CN102494733A

CN102494733A - 基于图像处理的水位监测系统及方法

Info

Publication number: CN102494733A
Application number: CN2011104126109A
Authority: CN
Inventors: 卢朝阳; 李静; 姜兵; 汪文芳; 李乔
Original assignee: Xidian University
Current assignee: Xidian University
Priority date: 2011-12-12
Filing date: 2011-12-12
Publication date: 2012-06-13
Anticipated expiration: 2031-12-12
Also published as: CN102494733B

Abstract

本发明公开了一种基于图像处理的水位监测系统及方法，主要解决现有技术不能进行水位自动监测的问题。它包括水位标尺、水位图像处理模块、无线通信模块和中心管理服务器模块，系统的工作原理是首先利用水位标尺对水位进行标记，并通过摄像头采集水位标尺标记的水位图像，水位图像处理模块再对水位图像中的水位标尺进行自动定位、倾斜校正和识别得到水位数据，并将水位数据通过无线通信网络发送到无线通信模块，然后无线通信模块将接收到的水位数据发送到中心管理服务器模块，中心管理服务器模块将接收到的水位数据保存到计算机数据库中，实时绘制当前水位曲线，超出预设水位时发出报警信息，从而实现水位的自动监测。

Description

基于图像处理的水位监测系统及方法

技术领域

本发明属于图像处理技术领域，利用图像处理技术对水位进行自动检测并实施远程监控，为我国偏远地区特别是山区恶劣条件下的河流湖泊水情监控和水位提供了一种新的远程实时监测技术。

背景技术

当前水安全和水资源问题已经成为我国社会和经济发展中的重要因素，安全问题特别是因洪水等自然灾害所引发的突发事故，其危害巨大，因此研究水位实时监控预警系统是非常重要的。水位监测和探测的方法有很多种，国际上普遍使用的是自记式水位计，就其感应水位的方式而言，可划分为以下三类：浮子式水位计、压力式水位计、气介或液介超声波水位计。浮子式水位计是使用最为普遍的一类，适用于静水井、分水渠道，但是经过一段时间的运行，易形成假水位和死水位；压力式水位计，通过压力探头，在不同的水深感应不同压力产生相应的电流而测量水位的高低，其缺点是精度受外界环境和泥沙影响较，不易推广；气介式或液介式超声波式水位计是利用超声波在空气介质中传播，测量声波发送接收时间间隔测量水位的方法，这类装置受环境影响比较大，误差大。除此之外，这些方法均不具有实时远程监控的能力，需要人工实地监测，成本较高。

目前，国内大多数的水位监测站仍采用人工监测水位的方法，该方法不但存在监测人员的人身安全问题，而且数据的准确性不能保证，另外这种方法不能实时监测。

发明内容

本发明的目的是克服现有水位监测方法的不足，提出一种基于图像处理的水位监测系统及方法，以对河流湖泊进行实时监测，有利于保障监测人员的人身安全，准确的识别并发送水位数据，提高水位监测的适应性和可靠性。

实现本发明目的的技术思路是将无线通信技术和计算机视觉技术应用于水位监测，利用计算机视觉技术对图像进行处理分析并获取水位信息，通过无线通信网络将水位数据准确的传送到监控端，从而实现水位的实时远程自动监测。具体方案如下：

一、本发明的基于图像处理的水位监测系统，包括：

水位标尺，用于标定水位；

水位图像处理模块，用于采集水位图像，对水位图像进行处理，通过无线通信网络把水位数据发送到无线通信模块；

无线通信模块，用于将接收的水位数据发送到中心管理服务器模块；

中心管理服务器模块，用于将接收到的水位数据保存到计算机数据库中，实时绘制当前水位曲线，发出预警信息，查询水位数据；

所述水位图像处理模块，包括水位标尺定位子模块、水位标尺校正子模块和水位识别子模块；该水位标尺定位子模块，用于对采集图像中的水位标尺进行定位，该水位标尺校正子模块，用于对定位后水位标尺图像进行倾斜校正，该水位识别子模块，用于对倾斜校正后的水位标尺图像刻度线进行识别并计算出水位。

