CN108663679A - 一种河流防沙化检测系统 - Google Patents

一种河流防沙化检测系统 Download PDF

Info

Publication number
CN108663679A
CN108663679A CN201810438160.2A CN201810438160A CN108663679A CN 108663679 A CN108663679 A CN 108663679A CN 201810438160 A CN201810438160 A CN 201810438160A CN 108663679 A CN108663679 A CN 108663679A
Authority
CN
China
Prior art keywords
module
image
images
sand
single chip
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
Application number
CN201810438160.2A
Other languages
English (en)
Inventor
匡卫红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan City University
Original Assignee
Hunan City University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan City University filed Critical Hunan City University
Priority to CN201810438160.2A priority Critical patent/CN108663679A/zh
Publication of CN108663679A publication Critical patent/CN108663679A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9027—Pattern recognition for feature extraction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904—SAR modes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • 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
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10144—Varying exposure
    • 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)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Electromagnetism (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Fluid Mechanics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)

Abstract

本发明属于河流防沙化检测技术领域，公开了一种河流防沙化检测系统，包括：图像采集模块、流量检测模块、光谱检测模块、单片机控制模块、图像处理模块、含量测算模块、光谱分析模块、显示模块、沙粒硬度检测模块，沙粒体积检测模块，化学检验模块。本发明对河流中的泥沙含量进行计算机处理分折和计算，提高监测、测量数据准确性；把水文测量人员从河中取样的艰辛和危险，烧干、称重、计算的繁琐的劳累中解放出来，测量检测方便快速；通过光谱检测模块、光谱分析模块、沙粒硬度检测模块、沙粒体积检测模块和化学检验模块可以准确测量细砂粒、粉砂、粘土等悬移质泥沙的含量以及其他物理信息及化学信息。

