CN107330460A - 一种预警准确的自然灾害预警系统 - Google Patents
一种预警准确的自然灾害预警系统 Download PDFInfo
- Publication number
- CN107330460A CN107330460A CN201710510336.6A CN201710510336A CN107330460A CN 107330460 A CN107330460 A CN 107330460A CN 201710510336 A CN201710510336 A CN 201710510336A CN 107330460 A CN107330460 A CN 107330460A
- Authority
- CN
- China
- Prior art keywords
- image
- early warning
- detail pictures
- module
- natural calamity
- 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.)
- Withdrawn
Links
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 239000000758 substrate Substances 0.000 claims description 41
- 230000004927 fusion Effects 0.000 claims description 26
- 230000006835 compression Effects 0.000 claims description 15
- 238000007906 compression Methods 0.000 claims description 15
- 230000002708 enhancing effect Effects 0.000 claims description 14
- 238000002203 pretreatment Methods 0.000 claims description 12
- 230000007910 cell fusion Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/70—
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Abstract
本发明提供了一种预警准确的自然灾害预警系统,包括图像采集设备、图像处理设备、灾害分析模块和预警模块,所述图像采集设备用于获取各自然灾害监测点的高动态范围的红外图像,所述图像处理设备用于对高动态范围的红外图像进行处理,所述灾害分析模块用于对处理后的红外图像进行分析,判断各监测点是否将会发生自然灾害,所述预警模块用于根据各监测点将会发生的自然灾害发出预警。本发明的有益效果为:实现了自然灾害的准确预警。
Description
技术领域
本发明涉及灾害预警技术领域,具体涉及一种预警准确的自然灾害预警系统。
背景技术
我国是一个多山的国家,经常发生各种地质自然灾害,严重威胁着我国山区居民生活、交通运输和市政建设的安全。为了应对频发的自然灾害,政府投入了大量资金在自然灾害多发地区建设自然灾害监测预警系统。然而,现有的预警系统成本高昂且预警不准确,没有取得令人满意的效果。
发明内容
针对上述问题,本发明旨在提供一种预警准确的自然灾害预警系统。
本发明的目的采用以下技术方案来实现:
提供了一种预警准确的自然灾害预警系统,包括图像采集设备、图像处理设备、灾害分析模块和预警模块,所述图像采集设备用于获取各自然灾害监测点的高动态范围的红外图像,所述图像处理设备用于对高动态范围的红外图像进行处理,所述灾害分析模块用于对处理后的红外图像进行分析,判断各监测点是否将会发生自然灾害,所述预警模块用于根据各监测点将会发生的自然灾害发出预警。
本发明的有益效果为:实现了自然灾害的准确预警。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
图像采集设备1、图像处理设备2、灾害分析模块3、预警模块4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种预警准确的自然灾害预警系统,包括图像采集设备1、图像处理设备2、灾害分析模块3和预警模块4,所述图像采集设备1用于获取各自然灾害监测点的高动态范围的红外图像,所述图像处理设备2用于对高动态范围的红外图像进行处理,所述灾害分析模块3用于对处理后的红外图像进行分析,判断各监测点是否将会发生自然灾害,所述预警模块4用于根据各监测点将会发生的自然灾害发出预警。
本实施例实现了自然灾害的准确预警。
优选的,所述预警模块4包括预警终端,所述警报终端用于发布预警信息。
本优选实施例实现了预警信息的及时发布。
优选的,所述预警终端包括声音警报设备、光信号警报设备、震动警报设备和移动终端中的一种或多种。
本优选实施例实现了预警信息的多渠道发布,大大增加了接收预警信息的人群。
优选的,所述图像处理设备2包括第一分解模块、第二压缩模块、第三增强模块和第四融合模块,所述第一分解模块将高动态范围的红外图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像,所述第二压缩模块用于对基底图像进行高动态范围压缩处理,所述第三增强模块用于对细节图像进行小动态范围扩展和细节增强处理,所述第四融合模块用于对处理后的基底图像和细节图像进行融合,输出融合后的红外图像。