所述的中心管理服务器模块，包括：

数据库子模块：用于将接收到的水位数据保存到数据库中，以查询数据库中的水位数据；

水位绘图子模块：用于实时读取数据库中的水位数据，并根据水位数据绘制水位曲线；

水位预警子模块：用于在超出预设水位时发出报警信息。

二、本发明的基于图像处理的水位监测方法，包括如下步骤：

(1)采集一帧水位图像，图像大小为240*320，并将采集到的彩色图像转化为灰度图像，彩色图像灰度化公式为：

Gray＝R*0.299+G*0.587+B*0.114，

其中Gray为得到的灰度图像的灰度值，R、G、B分别为彩色图像红色、绿色、蓝色分量；

(2)对灰度图像用连通域特征分析和数学形态学处理的方法定位出水位标尺坐标：

(2a)用二维高斯函数的一阶导数对灰度图像进行平滑处理；

(2b)对平滑后的灰度图像进行灰度变换，得到输出图像灰度值g(x，y)：

g (x, y) = \{\begin{matrix} \frac{c}{a} f (x, y), & f (x, y) < a \\ \frac{d - c}{b - a} (f (x, y) - a) + c, & a \leq f (x, y) \leq b \\ \frac{M_{g} - d}{M_{f} - b} (f (x, y) - b) + d, & b \leq f (x, y) < M_{f} \end{matrix},

f(x，y)为输入图像灰度值，x，y为图像的像素坐标，a、b为输入图像需要灰度变换的区间端点，c、d为区间[a b]灰度变换后的区间端点，Mg为输出图像的灰度级数，Mf为输入图像的灰度级数；

(2c)用Sobel边缘检测算子对灰度变换后的图像进行卷积，求得图像的边缘梯度图像；

(2d)对边缘检测后的梯度图像用迭代法确定出二值化阈值T，根据阈值T利用如下公式对梯度图像进行二值化：

T (i, j) = \{\begin{matrix} 0, & I (i, j) < T \\ 255, & T \leq I (i, j) \leq 255 \end{matrix},

i、j为图像坐标，I(i，j)为输入图像边缘梯度值，T(i，j)为输出图像二值化值；

(2e)对二值化图像均进行水平方向和垂直方向的图像腐蚀和膨胀处理；

(2f)用8-邻域连通域分析法提取腐蚀膨胀后的图像各连通域宽、高、宽高比、边缘密度以及水平方向和竖直方向的黑白像素变化频数参数，并得到各连通域外接矩形的顶点坐标；

(2g)设置水位标尺连通域的参数满足条件：

20＜W＜100，H＞50，

0 < wh = \frac{W}{H} < 0.5,

Ed = \frac{N}{Area} > 0.15,

2＜W_f＜6，H_f＞10，

其中W、H、wh、N、Ed、Area分别为水位标尺连通域宽、高、宽高比、白色像素数、边缘密度、面积，Wf、Hf分别为水平方向和竖直方向的黑白像素变化频数；

(2h)用步骤(2g)中所设的条件对步骤(2f)中得到的连通域参数进行限制，将不满足条件判为非水位标尺连通域，将满足条件的判为水位标尺连通域，该水位标尺连通域外接矩形顶点坐标，被定为水位标尺位置；

(3)根据定位得到的水位标尺位置从步骤(1)中的灰度图像中分割出水位标尺图像，利用最小矩形面积法对水位标尺进行倾斜校正：

(4)对校正好的水位标尺图像用边缘检测和和k均值聚类算法计算出水位：

(4a)对校正好的水位标尺图像进行中值滤波；

(4b)对滤波后的图像进行水平边缘检测提取水平方向线段；

(4c)对边缘检测后的线段进行图像细化处理；

(4d)用欧式距离公式计算细化处理后图像中相邻线段的距离，计算出的线段距离集合用D表示；

(4e)用k均值聚类算法对集合D中的元素进行聚类分析，去除细化处理后图像中的非刻度线并得到水位标尺左侧刻度线间隔数Ln和右侧刻度线间隔数Rn；

(4f)利用如下公式计算得到水位高度L：

L＝10*(m/6)+n，(单位cm)，

其中

m \{\begin{matrix} 64 - 3 Ln + Ln % 2, Ln = Rn + 2 \\ 62 - (Ln + Rn) / 4 * 6 - (Ln + Rn) % 4 * 2, \\ 61 - 3 Rn + Rn % 2 * 2, Ln = Rn \end{matrix}

Ln＝Rn+1，

n = \{\begin{matrix} 0, & m % 6 = 0 \\ 1, & m % 6 = 1 \\ 3, & m % 6 = 2 \\ 5, & m % 6 = 3 \\ 6, & m % 6 = 4 \\ 8, & m % 6 = 5 \end{matrix} .

