传感器测试涌潮高度hn，计算涌潮陡度pn：
33.pn＝hn/ln
34.通过调节水槽两端变频器的频率控制潮前水深的稳定，水体具有一定的潮前落潮流速，增加下游变频器不同的运行频率模拟各种强度的涌潮，采样时间间隔为0.01s，记录每次采样的涌潮潮头灰度变化率βn和涌潮陡度pn，构建涌潮潮头灰度变化率和涌潮陡度的标定曲线。
35.与现有技术相比，本发明的有益效果是：
36.1、将涌潮陡度的计算问题转化为图像灰度变化率的计算，可间接计算出涌潮陡度；
37.2、无需在涌潮河段布设观测平台，无需在平台上布置水位和流速等测量仪器设备，属于无接触观测方式，观测的安全性高，这对于动力强劲和破坏力极大的涌潮观测极为重要；
38.3、以无人机为观测平台，充分发挥了无人机机动灵活的优势，因此涌潮陡度的观测更为方便和快捷；
39.4、无人机始终保持与涌潮潮头的同步飞行，可进行动态和连续的涌潮陡度的观测；
40.5、无人机始终保持一定的飞行高度，具有更大的拍照视野，可覆盖和计算更大范围水域的涌潮陡度。
附图说明
41.以下结合附图和本发明的实施方式来作进一步详细说明
42.图1为本发明的方法流程图；
43.图2为无人机现场拍摄的涌潮图片；
44.图3为涌潮颜色阈值分割流程图，(a)颜色阈值分割，(b)中值滤波处理，(c)形态学开运算，(d)最大轮廓查找；
45.图4为水域分割图；
46.图5为涌潮潮头长度图；
47.图6为涌潮潮头灰度变化率和涌潮陡度的标定曲线示意图。
具体实施方式
48.参见附图。本实施例所述基于图像灰度变化率的涌潮陡度间接计算方法，包括以下步骤：
49.1)利用多旋翼无人机搭载三轴云台相机拍摄涌潮序列图像，其中三轴云台的自稳特性可用来隔离无人机姿态的变化以及机体震动、风阻力矩等扰动，保证无人机机载相机的视轴稳定，使相机始终垂直于涌潮江面拍摄可保证机载相机的视轴稳定，使相机始终垂直于涌潮水面拍摄，通过正射影获取图像；如图2所示，多旋翼无人机在涌潮观测河段保持与涌潮的动态同步跟踪，并始终保持无人机处于涌潮潮头的正上方，连续获得动态的涌潮序列图像，
50.无人机飞行高度的计算公式为：
51.h1＝f*gsd/a
52.a＝l1/n
53.其中：h1表示无人机飞行相对高度，f表示相机焦距，gsd表示地面分辨率，a表示像片像素尺寸，l1表示相机感光器件尺寸，n表示像素数。
54.此次实验所采取的无人机相机焦距f为24mm，像素尺寸a大小为1.5um，因此，根据公式可求得，当飞行高度h1为100m时，gsd＝0.625cm/pt，代表一个像素表示实际大小为0.625cm*0.625cm。
55.2)采用颜色分割阈值方法对涌潮图像进行颜色分割操作；
56.i)选取特定颜色阈值，对图像进行阈值分割；
57.目标的颜色是一个非常容易区别的特征，人眼对其特别敏感。彩色图像是由r、g、b三个通道组成，图像颜色阈值分割就是利用每个颜色的r、g、b分量的不同，来选取特定的三个通道范围。如果图像中像素点的三个通道值都处在这个范围内，该像素点即标记为前景部分，显示为白色，其余不符合该范围内的像素点设置为黑色。经过测试，本次颜色的范围设置为(200，200，200)～(255，255，255)可达到满意的效果，处理后的结果如图3(a)所示。
58.ii)对阈值分割后的图像进行中值滤波处理；
59.在输入图像中以任一像素为中心设置一个确定的邻域a，a的边长为2n+1,(n＝0,1,2,
…
)。将邻域内各像素的强度值按大小顺序排列，取中间位置值即中值作为该像素点的输出值，遍历整幅图像就可完成整个滤波过程：
60.a＝x(i,j),
61.y＝med{x1,x2,x3,
…
,x
2n+1
}，
62.处理后的结果如图3(b)所示。
63.iii)对滤波处理后的图像进行形态学开运算的操作；
64.上述得到的分割图像既包含涌潮潮头，也包含涌潮附近分散的破碎水花和江边一些白色干扰物等，因此采用形态学开运算操作来去除这些干扰因素。
