CN105512992A - 一种基于云计算的河面冰情分析方法 - Google Patents

Abstract

本发明公开了一种基于云计算的河面冰情分析方法，其实现过程为：首先在河面上部署安装摄像头；安装嵌入式图像分析软件，实时的在现场分析河面图像的数据；部署云平台中冰情分析系统，将拍摄的图片进行8位的灰度值图像处理，处理成灰度图；将图片进行二值化处理，也就是将图像上的点的灰度值置为0或者255；然后对图像进行边缘检测算法处理；根据边缘检测的处理结果，进行轮廓检测计算；将检测结果发送到云计算平台，云计算平台根据监测结果进行分析和处理。该基于云计算的河面冰情分析方法与现有技术相比，通过多种数据综合计算和分析，实现数据全面，预判准确的河冰分析决策系统，实用性强，易于推广。

Description

一种基于云计算的河面冰情分析方法

技术领域

本发明涉及物联网、云计算和大数据的综合应用技术领域，具体地说是一种实用性强、基于云计算的河面冰情分析方法。

背景技术

由于目前每年冰灾给我国北方的河流区域造成巨大的人员伤亡，设备和建设物损失严重，以往人们采用的防灾方式是通过人员每天巡视河面，人为观察和判断，这样不仅造成人员劳动力浪费，并且人为观察和判断是有误差的，还需要巡河的人员必须要有丰富的河面冰清观察经验，即便是这样，由于暗冰等多因素的存在也无法准确的判断出冰清的发展趋势。基于此，现提供一种基于云计算的河面冰情分析方法，该方法采用云计算、大数据、边缘检测算法、图像灰度化算法、图像二值化算法和轮廓检测算法等技术设计方法实现的河面冰情分析算法。可以通过分析历史数据，气象信息，跨越整体河面的信息以及暗冰等多种数据综合计算和分析。实现数据全面，预判准确的河冰分析决策系统。

发明内容

本发明的技术任务是针对以上不足之处，提供一种实用性强、基于云计算的河面冰情分析方法。

一种基于云计算的河面冰情分析方法，其实现过程为：

首先在河面上部署安装摄像头；

安装嵌入式图像分析软件，实时的在现场分析河面图像的数据；

部署云平台中冰情分析系统，将拍摄的图片进行8位的灰度值图像处理，处理成灰度图；

将图片进行二值化处理，也就是将图像上的点的灰度值置为0或者255；

然后对图像进行边缘检测算法处理；

根据边缘检测的处理结果，进行轮廓检测计算；

将检测结果发送到云计算平台，云计算平台根据监测结果进行分析和处理。

所述边缘检测算法处理是指通过设置参数阀值和矩阵，采用sobel算子与高斯拉普算子进行边缘处理。

所述轮廓检测计算得出的结果包括：计算出冰块的数量、各个冰块的形状、冰块的面积、冰块的厚度、冰块的密度、冰块的最大面积、冰块群的大小和整个河面宽度的百分比，并通过GPRS实时的传入云计算平台中。

所述云计算平台根据最新监测情况，进行大数据分析，环比和同比进行数据对照和分析，并根据设置的阀值，进行业务处理，通过这些业务处理后，云计算平台智能控制设备的工作状态，该工作状态包括：拍摄具体地点，增加参数值和阀值，来确切的得到当前河面情况；联动整个河面布防的摄像头，进行联合拍照，进行整体河面的数据分析；根据气象信息、历史信息和算法模型，产生报表和报警信息。

本发明的一种基于云计算的河面冰情分析方法，具有以下优点：

本发明通过云计算、大数据、边缘检测、图像灰度化、图像二值分化和轮廓检测设计方法，实现河面冰情分析算法实现，是一个实现物联网终端设备通过云计算平台管理和控制的整合的方法，可以应用到各种应用系统中，是一种十分安全高效的冰清分析的实现，还是系统结构设计方面；实用性高，易于推广。

附图说明

附图1为本发明的实现示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

本发明提供一种基于云计算的河面冰情分析方法，如附图1所示，其实现过程为：

部署和安装摄像头，最好是河面分布均匀、关键河域和危险地段增加布防。

安装嵌入式图像分析软件，实时的在现场分析河面图像的数据。

然后部署云平台中冰情分析系统，拍摄的图片，进行8位的灰度值图像处理，处理成灰度图。

在保证整幅图像的整体和局部的色彩和亮度等级的分布和特征的前提下，灰度图的计算量变得少一些。为了整个图像呈现出明显的黑白效果，我们需要再将图片进行二值化处理，也就是将图像上的点的灰度值置为0或者255。该步骤中使用的是实现RGB图像转换为灰度图算法，具体为：

for(inti＝0；i<TestBMP.Width；i++)

//这里采用YUV与RGB颜色空间变换的方法,即{

Y＝0.3R+0.59G+0.11B；

Gray＝Round(p[3*x+2]*0.3+p[3*x+1]*0.59+p[3*x]*0.11)；

//由于是24位真彩色，故一个像素点为三个字节

p[3*x+2]:＝byte(Gray)；

p[3*x+1]:＝byte(Gray)；

p[3*x]:＝byte(Gray)；

//Gray的值必须在0～255之间

}

ChangedBmp.Assign(TestBMP)；

PaintBox1.Canvas.CopyMode:＝srccopy；

PaintBox1.Canvas.Draw(0,0,ChangedBmp)；

//用PaintBox控件重新绘制图像。

然后对图像进行边缘检测算法处理，通过设置参数阀值和矩阵，采用sobel算子与高斯拉普算子进行边缘处理。该步骤中的边缘检测算法具体为：

Sobel边缘算子的卷积和如下图所示,图像中的每个像素都用这两个核做卷积。这两个核分别对垂直边缘和水平边缘响应最大，两个卷积的最大值作为该点的输出位。运算结果是一幅边缘幅度图像。

