CN105512608A - 一种判定人为造成地貌特征变化的方法及系统 - Google Patents
一种判定人为造成地貌特征变化的方法及系统 Download PDFInfo
- Publication number
- CN105512608A CN105512608A CN201510829430.9A CN201510829430A CN105512608A CN 105512608 A CN105512608 A CN 105512608A CN 201510829430 A CN201510829430 A CN 201510829430A CN 105512608 A CN105512608 A CN 105512608A
- Authority
- CN
- China
- Prior art keywords
- image
- change
- video
- deviate
- rgb
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及判定人为造成地貌特征变化的方法及系统。尤其涉及一种用于国土资源变化识别的图像差异比对方法,该方法包括:图像处理方法,将图像网格化,并按照RGB(红、绿、兰)分别计算平均值、偏差值进行存储。目前各地建设的视频监控系统中值守系统都是值守人员通过调用不同的视频探头视频流进行人工判别是否有堆土、建设等图像变化,主要存在的缺点有:一是工作量巨大,每天需把每个摄像头的图像看一遍,二是不易发现变化;看图像时没有比对对象,昨天看过的图像里有什么今天可能已经忘记。基于上述情况,必须建立基于视频的国土违法自动识别系统,实现视频图像自动识别功能。
Description
技术领域
本发明涉及一种图像比对的方法、装置及系统。属于图像识别领域。
背景技术
自2011年8月国土资源部办公厅下发了《关于开展国土资源执法视频监控网建设试点工作的通知》,各地纷纷建设了视频执法系统,目前各地建设的视频监控系统中值守系统都是值守人员通过调用不同的视频探头视频流进行人工判别是否有堆土、建设等图像变化,主要存在的缺点有:一是工作量巨大,每天需把每个摄像头的图像看一遍,二是不易发现变化;看图像时没有比对对象,昨天看过的图像里有什么今天可能已经忘记。基于上述情况,必须建立基于视频的国土违法自动识别系统,实现视频图像自动识别功能。
发明内容
为解决现有技术的不足,本发明的目的在于提供一种用于图像识别算法及系统。
为了实现上述目标,本发明采用如下的技术方案:
一种用于国土资源变化识别的图像差异比对方法,该方法包括:图像处理方法,将图像网格化,并按照RGB(红、绿、兰)分别计算平均值、偏差值进行存储。RGB平均值反映了区域的颜色特征、通过平均值反应图像颜色特征、偏差值反应图像纹理特征;通过网格相邻关系反应空间特征;通过将采集的图像数据判定图片的成像质量(当大于预设阈值),系统认为质量满足算法需求后与基础图片进行比对,参照预先设定的特征模型(农田、森林、河流等)及偏差值变化,判断出国土资源变化情况。
进一步的,基准图片标定方法包括:将图像切分成N*N(图像占比0.4%左右)大小的网格。将网格按照RGB颜色数据分别存储,并通过各网格区域的RGB平局差之和判定图片成像质量:当30%以上网格平均差之和大于预设阈值30时,系统认为图片是清晰的,质量满足算法需求,标定为基准图片。若不满足,继续下一周期(固定时间间隔:每天或每周等)分析,直到满足要求,标定为基准图片。
进一步的,建立特征模型的方法包括:在基准图片中逐一计算每个网格上、下、左、右4个相邻区域的B(蓝色)平均差差值绝对值,若差值绝对值均小于5,标定农田、森林或河流等监控区域。后续算法仅检测该区域地貌变化。
进一步的,识别光照、雾、霾、风、雨、雪等自然气象的图像质量控制方法包括:每周期采集图像均按照基准图片标定方法进行判断,当本次采集图像符合基准图像标准时,进行比对计算否则认为本次采集图像质量下降,下一周期再进行采集和比对分析。
进一步的,地貌改变识别方法:将采集的合格图像网格化并逐一计算每个网格上、下、左、右4个相邻区域的B平均差差值绝对值。若至少有一个差值绝对值大于5,标注为地貌变化大的网格。进一步分析地貌变化大的网格,当该网格R、G、B平均差差值绝对值之和大于5且小于等于15,判定为农作物自然生长引起的地貌变化。当该网格R、G、B平均差差值绝对值之和大于15,排除农作物自然生长引起的地貌变化,认为该网格疑似人为改变地貌特征。在后续扫描周期同一网格累计7次确认为人为地貌特征改变后,判定为“发生人为地貌特征改变”。
附图说明
图1是根据本发明实施例的一种用于国土资源变化识别的图像差异比对方法流程图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
图1是根据本发明实施例的一种用于国土资源变化识别的图像差异比对方法流程图。
该方法包括:图像处理方法,将图像网格化,并按照RGB(红、绿、兰)分别计算平均值、偏差值进行存储。RGB平均值反映了区域的颜色特征、通过平均值反应图像颜色特征、偏差值反应图像纹理特征;通过网格相邻关系反应空间特征;通过将采集的图像数据判定图片的成像质量(当大于预设阈值),系统认为质量满足算法需求后与基础图片进行比对,参照预先设定的特征模型(农田、森林、河流等)及偏差值变化,判断出国土资源变化情况。
