一种基于光流测算的河流表面流速的计算方法及系统与流程

1.本发明涉及流场测量技术领域，尤其涉及一种基于光流测算的河流表面流速的计算方法及系统。


背景技术：

2.流量监测在水文建模和水文工程中起着至关重要的作用。传统的流速测量依赖于仪器测量的方法，这些仪器大多数价格高昂，需要相关人员花费大量的时间进行测量,并且只能进行点测量，无法进行全面的测量。
3.随着计算机视觉领域的发展，从图像数据中提取水力信息的方法逐渐被应用到实际测量河流表面流量中。现有图像测速方法包括大尺度粒子图像测速法(lspiv)，粒子跟踪测速法(ptv)，光流法。现有利用光流法测量河水表面流量的方法分为两种，一种为各类光流方法在测流中的直接运用，一种为将深度学习的方法与光流法结合。
4.本技术发明人在实施本发明的过程中，发现现有技术的方法至少存在如下技术问题：
5.由于植被，泥沙，河面漂浮物的影响，导致河流存在大量紊流，光流法将河流中每一部分的运动情况都表现出来，并且进行计算，大量紊流的存在会导致计算量偏大。单独使用l-k光流法，虽然能够求得光流，但是对噪声不敏感，当目标运动尺度过大或者出现遮挡等情况时，会因为运动尺度过大产生较大的计算误差，不但会影响算法的准确度，同时也降低了整体的运算速度；而加入深度学习的方法虽然在一定程度上能够提高算法计算精度，但是对设备要求极高，并且运行时间会在原有的基础上再次增加，无法达到实时监测流量的效果。


技术实现要素：

6.本发明提供了一种基于光流测算的河流表面流速的计算方法及系统，用以解决或者至少部分解决现有技术中存在的计算效率不高的技术问题。
7.为了解决上述技术问题，本发明第一方面提供了一种基于光流测算的河流表面流速的计算方法，包括：
8.s1：使用摄像头采集河流流动视频；
9.s2：从采集的河流流动视频中根据预设时间间隔和帧间隔提取出视频帧，提取出的所有视频帧构成测流图像矩阵；
10.s3：对测流图像矩阵进行预处理；
11.s4：采用光流算法结合特征检测算法对预处理后的测流图像矩阵中的图像进行特征检测与光流值计算，得到测量图像矩阵的光流值g
l
＝[l
x
,ly]
t
，测量图像矩阵的光流值表示特征点在测流图像矩阵中图像帧之间的移动情况，其中，为与河流断面平行方向的分量，为与河流断面垂直方向的分量；
[0012]
s5：基于测流图像矩阵的光流值，得到测流图像矩阵中特征点的偏移量然后根据欧式距离计算得到测流图像矩阵中特征点的偏移量值||l||，
[0013][0014]
将偏移量值从高到低进行排序，并对排序靠后的预设比例的偏移量值进行过滤，其中，测流图像矩阵中特征点的偏移量值为特征点在测流图像矩阵中的图像帧之间的移动距离；
[0015]
s6：对测流图像矩阵的光流值进行过滤；
[0016]
s7：根据过滤后得到的偏移量值、测流图像矩阵所对应的视频的时间计算得到过滤后的特征点在像素坐标系下的河流速度，并选取预设部分的过滤后的特征点在像素坐标系下的河流速度求取平均值，得到像素坐标系下的河流表面速度；
[0017]
s8：将测流图像矩阵中每一帧图像的像素坐标转换为世界坐标；
[0018]
s9：根据进行过滤光流值后的测流图像矩阵中连续两帧图像的像素坐标和连续两帧图像的世界坐标，计算图像的空间分辨率；
[0019]
s10：利用图像的空间分辨率和像素坐标系下的河流表面速度计算世界坐标系下的河流表面流速。
[0020]
在一种实施方式中，s3对测流图像矩阵进行预处理包括消除色调和饱和度信息、调整图片的色调、对图像边界进行裁剪。
[0021]
在一种实施方式中，采用光流算法结合特征检测算法对预处理后的测流图像矩阵中的图像进行特征点检测与光流值计算，包括：
[0022]
通过金字塔分层的方式将测流图像矩阵中的每一帧图像逐层缩放，最底层图像的分辨率大小为最大，最顶层图像的分辨率大小为最小；从最顶层图像开始，利用特征检测算法进行特征检测得到第k帧和第k+1帧的特征点，并通过特征匹配得到顶层图像中每个特征点的光流值，从而得到顶层图像的光流值；根据顶层图像中的光流值估计下一层的光流值，直至算出最底层的光流值，将其作为测流图像矩阵的光流值。
[0023]
在一种实施方式中，s6包括：采用统计直方图的方式对光流值进行过滤。
[0024]