本实施例图像处理设备将从自然灾害监测点获取的红外图像分解为基底图像和细节图像并对其进行处理,在完成大动态范围数字图像压缩的同时,提高了小动态温差细节的对比度。具体的,对于基底图像,进行对比度保持的高动态范围压缩,对于细节图像,进行小动态的扩展及细节增强。
优选的,所述第一分解模块包括第一基底图像获取单元和第二细节图像获取单元,所述第一基底图像获取单元用于获取高动态范围的红外图像的基底图像,所述第二细节图像获取单元用于获取高动态范围的红外图像的细节图像:所述获取高动态范围的红外图像的基底图像,具体为:(1)对高动态范围的红外图像进行初步处理:EH(x,y)=M3×3{M3×3[EHin(x,y)]},上述式子中,EH(x,y)表示对高动态范围的红外图像进行初步处理后的图像,EHin(x,y)表示原始输入图像,M3×3[EHin(x,y)]表示以3×3窗口对EHin(x,y)进行中值滤波处理;(2)获取基底图像:上述式子中,表示标准差为σ1的高斯低通滤波器,用于对邻域内像素进行空间距离的加权,表示标准差为σ2的高斯函数,用于对邻域内像素进行灰度距离的加权,EHo(x,y)表示分解后的基底图像,L(x,y)表示像素点(x,y)的邻域;所述获取高动态范围的红外图像的细节图像,具体为:EHd(x,y)=EH(x,y)-EHo(x,y),上述式子中,EHd(x,y)表示分解后的细节图像。
本优选实施例图像处理设备设置第一分解模块将高动态范围的原始图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像,有助于后续对基底图像和细节图像进行单独处理;图像分解过程中,第一基底图像获取单元对图像进行二次中值滤波处理,有效去除了原始图像中的椒盐噪声,防止了探测器内部实际存在的噪声泄露到细节成分中被增强;EHo(x,y)在获取基底图像过程中,同时考虑了像素的空间距离和灰度距离,既能够控制红外场景中抽取的最小辐射差异,又能够避免对高对比度边缘进行过度平滑。
优选的,所述第二压缩模块对基底图像进行处理采用下式进行:
上述式子中,EHav(x,y)为对基底图像进行高斯平滑卷积得到的图像,ao(x,y)表示对基底图像进行对比度保持的高动态范围压缩处理后的图像,μ(x,y)表示像素(x,y)的灰度邻域平均值,ρ表示对比度控制参数。
本优选实施例图像处理设备的第二压缩模块通过设置对比度控制参数来控制高动态范围压缩中局部对比度的保持程度,能够得到理想的局部对比度增强效果,通过合理调整对比度控制参数,能够得到高质量的基底图像,有助于后续更好进行图像融合。
优选的,所述第三增强模块对细节图像进行处理采用下式进行:
上述式子中,ad(x,y)表示对细节图像进行增强处理后的图像,μ和σ分别表示细节图像全局的均值和方差,μx,y和σx,y分别表示细节图像任意像素点(x,y)在3×3局部邻域内的均值和方差,CA表示细节图像熵值,其中,p(i)表示第i个灰度级的像素在细节图像中出现的概率,表示细节图像中所有像素灰度级均值。
本优选实施例图像处理设备的第三增强模块基于图像熵值对细节图像进行处理,根据不同熵值采用不同的方式对细节图像进行处理,能够适应图像背景的剧烈起伏,提高增强的实际效果,获取更高质量的细节图像,有助于后续更好进行图像融合。
优选的,所述第四融合模块包括一次融合单元和二次融合单元,所述一次融合单元用于对处理后的基底图像和细节图像进行融合前处理,所述二次融合单元用于对融合前处理后的基底图像和细节图像进行融合;所述对处理后的基底图像和细节图像进行融合前处理,具体为:采用下式对ao(x,y)和ad(x,y)进行融合前处理:
上述式子中,LGo(x,y)表示ao(x,y)进行融合前处理后的结果,LGd(x,y)表示ad(x,y)融合前处理后的结果;所述对融合前处理后的基底图像和细节图像进行融合,具体为:采用下式对LGo(x,y)和LGd(x,y)进行融合:CS(x,y)=(1-β2)LGo(x,y)+β2LGd(x,y),上述式子中,CS(x,y)表示融合后的图像,β表示比例系数,0<eβ<1,在位宽W比特的输出中,基底图像占有的动态范围级数为(1-β2)·2W,细节图像占有的动态范围级数为β2·2W。
本优选实施例图像处理设备的第四融合模块对ao(x,y)和ad(x,y)进行处理,充分利用了整个灰度级范围,将两部分的处理结果进行动态范围分配及融合,实现了红外图像高动态范围压缩及细节增强,得到了更加清晰的红外图像,从而为自然灾害准确预警提供了保障。
采用本发明预警准确的自然灾害预警系统进行预警,选取5个地区进行模拟预警实验,并分别将其编为地区1、地区2、地区3、地区4和地区5,对预警时间和预警准确率进行分析,同现有现有预警系统相比,产生的有益效果如下表所示:
预警时间缩短 | 预警准确率提高 | |
地区1 | 23% | 21% |
地区2 | 25% | 20% |
地区3 | 26% | 25% |
地区4 | 27% | 22% |
地区5 | 24% | 23% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种预警准确的自然灾害预警系统,其特征在于,包括图像采集设备、图像处理设备、灾害分析模块和预警模块,所述图像采集设备用于获取各自然灾害监测点的高动态范围的红外图像,所述图像处理设备用于对高动态范围的红外图像进行处理,所述灾害分析模块用于对处理后的红外图像进行分析,判断各监测点是否将会发生自然灾害,所述预警模块用于根据各监测点将会发生的自然灾害发出预警。
2.根据权利要求1所述的预警准确的自然灾害预警系统,其特征在于,所述预警模块包括预警终端,所述警报终端用于发布预警信息。