Description

一种河流防沙化检测系统
技术领域
本发明属于河流防沙化检测技术领域，尤其涉及一种河流防沙化检测系统。
背景技术
河流中随水流输移或在河床、滩地上发生冲淤的岩土物质颗粒。岩石风化 后的岩土是河流泥沙最主要的来源。当暴雨降到流域地表，在产流和汇流过程 中，侵蚀坡地及沟壑的岩土，经水流输移到河流，形成河流泥沙。河流在输送 泥沙过程中，还会冲刷河床或河岸，进一步增加泥沙量。当河流进入下游平原 区时，比降减小，流速减缓，水流挟带的部分泥沙将沉积在河床或滩地。河流 在人海口附近因流速锐减，泥沙将沉积在河口附近海域。然而，传统河流泥沙 需要人工抽样烘干测量，所需测量周期长，检测过程繁琐、水文工作人员取样 过程劳动强度大。
综上所述，现有技术存在的问题是：传统河流泥沙需要人工抽样烘干测量， 所需测量周期长，检测过程繁琐、水文工作人员取样过程劳动强度大。
发明内容
针对现有技术存在的问题，本发明提供了一种河流防沙化检测系统。
本发明是这样实现的，一种河流防沙化检测系统包括：
图像采集模块、流量检测模块、光谱检测模块、单片机控制模块、图像处 理模块、含量测算模块、光谱分析模块、显示模块、沙粒硬度检测模块、沙粒 体积检测模块、化学检验模块；
图像采集模块，与单片机控制模块连接，用于通过摄影机在同一时间内必 须同步对水样进行图像拍摄；
所述图像采集模块的图像变化检测方法包括：
(1)对同一地域不同时间的两幅SAR原始图像分别进行去噪处理，得到 去噪后图像I1和去噪后图像I2；
(2)分别利用对数比算子和均值比算子，对得到的去噪后图像I1和去噪后 图像I2进行运算，得到对数比值差异图Xl和均值比值差异图Xm，计算公式如下：
其中，μ1，μ2分别表示I1和I2的局部均值；
(3)对得到的对数比值差异图Xl和均值比值差异图Xm进行特征描述，得 到对应的特征描述矩阵XL和特征描述矩阵XM；
(4)对得到的特征描述矩阵XL和特征描述矩阵XM，利用各列向量的欧氏 距离度量其相似度，分别构造对应的相似度矩阵，亲和矩阵W1和W2；
(5)对得到的亲和矩阵W1和W2，利用基于亲和矩阵融合谱聚类方法对其进 行聚类；
(6)使用k-means聚类方法将输出的特征向量f进行聚类，将得到的像素聚 类结果，按照对数比值差异图Xl或均值比值差异图Xm中对应像素的排列顺序， 恢复为原始图像的尺寸，得到最终的变化检测结果图，输出结果；
流量检测模块，与单片机控制模块连接，用于通过流量计检测单位时间水 泥沙流量；
光谱检测模块，与单片机控制模块连接，用于通过光源、光敏元件对泥沙 进光谱检测；
单片机控制模块，与图像采集模块、流量检测模块、光谱检测模块、图像 处理模块、含量测算模块、光谱分析模块、显示模块连接，用于控制调度各个 工作模块；
图像处理模块，与单片机控制模块连接，用于对图像采集模块采集图像进 行处理分析；
所述图像处理模块的数字图像的合成方法，具有摄影设备，通过所述摄影 设备分别获取曝光时长不同的两幅图像，包括以下步骤：
S1将曝光时间长的图像与曝光时间短的图像分别标记为H图像与L图像；
S2分别获取所述H图像与L图像的YCbCr三通道分量，并对各个分量进 行梯度计算后得到所述H图像与L图像中每个像素位置的三通道分量梯度值；
S3依次将S2步骤获得的所述H图像与L图像中每同一分量的同一个像素 位置的梯度进行比较并进行权值修改，得出所述H图像与L图像相对应的权值 矩阵；比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与 GCrL(m,n)在相同m，n情况下进行比较，其中，m表示图像H或图像L的第m 行，n表示图像H或图像L的第n列；进行权值修改时，当两个图像梯度差在 最大梯度差的1/3以内时，取相同的权值，即为0.5；反之，当梯度差大于最大梯度差的1/3时，对梯度值大的赋予大于0.5的权值，梯度值小的赋予小于0.5 的权值；最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与 YB(m,n)、CbB(m,n)、CrB(m,n)；
S4将所述H图像与L图像各自的YCbCr三通道分量每个相同像素位置的 像素分别乘以其相对应的权值；
S5将S4获得的乘积进行求和处理，最终得到三通道分量合成新的图像；
含量测算模块，与单片机控制模块连接，用于通过类园型颗粒检测通用软 件对图像中的泥沙含量进行测算；
光谱分析模块，与单片机控制模块连接，用于通过光谱模型分析光谱变化， 得到泥沙含量信息；
沙粒硬度检测模块，与单片机控制模块连接，用于通过传感器对沙粒硬度 检测；
沙粒体积检测模块，与单片机控制模块连接，用于测量沙粒泥沙中沙粒的 体积；
化学检验模块，与单片机控制模块连接，用于测量泥沙中特定的化学成分；
显示模块，与单片机控制模块连接，用于通过显示屏显示检测泥沙含量数 据。
进一步，所述图像处理模块包括：去噪模块、分割模块、图像增强模块；
去噪模块，用于通过信息处理装置中的图像处理专用软件对图像进行去噪 处理；
分割模块，用于通过信息处理装置中的图像处理专用软件对去噪后图像进 行分割处理；
图像增强模块，用于通过图像处理专用软件对分割后图像进行增强处理； 图像增强是为了更好的将图像中的泥沙颗粒与背景分开，从而获取泥沙颗粒的 投影面积比。
进一步，所述含量测算模块测算方法如下：
首先，图像的单取；
其次，图像颗粒粒度分类与计数；对同一时间内各方向同步拍摄的图像中 泥沙颗粒进行分类并计数；
然后，输入预先测定的各组的颗粒粒度当量特征值；各河流的集雨区域内 泥质与岩石质的比重不完全相同，一般对该河流的集雨区域内泥质与岩石质的 粒度当量值预先已经测定；
最后，计算。
本发明的优点及积极效果为：本发明通过图像采集模块、图像处理模块和 含量测算模块利用计算机、图像、通讯等技术手段，对河流中的泥沙含量进行 计算机处理分折和计算，提高监测、测量数据准确性；把水文测量人员从河中 取样的艰辛和危险，烧干、称重、计算的繁琐的劳累中解放出来，测量检测方 便快速；通过光谱检测模块、光谱分析模块、沙粒硬度检测模块、沙粒体积检 测模块和化学检验模块可以准确测量细砂粒、粉砂、粘土等悬移质泥沙的含量 以及其他物理信息及化学信息。
附图说明
图1是本发明实施例提供的河流防沙化检测系统结构框图