65.形态学开运算包括膨胀和腐蚀操作，膨胀处理会使目标区域范围“变大”，将于目标区域接触的背景点合并到该目标物中，使目标边界向外部扩张。其作用是填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪声，从而使图像中的高亮区域逐渐增大，边缘点变得连续平滑。
66.具体步骤为：先定义一个卷积核s，核可以是任何的形状和大小，且拥有一个单独定义出来的参考点，通常和为带参考点的正方形或者圆盘，可将核称为模板或掩膜；再将核s与图像q进行卷积，计算核s覆盖区域的像素点最大值，将这个最大值赋值给参考点指定的像素。腐蚀则是相反的操作，使图像中的高亮区域逐渐缩小。形态学开运算就是对图像先进
行腐蚀再膨胀，从而可以达到平滑潮头线，去除细小的突出部分的效果，其中核算子的大小可以人为进行设定，设置的值越大，效果越明显，此次实验采取的核算子的大小为9*9，实验效果如图3(c)所示。
67.iv)在图像中寻找最大连通域，即为涌潮潮头部分图像；
68.检测图像中所有独立个体的轮廓，并筛选面积最大的轮廓即为所需要得到的涌潮潮头的轮廓，并将该区域像素点设为255，即为白色，其余地方像素点设为0，即为黑色，实验效果如图3(d)所示，最终得到只包含涌潮潮头的黑白图像。
69.3)经过颜色分割后，沿主流方向将观测河段划分为涌潮背景水域、涌潮潮头前景水域、涌潮背景水域三部分，即涌潮背景水域s1、涌潮潮头前景水域s2、涌潮背景水域s1，如图4所示；
70.4)根据涌潮的背景和前景界限来确定涌潮潮头的前趾线，并计算涌潮潮头前趾低水位对应的灰度值graymin；涌潮潮头前趾低水位对应的灰度值graymin为灰度发生急剧变化处的背景水域的灰度值；
71.5)根据涌潮潮头前景水域计算确定涌潮潮头长度l，如图5所示；其确定方法为：遍历到黑白图像的涌潮潮头前趾低水位对应的像素点作为潮头长度的起点，遍历到黑白图像的涌潮潮头末端对应的像素点作为潮头长度的终点，终点和起点的平面距离即为涌潮潮头长度l。
72.6)计算沿主流方向的涌潮潮头灰度值的变化，确定涌潮潮头顶面高水位对应的灰度值graymax；其确定方法为：从上而下，从左而右的顺序遍历颜色阈值分割后的黑白图像，首先遍历到的就是涌潮潮头前趾低水位对应的像素点，而后继续沿主流方向遍历潮头区域内的像素点的灰度值，将灰度值最大的像素值作为graymax。
73.7)计算单位距离的涌潮潮头灰度变化率β，计算公式为：
74.β＝(graymax-graymin)/l；
75.8)构建涌潮潮头灰度变化率和涌潮陡度的标定曲线，构建方法如下：
76.标定试验应在现场涌潮陡度观测之前完成，可在室内涌潮玻璃水槽中进行，水槽大小视实验室条件而定，如长50m、宽1.2m和高0.6m。在室内涌潮玻璃水槽中模拟涌潮现象，通过调节水槽两端变频器的频率控制潮前水深的稳定，使水体具有一定的潮前落潮流速，并以此为工况，增加下游变频器不同的运行频率模拟各种强度的涌潮；
77.试验中架设1台摄像机捕捉涌潮形态，拍摄下强度的涌潮图像，再按照步骤2)～7)处理拍摄的涌潮图像，得到不同方案的涌潮潮头灰度变化率βn和涌潮潮头长度ln。
78.试验中16个电容式波高传感器测试涌潮高度hn，从而计算涌潮陡度pn：
79.pn＝hn/ln
80.为了保证涌潮水动力学数据的采集，采样时间间隔为0.01s，可以拍摄各种强度的涌潮，观测不同方案下的涌潮高度hn，计算得到不同方案对应的涌潮陡度pn。再将涌潮潮头灰度变化率βn与对应方案下的涌潮陡度pn对应起来，从而构建涌潮潮头灰度变化率和涌潮陡度的标定曲线。
81.9)依据步骤7)计算得到的实际涌潮潮头灰度变化率β，以及步骤8)的涌潮潮头灰度变化率βn和涌潮陡度pn的标定曲线，通过插值得到实际涌潮潮头灰度变化率β对应的涌潮陡度p。完成本次检测。
82.以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。