3.根据权利要求2所述的预警准确的自然灾害预警系统,其特征在于,所述预警终端包括声音警报设备、光信号警报设备、震动警报设备和移动终端中的一种或多种。
4.根据权利要求3所述的预警准确的自然灾害预警系统,其特征在于,所述图像处理设备包括第一分解模块、第二压缩模块、第三增强模块和第四融合模块,所述第一分解模块将高动态范围的红外图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像,所述第二压缩模块用于对基底图像进行高动态范围压缩处理,所述第三增强模块用于对细节图像进行小动态范围扩展和细节增强处理,所述第四融合模块用于对处理后的基底图像和细节图像进行融合,输出融合后的红外图像。
5.根据权利要求4所述的预警准确的自然灾害预警系统,其特征在于,所述第一分解模块包括第一基底图像获取单元和第二细节图像获取单元,所述第一基底图像获取单元用于获取高动态范围的红外图像的基底图像,所述第二细节图像获取单元用于获取高动态范围的红外图像的细节图像:所述获取高动态范围的红外图像的基底图像,具体为:(1)对高动态范围的红外图像进行初步处理:EH(x,y)=M3×3{M3×3[EHin(x,y)]},上述式子中,EH(x,y)表示对高动态范围的红外图像进行初步处理后的图像,EHin(x,y)表示原始输入图像,M3×3[EHin(x,y)]表示以3×3窗口对EHin(x,y)进行中值滤波处理;(2)获取基底图像:上述式子中,表示标准差为σ1的高斯低通滤波器,用于对邻域内像素进行空间距离的加权,表示标准差为σ2的高斯函数,用于对邻域内像素进行灰度距离的加权,EHo(x,y)表示分解后的基底图像,L(x,y)表示像素点(x,y)的邻域;所述获取高动态范围的红外图像的细节图像,具体为:EHd(x,y)=EH(x,y)-EHo(x,y),上述式子中,EHd(x,y)表示分解后的细节图像。
6.根据权利要求5所述的预警准确的自然灾害预警系统,其特征在于,所述第二压缩模块对基底图像进行处理采用下式进行:上述式子中,EHav(x,y)为对基底图像进行高斯平滑卷积得到的图像,ao(x,y)表示对基底图像进行对比度保持的高动态范围压缩处理后的图像,μ(x,y)表示像素(x,y)的灰度邻域平均值,ρ表示对比度控制参数。
7.根据权利要求6所述的预警准确的自然灾害预警系统,其特征在于,所述第三增强模块对细节图像进行处理采用下式进行:
上述式子中,ad(x,y)表示对细节图像进行增强处理后的图像,μ和σ分别表示细节图像全局的均值和方差,μx,y和σx,y分别表示细节图像任意像素点(x,y)在3×3局部邻域内的均值和方差,s表示细节图像熵值,其中,p(i)表示第i个灰度级的像素在细节图像中出现的概率,表示细节图像中所有像素灰度级均值。
8.根据权利要求7所述的预警准确的自然灾害预警系统,其特征在于,所述第四融合模块包括一次融合单元和二次融合单元,所述一次融合单元用于对处理后的基底图像和细节图像进行融合前处理,所述二次融合单元用于对融合前处理后的基底图像和细节图像进行融合;所述对处理后的基底图像和细节图像进行融合前处理,具体为:采用下式对ao(x,y)和ad(x,y)进行融合前处理:
上述式子中,LGo(x,y)表示ao(x,y)进行融合前处理后的结果,LGd(x,y)表示ad(x,y)融合前处理后的结果;所述对融合前处理后的基底图像和细节图像进行融合,具体为:采用下式对LGo(x,y)和LGd(x,y)进行融合:CS(x,y)=(1-β2)LGo(x,y)+β2LGd(x,y),上述式子中,CS(x,y)表示融合后的图像,β表示比例系数,0<eβ<1,在位宽W比特的输出中,基底图像占有的动态范围级数为(1-β2)·2W,细节图像占有的动态范围级数为β2·2W。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710510336.6A CN107330460A (zh) | 2017-06-28 | 2017-06-28 | 一种预警准确的自然灾害预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710510336.6A CN107330460A (zh) | 2017-06-28 | 2017-06-28 | 一种预警准确的自然灾害预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107330460A true CN107330460A (zh) | 2017-11-07 |
Family
ID=60198030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710510336.6A Withdrawn CN107330460A (zh) | 2017-06-28 | 2017-06-28 | 一种预警准确的自然灾害预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107330460A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108801363A (zh) * | 2018-07-31 | 2018-11-13 | 深圳大图科创技术开发有限公司 | 一种环境保护系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609589A (zh) * | 2008-06-17 | 2009-12-23 | 侯荣琴 | 多频图像火灾探测系统 |