Canny边缘检测算法。

1)用高斯滤波器平滑图象；

2)用一阶偏导的有限差分来计算梯度的幅值和方向；

3)对梯度幅值进行非极大值抑制；

4)用双阈值算法检测和连接边缘。

其数学描述如下：

步骤一：二维为高斯函数为：

$G(x,y)=\frac{1}{2\mathrm{\&pi;}{\&part;}^2}\exp (-\frac{(x^2+-y^2)}{2{\mathrm{\&delta;}}^2}).$

在某一方向n上是G(x,y)的一阶方向导数为：

$G_n=\frac{{\&part;}^G}{{\&part;}^n}=n\&dtri;G.$

式中：n式方向矢量，▽G是梯度矢量。

将图像f(x,y)与G_n作卷积，同时改变n的方向，G_n*f(x,y)取得最大值时的n就是正交于检测边缘的方向。

步骤二：

$E_x=\frac{{\&part;}^G}{{\&part;}^x}*f(x,y),E_y=\frac{{\&part;}^G}{{\&part;}^y}*f(x,y)$

A(x,y)反映了图像(x,y)点处的边缘强度，θ是图像(x,y)点处的法向矢量。

步骤三：仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。

四个扇区的标号为0到3，对应3*3邻域的四种可能组合。在每一点上，邻域的中心像素M与沿着梯度线的两个像素相比。如果M的梯度值不比沿梯度线的两个相邻像素梯度值大，则令M＝0。

步骤四：

减少假边缘段数量的典型方法是对G(x,y)使用一个阈值。将低于阈值的所有值赋零值。但问是如何选取阈值？

解决方法：双阈值算法进行边缘判别和连接边缘。

先是边缘判别：凡是边缘强度大于高阈值的一定是边缘点；凡是边缘强度小于低阈值的一定不是边缘点；如果边缘强度大于低阈值又小于高阈值，则看这个像素的邻接像素中有没有超过高阈值的边缘点，如果有，它就是边缘点，如果没有，它就不是边缘点。

其次是连接边缘：双阈值算法对非极大值抑制图像作用两个阈值τ1和τ2，且2τ1≈τ2，从而可以得到两个阈值边缘图像G1(x,y)和G2(x,y)。由于G2(x,y)使用高阈值得到，因而含有很少的假边缘，但有间断(不闭合)。双阈值法要在G2(x,y)中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在G1(x,y)的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在G1(x,y)中收集边缘，直到将G1(x,y)连接起来为止。

根据边缘检测的处理结果，进行轮廓检测。轮廓计算分为以下模式：

只检索最外面的轮廓，并将他们组织为两层。

检索所有的轮廓，并重构嵌套轮廓的整个层次。

轮廓算法核心代码实现：

通过轮廓的计算可以计算出总共有多少个冰块，各个冰块的形状，冰块的面积、冰块的厚度、冰块的密度、冰块的最大面积，以及冰块群的大小，和整个河面宽度的百分比，并通过GPRS实时的传入云计算平台中，云计算平台根据最新监测情况，进行大数据分析，环比和同比进行数据对照和分析。并根据设置的阀值，进行业务处理。通过这些业务处理后，云计算平台会智能控制设备的工作状态，比如：拍摄具体点，增加参数值和阀值，来确切的得到当前河面情况，以及联动整个河面布防的摄像头，进行联合拍照，进行整体河面的数据分析，以及根据气象信息、历史信息和算法模型，产生报表和报警信息，以便做到病情及时发现、快速处理，做到在人员伤亡，财产和建筑物损害最小化。

上述具体实施方式仅是本发明的具体个案，本发明的专利保护范围包括但不限于上述具体实施方式，任何符合本发明的一种基于云计算的河面冰情分析方法的权利要求书的且任何所述技术领域的普通技术人员对其所做的适当变化或替换，皆应落入本发明的专利保护范围。

Claims (4)

1.一种基于云计算的河面冰情分析方法，其特征在于，其实现过程为：

首先在河面上部署安装摄像头；

安装嵌入式图像分析软件，实时的在现场分析河面图像的数据；

部署云平台中冰情分析系统，将拍摄的图片进行8位的灰度值图像处理，处理成灰度图；

将图片进行二值化处理，也就是将图像上的点的灰度值置为0或者255；

然后对图像进行边缘检测算法处理；

根据边缘检测的处理结果，进行轮廓检测计算；

将检测结果发送到云计算平台，云计算平台根据监测结果进行分析和处理。

2.根据权利要求1所述的一种基于云计算的河面冰情分析方法，其特征在于，所述边缘检测算法处理是指通过设置参数阀值和矩阵，采用sobel算子与高斯拉普算子进行边缘处理。

3.根据权利要求1所述的一种基于云计算的河面冰情分析方法，其特征在于，所述轮廓检测计算得出的结果包括：计算出冰块的数量、各个冰块的形状、冰块的面积、冰块的厚度、冰块的密度、冰块的最大面积、冰块群的大小和整个河面宽度的百分比，并通过GPRS实时的传入云计算平台中。

4.根据权利要求3所述的一种基于云计算的河面冰情分析方法，其特征在于，所述云计算平台根据最新监测情况，进行大数据分析，环比和同比进行数据对照和分析，并根据设置的阀值，进行业务处理，通过这些业务处理后，云计算平台智能控制设备的工作状态，该工作状态包括：拍摄具体地点，增加参数值和阀值，来确切的得到当前河面情况；联动整个河面布防的摄像头，进行联合拍照，进行整体河面的数据分析；根据气象信息、历史信息和算法模型，产生报表和报警信息。