本发明与现有的水位监测技术相比有以下显著优点：

1)本发明采用的图像处理算法可以对水位标尺进行自动定位、倾斜校正和识别，具有速度快、精度高、鲁棒性好的优点，可以快速、准确、稳定的自动识别水位。

2)本发明采用灰度变换和中值滤波对图像进行处理，可以有效消除光照不均匀和孤立噪声的影响，提高水位标尺定位和水位识别的准确率。

附图说明

图1为本发明的系统结构示意图；

图2为本发明水位监测方法流程图；

图3为用本发明进行水位标尺定位的仿真结果图；

图4为用本发明进行水位识别的仿真结果图。

具体实施方式

为了使本发明的技术方案更加清楚，下面结合附图对本发明作进一步的详细描述。

参照图1，本发明基于图像处理的水位监测系统，包括水位标尺、水位图像处理模块、无线通信模块和中心管理服务器模块；其中图像处理模块通过无线通信网络向无线通信模块发送数据，无线通信模块与中心管理服务器模块之间通过RS232串口线连接。

所述的水位图像处理模块，包括水位标尺定位子模块、水位标尺校正子模块、水位识别子模块。

所述的中心管理服务器模块，包括数据库子模块、水位绘图子模块、水位预警子模块。

整个系统的工作原理如下：

水位标尺首先对水位进行标记，并通过摄像头采集水位标尺标记的水位图像；水位标尺定位子模块对采集的水位图像中的水位标尺进行定位，水位标尺校正子模块对定位出的水位标尺图像进行倾斜校正，水位识别子模块对校正好的水位标尺图像进行识别得到水位数据；然后由图像处理模块通过无线通信网络将水位数据发送到无线通信模块，无线通信模块再通过RS232串口线将水位数据发送到数据库子模块；数据库子模块将接收到的水位数据保存到计算机数据库中以备随时查询，水位绘图子模块读取数据库中的水位数据并绘制水位曲线，同时水位预警子模块实时监测水位数据，在超出预设水位时通过RS232串口线向无线通信模块发送报警信息，无线通信模块再将接收到的报警信息发送给用户。

参照图2，本发明的基于图像处理的水位监测方法，包括如下步骤：

步骤1：采集一帧水位彩色图像，图像大小为240*320，并将采集到的彩色图像转化为灰度图像，彩色图像灰度化公式为：

Gray＝R*0.299+G*0.587+B*0.114 (1)

其中Gray为得到的灰度图像的灰度值，R、G、B分别为彩色图像红色、绿色、蓝色分量。

步骤2：对灰度图像用连通域特征分析和数学形态学处理的方法定位出水位标尺坐标，灰度图像如图3(a)。

2a)用二维高斯函数的一阶导数对灰度图像进行平滑处理；

2b)对平滑后的灰度图像进行灰度变换，得到输出图像灰度值g(x，y)：

g (x, y) = \{\begin{matrix} \frac{c}{a} f (x, y), & f (x, y) < a \\ \frac{d - c}{b - a} (f (x, y) - a) + c, & a \leq f (x, y) \leq b \\ \frac{M_{g} - d}{M_{f} - b} (f (x, y) - b) + d, & b \leq f (x, y) < M_{f} \end{matrix} - - - (2)

式中，f(x，y)为输入图像灰度值，x、y为图像的像素坐标，a、b为输入图像需要灰度变换的区间端点，c、d为区间[a b]灰度变换后的区间端点，Mg为输出图像的灰度级数，Mf为输入图像的灰度级数；

2c)用Sobel边缘检测算子对灰度变换后的图像进行卷积，求得图像的边缘梯度图像，如图3(b)。

2d)对边缘检测后的梯度图像用迭代法确定出二值化阈值T：

2d1)设第k步阈值为T^k，分别求出梯度图像中的最小和最大梯度值Z_min、Z_max，令初始阈值

T^{k} |_{k = 0} = \frac{Z_{\min} + Z_{\max}}{2} - - - (3)