进一步的,基准图片标定方法包括:将图像切分成N*N(图像占比0.4%左右)大小的网格。将网格按照RGB颜色数据分别存储,并通过各网格区域的RGB平局差之和判定图片成像质量:当30%以上网格平均差之和大于预设阈值30时,系统认为图片是清晰的,质量满足算法需求,标定为基准图片。若不满足,继续下一周期(固定时间间隔:每天或每周等)分析,直到满足要求,标定为基准图片。
进一步的,建立特征模型的方法包括:在基准图片中逐一计算每个网格上、下、左、右4个相邻区域的B(蓝色)平均差差值绝对值,若差值绝对值均小于5,标定农田、森林或河流等监控区域。后续算法仅检测该区域地貌变化。
进一步的,识别光照、雾、霾、风、雨、雪等自然气象的图像质量控制方法包括:每周期采集图像均按照基准图片标定方法进行判断,当本次采集图像符合基准图像标准时,进行比对计算否则认为本次采集图像质量下降,下一周期再进行采集和比对分析。
进一步的,地貌改变识别方法:将采集的合格图像网格化并逐一计算每个网格上、下、左、右4个相邻区域的B平均差差值绝对值。若至少有一个差值绝对值大于5,标注为地貌变化大的网格。进一步分析地貌变化大的网格,当该网格R、G、B平均差差值绝对值之和大于5且小于等于15,判定为农作物自然生长引起的地貌变化。当该网格R、G、B平均差差值绝对值之和大于15,排除农作物自然生长引起的地貌变化,认为该网格疑似人为改变地貌特征。在后续扫描周期同一网格累计7次确认为人为地貌特征改变后,判定为“发生人为地貌特征改变”。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明。所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种用于国土资源变化识别的图像差异比对方法,该方法包括:图像处理方法,将图像网格化,并按照RGB(红、绿、兰)分别计算平均值、偏差值进行存储。RGB平均值反映了区域的颜色特征、通过平均值反应图像颜色特征、偏差值反应图像纹理特征;通过网格相邻关系反应空间特征;通过将采集的图像数据判定图片的成像质量(当大于预设阈值),系统认为质量满足算法需求后与基础图片进行比对,参照预先设定的特征模型(农田、森林、河流等)及偏差值变化,判断出国土资源变化情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510829430.9A CN105512608A (zh) | 2015-11-26 | 2015-11-26 | 一种判定人为造成地貌特征变化的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510829430.9A CN105512608A (zh) | 2015-11-26 | 2015-11-26 | 一种判定人为造成地貌特征变化的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105512608A true CN105512608A (zh) | 2016-04-20 |
Family
ID=55720575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510829430.9A Pending CN105512608A (zh) | 2015-11-26 | 2015-11-26 | 一种判定人为造成地貌特征变化的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512608A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734093A (zh) * | 2018-04-04 | 2018-11-02 | 东南大学 | 一种消除定点土地视频监控伪变化的方法 |
CN112529831A (zh) * | 2019-08-28 | 2021-03-19 | 深圳市熠摄科技有限公司 | 利用图像处理技术的地貌潜变观测设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01131153A (ja) * | 1987-08-31 | 1989-05-24 | Nippon Oil & Fats Co Ltd | β−ヒドロキシ置換ジアルキルペルオキシド |
CN103106766A (zh) * | 2013-01-14 | 2013-05-15 | 广东赛能科技有限公司 | 林火识别方法与系统 |
CN103491351A (zh) * | 2013-09-29 | 2014-01-01 | 东南大学 | 违章建筑物的智能视频监控方法 |
CN104091354A (zh) * | 2014-07-30 | 2014-10-08 | 北京华戎京盾科技有限公司 | 一种基于视频图像的火灾检测方法及其火灾检测装置 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
-
2015