在一种实施方式中，当河流流向与断面垂直时，s6包括：根据测量图像矩阵中特征点初始偏移量与最终偏移量之间的夹角范围对光流值进行过滤，
[0025][0026]
其中为测流图像矩阵中特征点的初始偏移量，为选取的测流图像矩阵中特征点的最终偏移量。
[0027]
在一种实施方式中，步骤s7包括：
[0028]
根据过滤后得到的偏移量值、测流图像矩阵所对应的视频的时间计算得到每个过滤后的特征点在像素坐标系下的河流速度
[0029][0030]
其中，v为每个过滤后的特征点在像素坐标系下的河流速度，w为测流图像矩阵所
对应的视频的时间，||l||为偏移量值；
[0031]
选取预设部分的过滤后的特征点在像素坐标系下的河流速度求取平均值，得到像素坐标系下的河流表面速度：
[0032][0033]
其中，n为选取的预设部分的过滤后的特征点的数量，v为像素坐标系下的河流表面速度，表示选取的每个特征点的河流速度进行求和。
[0034]
在一种实施方式中，s9的计算方式为：
[0035][0036][0037]
其中，(uk,vk)为第k帧图像的像素坐标，(u
k+1
,v
k+1
)为第k+1帧图像的像素坐标，(xk,yk)为第k帧图像世界坐标的x方向和y方向的坐标，(x
k+1
,y
k+1
)为第k+1帧图像世界坐标的x方向和y方向的坐标，λ
x
和λy分别为x方向和y方向的空间分辨率。
[0038]
在一种实施方式中，s10的计算方式为：
[0039][0040]
其中，v为像素坐标系下的河流表面速度，λ
x
和λy分别为x方向和y方向的空间分辨率，v
′
为世界坐标系下的河流表面流速，fps为帧率。
[0041]
基于同样的发明构思，本发明第二方面提供了一种基于光流测算的河流表面流速的计算系统，包括：
[0042]
视频采集模块，用于使用摄像头采集河流流动视频；
[0043]
视频帧提取模块，用于从采集的河流流动视频中根据预设时间间隔和帧间隔提取出视频帧，提取出的所有视频帧构成测流图像矩阵；
[0044]
预处理模块，用于对测流图像矩阵进行预处理；
[0045]
光流值计算模块，用于采用光流算法结合特征检测算法对预处理后的测流图像矩阵中的图像进行特征检测与光流值计算，得到测量图像矩阵的光流值g
l
＝[l
x
,ly]
t
，测量图像矩阵的光流值表示特征点在测流图像矩阵中图像帧之间的移动情况，其中，为与河流断面平行方向的分量，为与河流断面垂直方向的分量；
[0046]
偏移量计算模块，用于基于测流图像矩阵的光流值，得测流图像矩阵中特征点的偏移量然后根据欧式距离计算得到测流图像矩阵中特征点的偏移量值||l||，
[0047][0048]
将偏移量值从高到低进行排序，并对排序靠后的预设比例的偏移量值进行过滤，
其中，测流图像矩阵中特征点的偏移量值为特征点在测流图像矩阵中的图像帧之间的移动距离；
[0049]
光流值过滤模块，用于对测流图像矩阵的光流值进行过滤；
[0050]
像素坐标系下河流表面速度计算模块，用于根据过滤后得到的偏移量值、测流图像矩阵所对应的视频的时间计算得到每个过滤后的特征点在像素坐标系下的河流速度，并选取预设部分的过滤后的特征点在像素坐标系下的河流速度求取平均值，得到像素坐标系下的河流表面速度；
[0051]
坐标转换模块，用于将测流图像矩阵中每一帧图像的像素坐标转换为世界坐标；
[0052]
空间分辨率计算模块，用于根据进行过滤光流值后的测流图像矩阵中连续两帧图像的像素坐标和连续两帧图像的世界坐标，计算图像的空间分辨率；
[0053]
世界坐标系下河流表面流速计算模块，用于利用图像的空间分辨率和像素坐标系下的河流表面速度计算世界坐标系下的河流表面流速。
[0054]
基于同样的发明构思，本发明第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被执行时实现第一方面所述的方法。
[0055]
相对于现有技术，本发明的优点和有益的技术效果如下：
[0056]