2d2)根据阈值T^k求得中间值：

Zo = \frac{\underset{I (i, j) < T^{k}}{Σ} I (i, j) * N (i, j)}{\underset{I (i, j) < T^{k}}{Σ} N (i, j)} - - - (4)

Z_{B} = \frac{\underset{I (i, j) > T^{k}}{Σ} I (i, j) * N (i, j)}{\underset{I (i, j) > T^{k}}{Σ} N (i, j)} - - - (5)

其中i、j为梯度图像像素坐标，I(i，j)为图像梯度值，N(i，j)为I(i，j)的权重系数，N(i，j)＝1；

2d3)求出新的阈值：

T^{k + 1} = \frac{Z_{o} + Z_{B}}{2} - - - (6)

2d4)如果T^k+1＝T^k，则结束，并令二值化阈值T＝T^k+1；否则令k＝k+1，重复步骤2d2)和步骤2d3)；

2e)根据二值化阈值T，利用如下(7)式对梯度图像进行二值化，得到二值化图像如图3(c)：

T (i, j) = \{\begin{matrix} 0, & I (i, j) < T \\ 255, & T \leq I (i, j) \leq 255 \end{matrix} - - - (7)

其中T(i，j)为输出图像的二值化值；

2f)对二值化图像均进行水平方向和垂直方向的图像腐蚀和膨胀处理，腐蚀膨胀处理后的图像如图3(d)；

2g)用8-邻域连通域分析法提取腐蚀膨胀后的图像各连通域宽、高、宽高比、边缘密度以及水平方向和竖直方向的黑白像素变化频数参数，并得到各连通域外接矩形的顶点坐标；

2h)设置水位标尺连通域的参数满足条件：

20＜W＜100，H＞50，

0 < wh = \frac{W}{H} < 0.5,

Ed = \frac{N}{Area} > 0.15,

2＜W_f＜6，H_f＞10，

2i)用步骤2h)中所设的条件对步骤2g)中得到的连通域参数进行限制，将不满足条件判为非水位标尺连通域，将满足条件的判为水位标尺连通域，该水位标尺连通域外接矩形顶点坐标，被定为水位标尺位置，水位标尺位置如图3(e)。

步骤3：根据定位得到的水位标尺位置从步骤1中的灰度图像中分割出水位标尺图像，利用最小矩形面积法对水位标尺进行倾斜校正。

3a)对分割出的水位标尺图像在区间[-20°，20°]内旋转，设旋转角度为θ_a＝-20°+a，其中a∈[0°，40°]，旋转公式为：

(x^{'}, y^{'}) = (x, y) (\begin{matrix} \cos θ_{a} & {\sin θ}_{a} \\ - \sin θ_{a} & \cos θ_{a} \end{matrix}) - - - (8)

其中(x，y)、(x′，y′)分别为水位标尺图像旋转前后的坐标；

3b)对旋转后的图像用8-邻域连通域分析法得到水位标尺外接矩形的两个对角顶点坐标A(x_A，y_A)、D(x_D，y_D)，根据坐标求得水位标尺外接矩形的面积I_a

I_a＝(x_D-x_A)*(y_D-y_A) (9)

3c)重复步骤3a)和3b)，I_a最小时对应的旋转角度θ_a即为水位标尺的倾斜角度θ；

3d)利用步骤3a)中的旋转公式对分割出的水位标尺图像旋转角度θ进行倾斜校正。

步骤4：对校正好的水位标尺图像用边缘检测和k均值聚类算法计算出水位。

4a)对校正好的水位标尺图像如图(4a)进行中值滤波；

4b)对滤波后的图像进行水平边缘检测提取水平方向线段；

4c)对边缘检测后的线段进行图像细化处理，细化后的图像如图(4b)；

4d)用欧式距离公式计算细化处理后图像中相邻线段的距离，计算出的线段距离集合用D表示；

4e)用k均值聚类算法对集合D中的元素进行聚类分析，去除细化处理后图像中的非刻度线，并得到水位标尺左侧刻度线间隔数Ln＝15和右侧刻度线间隔数Rn＝14，k均值聚类处理后的图像如图(4c)；