- 2015-11-26 CN CN201510829430.9A patent/CN105512608A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01131153A (ja) * | 1987-08-31 | 1989-05-24 | Nippon Oil & Fats Co Ltd | β−ヒドロキシ置換ジアルキルペルオキシド |
CN103106766A (zh) * | 2013-01-14 | 2013-05-15 | 广东赛能科技有限公司 | 林火识别方法与系统 |
CN103491351A (zh) * | 2013-09-29 | 2014-01-01 | 东南大学 | 违章建筑物的智能视频监控方法 |
CN104091354A (zh) * | 2014-07-30 | 2014-10-08 | 北京华戎京盾科技有限公司 | 一种基于视频图像的火灾检测方法及其火灾检测装置 |
CN104809732A (zh) * | 2015-05-07 | 2015-07-29 | 山东鲁能智能技术有限公司 | 一种基于图像比对的电力设备外观异常检测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734093A (zh) * | 2018-04-04 | 2018-11-02 | 东南大学 | 一种消除定点土地视频监控伪变化的方法 |
CN108734093B (zh) * | 2018-04-04 | 2022-02-11 | 东南大学 | 一种消除定点土地视频监控伪变化的方法 |
CN112529831A (zh) * | 2019-08-28 | 2021-03-19 | 深圳市熠摄科技有限公司 | 利用图像处理技术的地貌潜变观测设备 |
CN112529831B (zh) * | 2019-08-28 | 2024-05-24 | 深圳市熠摄科技有限公司 | 利用图像处理技术的地貌潜变观测设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111967393B (zh) | 一种基于改进YOLOv4的安全帽佩戴检测方法 | |
CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
CN103106766B (zh) | 林火识别方法与系统 | |
CN101577812B (zh) | 一种岗位监测的方法和系统 | |
US20160260306A1 (en) | Method and device for automated early detection of forest fires by means of optical detection of smoke clouds | |
CN100520362C (zh) | 基于彩色ccd图像分析的森林火情烟雾检测方法 | |
CN106203265A (zh) | 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法 | |
CN101464944B (zh) | 一种基于统计特征的人群密度分析方法 | |
CN111814678B (zh) | 一种基于视频监控的运输皮带中煤流识别方法及系统 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN108647652A (zh) | 一种基于图像分类和目标检测的棉花发育期自动识别方法 | |
CN111446920A (zh) | 光伏电站监控方法、装置及系统 | |
CN107944407A (zh) | 一种基于无人机的路口斑马线识别方法 | |
CN105208325A (zh) | 基于图像定点抓拍及比对分析的国土资源监控预警方法 | |
CN109631848A (zh) | 输电线路异物入侵检测系统和检测方法 | |
DE19840873A1 (de) | Verfahren und Vorrichtung zur automatischen Waldbranderkennung | |
CN110659546B (zh) | 一种违法摊位检测方法及装置 | |
CN106355162A (zh) | 一种基于视频监控的入侵检测方法 | |
CN110769195A (zh) | 输电线路施工现场违章智能监控识别系统 | |
CN109635720A (zh) | 基于视频主动监控的非法占道实时检测方法 | |
CN110012268A (zh) | 管网ai智能监控方法、系统、可读存储介质和设备 | |
CN103903252A (zh) | 棉田虫情自动监测装置及监测方法 | |
CN105930814A (zh) | 基于视频监控平台的人员异常聚集行为的检测方法 | |
Kim et al. | Cloud cover retrieved from skyviewer: A validation with human observations | |
CN113326783A (zh) | 一种水利行业的边缘预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160420 |
|
WD01 | Invention patent application deemed withdrawn after publication |