现有技术中，采用光流法会对一张图片上所有抓取的特征点计算光流值，计算量非常大，计算也很复杂，但是河流会存在紊流的情况，或者岸边植被影响，导致水流并非按照主流向进行流动，计算非主流向的光流值一方面影响数据的精确性，一方面计算量也大。本发明提供的方法在采用光流算法与特征检测算法相结合的方式对预处理后的测流图像矩阵中的图像进行处理与计算，得到测量图像矩阵的光流值之后，计算了偏移量值并进行了偏移量值的过滤，进一步地还对测流图像矩阵的光流值进行过滤，可以过滤掉非主流向的光流值，从而可以减少计算时间，也能提高计算的精确性。
附图说明
[0057]
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。
[0058]
图1是本发明实施例提供的基于光流测算的河流表面流速的计算方法的流程图；
[0059]
图2是本发明实施例提供的光流网格划分示意图；
[0060]
图3是本发明实施例提供的直方图统计示意图；
[0061]
图4是本发明第一种实施例的测试结果示意图。
[0062]
图5是本发明第二种实施例的测试结果示意图。
[0063]
图6是本发明第三种实施例的测试结果示意图。
[0064]
图7是本发明实施例提供的计算机可读存储介质的结构框图。
具体实施方式
[0065]
本技术发明人通过大量的研究与实践发现：由于同一个运动目标上的光流近似且其分布呈现一定规律性，不同目标上的光流不同，角度与河流横断面偏差过大，长度过短可
以认为是由泥沙，植被，漂浮的树枝引起的紊流形成的光流，因此提供了一种基于光流测算的河流表面速度计算方法，通过对光流场分别进行角度和长度方面的过滤，将此类光流去除，可以降低算法计算量，提高算法的运行速度，达到实时计算河流表面流速的监测效果。
[0066]
为使本发明实施例的目的、技术方案和优点更加清楚，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。
[0067]
实施例一
[0068]
本发明实施例提供了一种基于光流测算的河流表面流速的计算方法，包括：
[0069]
s1：使用摄像头采集河流流动视频；
[0070]
s2：从采集的河流流动视频中根据预设时间间隔和帧间隔提取出视频帧，提取出的所有视频帧构成测流图像矩阵；
[0071]
s3：对测流图像矩阵进行预处理；
[0072]
s4：采用光流算法结合特征检测算法对预处理后的测流图像矩阵中的图像进行特征检测与光流值计算，得到测量图像矩阵的光流值g
l
＝[l
x
,ly]
t
，测量图像矩阵的光流值表示特征点在测流图像矩阵中图像帧之间的移动情况，其中，为与河流断面平行方向的分量，为与河流断面垂直方向的分量；
[0073]
s5：基于测流图像矩阵的光流值，得到测流图像矩阵中特征点的偏移量然后根据欧式距离计算得到测流图像矩阵中特征点的偏移量值||l||，
[0074][0075]
将偏移量值从高到低进行排序，并对排序靠后的预设比例的偏移量值进行过滤，其中，测流图像矩阵中特征点的偏移量值为特征点在测流图像矩阵中的图像帧之间的移动距离；
[0076]
s6：对测流图像矩阵的光流值进行过滤；
[0077]
s7：根据过滤后得到的偏移量值、测流图像矩阵所对应的视频的时间计算得到过滤后的特征点在像素坐标系下的河流速度，并选取预设部分的过滤后的特征点在像素坐标系下的河流速度求取平均值，得到像素坐标系下的河流表面速度；
[0078]
s8：将测流图像矩阵中每一帧图像的像素坐标转换为世界坐标；
[0079]
s9：根据进行过滤光流值后的测流图像矩阵中连续两帧图像的像素坐标和连续两帧图像的世界坐标，计算图像的空间分辨率；
[0080]
s10：利用图像的空间分辨率和像素坐标系下的河流表面速度计算世界坐标系下的河流表面流速。
[0081]
请参见图1，是本发明实施例提供的基于光流测算的河流表面流速的计算方法的流程图。
[0082]
具体实施过程中，可以通过无人机搭载rtk和摄像头来实现视频的采集，摄像头与河流表面垂直。
[0083]
步骤s2中，预设间隔时间δt和帧间隔s可以根据实际情况设置，每隔一定时间和
帧间隔提取出1帧，从而得到由所有提取出的视频帧所构成的测流图像矩阵ii(i＝1,2,...,n)，i表示视频帧(图像)的序号，n为视频帧的总数。
[0084]