CN101650866A (zh) * | 2009-09-22 | 2010-02-17 | 华南理工大学 | 一种应用于无人机的火灾检测系统及其火灾检测方法 |
US20140079335A1 (en) * | 2010-02-04 | 2014-03-20 | Microsoft Corporation | High dynamic range image generation and rendering |
-
2017
- 2017-06-28 CN CN201710510336.6A patent/CN107330460A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609589A (zh) * | 2008-06-17 | 2009-12-23 | 侯荣琴 | 多频图像火灾探测系统 |
CN101650866A (zh) * | 2009-09-22 | 2010-02-17 | 华南理工大学 | 一种应用于无人机的火灾检测系统及其火灾检测方法 |
US20140079335A1 (en) * | 2010-02-04 | 2014-03-20 | Microsoft Corporation | High dynamic range image generation and rendering |
Non-Patent Citations (1)
Title |
---|
孙刚: "大视场红外搜索系统目标检测关键技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108801363A (zh) * | 2018-07-31 | 2018-11-13 | 深圳大图科创技术开发有限公司 | 一种环境保护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103793907B (zh) | 一种水体信息的提取方法及装置 | |
CN103778636B (zh) | 一种用于无参考图像质量评价的特征构建方法 | |
CN110298480B (zh) | 一种山洪灾害临界雨量指标计算方法及系统 | |
CN105791774A (zh) | 一种基于视频内容分析的监控视频传输方法 | |
DE202010018498U1 (de) | Abgleich eines ungefähr lokalisierten Anfragebildes mit einem Referenzbildsatz | |
CN103903437B (zh) | 基于视频交通检测数据的机动车出行od矩阵获取方法 | |
Lin et al. | Quantifying flood water levels using image-based volunteered geographic information | |
Hsu et al. | Integrate weather radar and monitoring devices for urban flooding surveillance | |
BR112021014654A2 (pt) | Previsões meteorológicas com redução em escala | |
CN108495095B (zh) | 一种基于无人机的雾霾扩散监控系统 | |
CN107330460A (zh) | 一种预警准确的自然灾害预警系统 | |
CN107330891B (zh) | 一种有效的图像质量评价系统 | |
CN104715231A (zh) | 一种在交通路口监控危险品运输车辆的方法及装置 | |
Rath et al. | IoT and ML based flood alert and human detection system | |
US10341617B2 (en) | Public safety camera identification and monitoring system and method | |
Zheng et al. | Research on rainfall monitoring based on E-band millimeter wave link in east China | |
CN112966656A (zh) | 数据处理方法及装置 | |
CN107607926A (zh) | 一种分布式雷达低通信量准信号融合目标探测处理方法 | |
CN112507818A (zh) | 一种基于近红外图像的光照估计方法及系统 | |
CN104123723A (zh) | 基于结构补偿的图像质量评价方法 | |
CN105787963A (zh) | 一种视频目标跟踪方法及装置 | |
US20190327450A1 (en) | Public safety camera identification and monitoring system and method | |
CN108765954B (zh) | 基于snn密度st-optics改进聚类算法的道路交通安全状况监测方法 | |
US11483485B2 (en) | Device for collecting photos of field surface feature and information measurement and calculation method | |
CN103985126A (zh) | 计算视频图像中人群密度图的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20171107 |