图2是本发明实施例提供的河流防沙化检测系统结构显示模块示意图。
图中：1、图像采集模块；2、流量检测模块；3、光谱检测模块；4、单片 机控制模块；5、图像处理模块；6、含量测算模块；7、光谱分析模块；8、显 示模块；9、沙粒硬度检测模块；10、沙粒体积检测模块；11、化学检验模块； 12、按钮。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，例举以下实施例，并配 合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的河流防沙化检测系统包括：图像采集模 块1、流量检测模块2、光谱检测模块3、单片机控制模块4、图像处理模块5、 含量测算模块6、光谱分析模块7、显示模块8、沙粒硬度检测模块9，沙粒体 积检测模块10，化学检验模块11。
图像采集模块1，与单片机控制模块4连接，用于通过摄影机在同一时间内 必须同步对水样进行图像拍摄；
流量检测模块2，与单片机控制模块4连接，用于通过流量计检测单位时间 水泥沙流量；
光谱检测模块3，与单片机控制模块4连接，用于通过光源、光敏元件对泥 沙进光谱检测；
单片机控制模块4，与图像采集模块1、流量检测模块2、光谱检测模块3、 图像处理模块5、含量测算模块6、光谱分析模块7、显示模块8连接，用于控 制调度各个工作模块；
图像处理模块5，与单片机控制模块4连接，用于对图像采集模块1采集图 像进行处理分析；
含量测算模块6，与单片机控制模块4连接，用于通过类园型颗粒检测通用 软件对图像中的泥沙含量进行测算；
光谱分析模块7，与单片机控制模块4连接，用于通过光谱模型分析光谱变 化，得到泥沙含量信息；
沙粒硬度检测模块9，与单片机控制模块4连接，用于通过传感器对沙粒硬 度检测；
沙粒体积检测模块10，与单片机控制模块4连接，用于测量沙粒泥沙中沙 粒的体积；
化学检验模块11，与单片机控制模块4连接，用于测量泥沙中特定的化学 成分
显示模块8，与单片机控制模块4连接，用于通过显示屏显示检测泥沙含量 数据。
所述图像采集模块的图像变化检测方法包括：
(1)对同一地域不同时间的两幅SAR原始图像分别进行去噪处理，得到 去噪后图像I1和去噪后图像I2；
(2)分别利用对数比算子和均值比算子，对得到的去噪后图像I1和去噪后 图像I2进行运算，得到对数比值差异图Xl和均值比值差异图Xm，计算公式如下：
其中，μ1，μ2分别表示I1和I2的局部均值；
(3)对得到的对数比值差异图Xl和均值比值差异图Xm进行特征描述，得 到对应的特征描述矩阵XL和特征描述矩阵XM；
(4)对得到的特征描述矩阵XL和特征描述矩阵XM，利用各列向量的欧氏 距离度量其相似度，分别构造对应的相似度矩阵，亲和矩阵W1和W2；
(5)对得到的亲和矩阵W1和W2，利用基于亲和矩阵融合谱聚类方法对其进 行聚类；
(6)使用k-means聚类方法将输出的特征向量f进行聚类，将得到的像素聚 类结果，按照对数比值差异图Xl或均值比值差异图Xm中对应像素的排列顺序， 恢复为原始图像的尺寸，得到最终的变化检测结果图，输出结果；
所述图像处理模块的数字图像的合成方法，具有摄影设备，通过所述摄影 设备分别获取曝光时长不同的两幅图像，包括以下步骤：
S1将曝光时间长的图像与曝光时间短的图像分别标记为H图像与L图像；
S2分别获取所述H图像与L图像的YCbCr三通道分量，并对各个分量进 行梯度计算后得到所述H图像与L图像中每个像素位置的三通道分量梯度值；
S3依次将S2步骤获得的所述H图像与L图像中每同一分量的同一个像素 位置的梯度进行比较并进行权值修改，得出所述H图像与L图像相对应的权值 矩阵；比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与 GCrL(m,n)在相同m，n情况下进行比较，其中，m表示图像H或图像L的第m 行，n表示图像H或图像L的第n列；进行权值修改时，当两个图像梯度差在 最大梯度差的1/3以内时，取相同的权值，即为0.5；反之，当梯度差大于最大梯度差的1/3时，对梯度值大的赋予大于0.5的权值，梯度值小的赋予小于0.5 的权值；最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与 YB(m,n)、CbB(m,n)、CrB(m,n)；
S4将所述H图像与L图像各自的YCbCr三通道分量每个相同像素位置的 像素分别乘以其相对应的权值；
S5将S4获得的乘积进行求和处理，最终得到三通道分量合成新的图像；
本发明提供的图像处理模块5包括：去噪模块、分割模块、图像增强模块；
去噪模块，用于通过信息处理装置中的图像处理专用软件对图像进行去噪 处理；
分割模块，用于通过信息处理装置中的图像处理专用软件对去噪后图像进 行分割处理；
图像增强模块，用于通过图像处理专用软件对分割后图像进行增强处理； 图像增强是为了更好的将图像中的泥沙颗粒与背景分开，从而获取泥沙颗粒的 投影面积比。
本发明提供的含量测算模块6测算方法如下：
首先，图像的单取；
其次，图像颗粒粒度分类与计数；对同一时间内各方向同步拍摄的图像中 泥沙颗粒进行分类并计数；
然后，输入预先测定的各组的颗粒粒度当量特征值；各河流的集雨区域内 泥质与岩石质的比重不完全相同，一般对该河流的集雨区域内泥质与岩石质的 粒度当量值预先已经测定；
最后，计算。
本发明检测时，通过图像采集模块1在同一时间内必须同步对水样进行图 像拍摄；通过流量检测模块2检测单位时间水泥沙流量；通过光谱检测模块3 对泥沙进光谱检测；单片机控制模块4启动图像处理模块5对图像采集模块1 采集图像进行处理分析；接着，通过含量测算模块6对图像中的泥沙含量进行 测算；通过光谱分析模块7分析光谱变化，得到泥沙含量信息；通过沙粒硬度 检测模块9，沙粒体积检测模块10，化学检验模块11分别进行硬度、体积和化 学成分的检测。最后，通过显示模块8显示检测泥沙含量数据。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的 限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变 化与修饰，均属于本发明技术方案的范围内。