特征检测算法与光流算法相结合进行计算，特征检测算法主要用于特征点检测，特征点是包含图像信息的点，两种算法结合过程中还会用到特征匹配。s4中的光流算法可以lk光流法也可以是其他的光流算法。lk光流法主要步骤可以分为三步：建立金字塔，金字塔跟踪，迭代，因此特征匹配的过程是在金字塔跟踪的步骤中进行的，利用特征检测算法在第一帧的第一层图片检测到特征点，由于第一层图片被缩小了，而选择的特征点范围实际上是很大的，因此需要通过迭代计算进行扩大，具体为：第一层的结果作为下一层的初始光流值，这个时候图片的尺寸被放大了一些，因此再次检测特征点就是为了使结果更加详细，也就是说每层都在一个既定的范围内选取特征点，逐渐细化光流值本身就是一个向量值，为具有方向的数值。特征点在前后两帧(第k帧和第k+1帧)的特征向量的计算过程实际上是一个特征匹配的过程，通过这个过程可以得到这个特征点在前后两帧的位移情况，位移情况包括距离和方向，分量(l
x
、ly)为包含距离和方向的特征点的数据。
[0085]
排序靠后的预设比例可以根据实际情况设置，例如设置为10％。
[0086]
在一种实施方式中，s3对测流图像矩阵进行预处理包括消除色调和饱和度信息、调整图片的色调、对图像边界进行裁剪。
[0087]
具体来说，对测流图像矩阵中图像消除色调和饱和度信息，将原始彩色图像转换为灰度图，并利用log校正方法(或者其他校正方法例如gamma校正方法)调整图片的色调，对图像边界进行裁剪得到预处理后的测流图像矩阵i
′i(i＝1,2,...,n)。
[0088]
在一种实施方式中，采用光流算法结合特征检测算法对预处理后的测流图像矩阵中的图像进行特征检测与光流值计算，包括：
[0089]
通过金字塔分层的方式将测流图像矩阵中的每一帧图像逐层缩放，最底层图像的分辨率大小为最大，最顶层图像的分辨率大小为最小；从最顶层图像开始，利用特征检测算法进行特征检测得到第k帧和第k+1帧的特征点，并通过特征匹配得到顶层图像中每个特征点的光流值，从而得到顶层图像的光流值；根据顶层图像中的光流值估计下一层的光流值，直至算出最底层的光流值，将其作为测流图像矩阵的光流值。
[0090]
具体来说，光流算法可以为lucas
–
kanade光流算法或者其他光流算法(farneback算法)。
[0091]
根据顶层图像中的光流值估计下一层的光流值，将估计出的光流值作为下一层的初始光流值，然后根据下一层的初始光流值，利用计算顶层图像光流值的方法计算下一层的下一层的实际光流值，由此往复，直至算出最底层光流值(即原始图像光流值)。
[0092]
在计算顶层图像的光流值时，通过最小化每个角点的邻域范围的内的匹配误差和，得到顶层图像中每个点的光流值g
l
，图像的尺寸每次缩放为原来的一半，共缩放lm层，第0层为原图像,假设原图像角点位移为d，那么每层位移为根据顶层图像中的光流值作为下一层的初始时的光流值的估计值g
l-1
＝2(g
l
+d
l
)。
[0093]
在一种实施方式中，采用的特征检测算法包括但不限于fast算法。
[0094]
具体来说，特征检测算法用于光流值计算过程中得到特征点。为了提高检测效率，采用fast算法得到前后两帧的特征点，然后据前后两帧特征点的像素坐标得到光流值。
[0095]
fast算法具体步骤如下：对图片内一定区域内的像素的灰度值与中心点进行比较，具体方法如下：比较中心点与半径＝3.4的圆经过的邻域上连续的12个点的灰度值，如果这些点的灰度值都大于或者都小于中心点，可以认为中心点是候选角点，得到候选角点后，利用id3分类器判断候选角点是否为角点。
[0096]
在一种实施方式中，s6中的一种过滤方式为：采用统计直方图的方式对光流值进行过滤。
[0097]
通过统计直方图的方式对光流值进行过滤可以适用于各种河流流向，该方法使用直方图统计图片内光流值的方向。请参见图2，将光流图利用网格划分的方法，将每一处光流包含在一个格子中，对格子中的光流方向进行统计，梯度直方图将0～360度的方向范围分为12个柱(bins)，其中每柱30度。如如图3所示，直方图的峰值方向代表关键点的主方向。方向直方图的峰值代表关键点的方向，以直方图中最大值作为对应关键点的主方向。其中，峰值可以认为是获取到的各个光流方向的数值，最大值则为所有光流方向中数值最大的值。为了增强匹配的鲁棒性，保留峰值大于主方向峰值80％的方向作为该关键点的辅方向，将其它部分滤除。