4f)将所述Ln和Rn的值代入如下(10)式，计算得到水位高度L＝28cm：

L＝10*(m/6)+n，(单位cm) (10)

其中

m \{\begin{matrix} 64 - 3 Ln + Ln % 2, Ln = Rn + 2 \\ 62 - (Ln + Rn) / 4 * 6 - (Ln + Rn) % 4 * 2, \\ 61 - 3 Rn + Rn % 2 * 2, Ln = Rn \end{matrix}

Ln＝Rn+1，

n = \{\begin{matrix} 0, & m % 6 = 0 \\ 1, & m % 6 = 1 \\ 3, & m % 6 = 2 \\ 5, & m % 6 = 3 \\ 6, & m % 6 = 4 \\ 8, & m % 6 = 5 \end{matrix} .

以上所述仅是本发明的一个具体事例，显然对于本领域的专业人员来说，在了解了发明内容和原理后，都可能在不背离发明原理、结构的情况下，进行形式和细节上的各种修正和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims

1.一种基于图像处理的水位监测系统，其特征在于包括：

水位标尺，用于标定水位；

2.根据权利要求1所述的水位监测系统，其中所述的中心管理服务器模块，包括：

水位预警子模块：用于在超出预设水位时发出报警信息。

3.一种基于图像处理的水位监测方法，包括如下步骤：

Gray＝R*0.299+G*0.587+B*0.114，

(2a)用二维高斯函数的一阶导数对灰度图像进行平滑处理；

g (x, y) = \{\begin{matrix} \frac{c}{a} f (x, y), & f (x, y) < a \\ \frac{d - c}{b - a} (f (x, y) - a) + c, & a \leq f (x, y) \leq b \\ \frac{M_{g} - d}{M_{f} - b} (f (x, y) - b) + d, & b \leq f (x, y) < M_{f} \end{matrix},

T (i, j) = \{\begin{matrix} 0, & I (i, j) < T \\ 255, & T \leq I (i, j) \leq 255 \end{matrix},

(2g)设置水位标尺连通域的参数满足条件：

20＜W＜100，H＞50，

0 < wh = \frac{W}{H} < 0.5,

Ed = \frac{N}{Area} > 0.15,

2＜W_f＜6，H_f＞10，

(4a)对校正好的水位标尺图像进行中值滤波；

(4b)对滤波后的图像进行水平边缘检测提取水平方向线段；

(4c)对边缘检测后的线段进行图像细化处理；

(4f)利用如下公式计算得到水位高度L：

L＝10*(m/6)+n，(单位cm)，

其中

m \{\begin{matrix} 64 - 3 Ln + Ln % 2, Ln = Rn + 2 \\ 62 - (Ln + Rn) / 4 * 6 - (Ln + Rn) % 4 * 2, \\ 61 - 3 Rn + Rn % 2 * 2, Ln = Rn \end{matrix}

Ln＝Rn+1，

n = \{\begin{matrix} 0, & m % 6 = 0 \\ 1, & m % 6 = 1 \\ 3, & m % 6 = 2 \\ 5, & m % 6 = 3 \\ 6, & m % 6 = 4 \\ 8, & m % 6 = 5 \end{matrix} .

4.根据权利要求3所述的水位监测方法，其中步骤(3)所述的利用最小矩形面积法对水位标尺进行倾斜校正，按如下步骤进行：

(3a)对分割出的水位标尺图像在区间[-20°，20°]内旋转，设旋转角度为θ_a＝-20°+a，其中a∈[0°，40°]，旋转公式为：

(x^{'}, y^{'}) = (x, y) (\begin{matrix} \cos θ_{a} & {\sin θ}_{a} \\ - \sin θ_{a} & \cos θ_{a} \end{matrix}),

(3b)对旋转后的图像用8-邻域连通域分析法得到水位标尺外接矩形的两个对角顶点坐标A(x_A，y_A)、D(x_D，y_D)，根据坐标求得水位标尺外接矩形的面积I_a：

I_a＝(x_D-x_A)*(y_D-y_A)，

(3c)重复步骤(3a)和(3b)，I_a最小时对应的旋转角度θ_a即为水位标尺的倾斜角度θ；

(3d)利用步骤(3a)中的旋转公式对分割出的水位标尺图像旋转角度θ进行倾斜校正。