[0098]
当河流流向与断面垂直时，s6中的一种过滤方式为：根据测量图像矩阵中特征点初始偏移量与最终偏移量之间的夹角范围对光流值进行过滤，
[0099][0100]
其中为测流图像矩阵中特征点的初始偏移量，为选取的测流图像矩阵中特征点的最终偏移量。
[0101]
其中，初始偏移量表示特征点在第一帧图像的状态(包括位置和方向)，最终偏移量表示特征点在最后一帧图像的状态，这个变化过程，即光流。
[0102]
具体实施过程中，若遇到河流流动平稳，河面无漂浮树枝，树叶等等对河流进行影响，以及河底糙率较低，无沉积物时，河流出现紊流的概率较小，为了减少程序的运行时间，以上两种方法皆可在过滤光流之后，选取已经过滤完毕的80％的光流值计算河流表面流速，若非以上情况，但是想达到更快的运行速度，也可以过滤光流之后，选取已经过滤完毕的80％的光流值计算河流表面流速。
[0103]
在一种实施方式中，步骤s7包括：
[0104]
根据过滤后得到的偏移量值、测流图像矩阵所对应的视频的时间计算得到每个过滤后的特征点在像素坐标系下的河流速度：
[0105][0106]
其中，v为每个偏移量的河流速度，w为测流图像矩阵所对应的视频的时间，||l||为偏移量值；
[0107]
选取预设部分的过滤后的特征点在像素坐标系下的河流速度求取平均值，得到像素坐标系下的河流表面速度：
[0108]
[0109]
其中，n为选取的预设部分的过滤后的特征点的数量，v为像素坐标系下的河流表面速度，表示选取的每个偏移量值的河流速度进行求和。
[0110]
具体来说，偏移量值即为特征点在测流图像矩阵中的图像帧之间的移动距离，通过这个移动距离来求取像素坐标系下的河流速度。请参见图2，矩形框中包含的箭头即为选取的预设部分的特征点对应的偏移量。
[0111]
在一种实施方式中，s9的计算方式为：
[0112][0113][0114]
其中，(uk,vk)为第k帧图像的像素坐标，(u
k+1
,v
k+1
)为第k+1帧图像的像素坐标，(xk,yk)为第k帧图像世界坐标的x方向和y方向的坐标，(x
k+1
,y
k+1
)为第k+1帧图像世界坐标的x方向和y方向的坐标，λ
x
和λy分别为x方向和y方向的空间分辨率。
[0115]
具体实施过程中，s8的坐标转转通过下述方式来实现：
[0116]
对于第i帧像素坐标(ui,vi)，其对应的世界坐标为(xi,yi,zi)，相机外参k1,相机内参k,k2，焦距f,像素宽度dx，像素长度dy,像素坐标系的中心点(u0,z0)，相机高度z
wi
，相机姿态角θ，旋转矩阵r，平移向量t为已知参数。其中，
[0117][0118][0119][0120]
像素坐标上的一点(ui,vi)转换到图像坐标上为(xi,yi)，
[0121][0122][0123]
[0124]
zc为相机比例变量。
[0125]
步骤s9通过测流图像中连续两帧图像的像素坐标(uk,vk)和(u
k+1
,v
k+1
)和连续两帧图片的世界坐标g(xk,yk,zk)和g(x
k+1
,y
k+1
,z
k+1
)来计算图片空间分辨率。
[0126]
在一种实施方式中，s10的计算方式为：
[0127][0128]
其中，v为像素坐标系下的河流表面速度，λ
x
和λy分别为x方向和y方向的空间分辨率，v
′
为世界坐标系下的河流表面流速，fps为帧率。
[0129]
现有技术中有直接将光流算法应用到流速测量中的方法，本发明与这些方法的不同之处在于：lk光流法只是作为基础算法，运用其它光流算法也是可行的，本发明的重点在于对光流值进行过滤的处理，现有的方法所有步骤都为如何将lk光流法运用到流速测量，本方案对于lk光流法只存在于步骤s3，本发明可以解决现有技术中光流法计算复杂度和计算量大的问题，这是因为光流法会对一张图片上所有抓取的特征点计算光流值，计算量非常大，计算也很复杂，但是河流会存在紊流的情况，或者岸边植被影响，导致水流并非按照主流向进行流动，计算非主流向的光流值一方面影响数据的精确性，一方面计算量也大，过滤掉非主流向的光流值，可以减少计算时间，也能提高计算的精确性。
[0130]
为了说明本发明提出的方法的有效性，以养子沟上游为测试的河流对象，分别选取视频的3秒，5秒，7秒并且间隔1帧进行测试，视频帧数为24帧/s，河流的真实速度为0.8m/s。测试结果如图4～图6所示，其中，图4为选取视频的3秒时间进行测试的结果示意图，图5为选取视频的5秒时间进行测试的结果示意图，图6为选取视频的7秒时间进行测试的结果示意图。在lk光流算法的基础上增加光流值的过滤算法(即lk+)为本发明的算法，lk和farneback算法为现有技术中采用的算法，从图4～图6的结果可以看出，本发明的速度和时间都优于现有的算法。
[0131]
实施例二
[0132]
基于同样的发明构思，本实施例提供了一种基于光流测算的河流表面流速的计算系统，包括：
[0133]
视频采集模块，用于使用摄像头采集河流流动视频；
[0134]
视频帧提取模块，用于从采集的河流流动视频中根据预设时间间隔和帧间隔提取出视频帧，提取出的所有视频帧构成测流图像矩阵；
[0135]
预处理模块，用于对测流图像矩阵进行预处理；
[0136]
光流值计算模块，用于采用光流算法结合特征检测算法对预处理后的测流图像矩阵中的图像进行特征检测与光流值计算，得到测量图像矩阵的光流值g
l
＝[l
x
,ly]
t
，测量图像矩阵的光流值表示特征点在测流图像矩阵中图像帧之间的移动情况，其中，为与河流断面平行方向的分量，为与河流断面垂直方向的分量；
[0137]
偏移量计算模块，用于基于测流图像矩阵的光流值，得测流图像矩阵中特征点的偏移量然后根据欧式距离计算得到测流图像矩阵中特征点的偏移量值||l||，
[0138]
[0139]
将偏移量值从高到低进行排序，并对排序靠后的预设比例的偏移量值进行过滤，其中，测流图像矩阵中特征点的偏移量值为特征点在测流图像矩阵中的图像帧之间的移动距离；
[0140]
光流值过滤模块，用于对测流图像矩阵的光流值进行过滤；
[0141]
像素坐标系下河流表面速度计算模块，用于根据过滤后得到的偏移量值、测流图像矩阵所对应的视频的时间计算得到每个过滤后的特征点在像素坐标系下的河流速度，并选取预设部分的过滤后的特征点在像素坐标系下的河流速度求取平均值，得到像素坐标系下的河流表面速度：
[0142]
坐标转换模块，用于将测流图像矩阵中每一帧图像的像素坐标转换为世界坐标；
[0143]
空间分辨率计算模块，用于根据进行过滤光流值后的测流图像矩阵中连续两帧图像的像素坐标和连续两帧图像的世界坐标，计算图像的空间分辨率；
[0144]
世界坐标系下河流表面流速计算模块，用于利用图像的空间分辨率和像素坐标系下的河流表面速度计算世界坐标系下的河流表面流速。
[0145]
由于本发明实施例二所介绍的系统为实施本发明实施例一中基于光流测算的河流表面流速的计算方法所采用的系统，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该系统的具体结构及变形，故而在此不再赘述。凡是本发明实施例一中方法所采用的系统都属于本发明所欲保护的范围。
[0146]
实施例三
[0147]
基于同一发明构思，请参见图7，本发明还提供了一种计算机可读存储介质300，其上存储有计算机程序311，该程序被执行时实现如实施例一中所述的方法。
[0148]
由于本发明实施例三所介绍的计算机可读存储介质为实施本发明实施例一中基于光流测算的河流表面流速的计算方法所采用的计算机可读存储介质，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该计算机可读存储介质的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的计算机可读存储介质都属于本发明所欲保护的范围。
[0149]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0150]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0151]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0152]
显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。