Claims (3)

1.一种河流防沙化检测系统，其特征在于，所述河流防沙化检测系统包括：
图像采集模块，与单片机控制模块连接，用于通过摄影机在同一时间内必须同步对水样进行图像拍摄；
所述图像采集模块的图像变化检测方法包括：
(1)对同一地域不同时间的两幅SAR原始图像分别进行去噪处理，得到去噪后图像I1和去噪后图像I2；
(2)分别利用对数比算子和均值比算子，对得到的去噪后图像I1和去噪后图像I2进行运算，得到对数比值差异图Xl和均值比值差异图Xm，计算公式如下：
其中，μ1，μ2分别表示I1和I2的局部均值；
(3)对得到的对数比值差异图Xl和均值比值差异图Xm进行特征描述，得到对应的特征描述矩阵XL和特征描述矩阵XM；
(4)对得到的特征描述矩阵XL和特征描述矩阵XM，利用各列向量的欧氏距离度量其相似度，分别构造对应的相似度矩阵，亲和矩阵W1和W2；
(5)对得到的亲和矩阵W1和W2，利用基于亲和矩阵融合谱聚类方法对其进行聚类；
(6)使用k-means聚类方法将输出的特征向量f进行聚类，将得到的像素聚类结果，按照对数比值差异图Xl或均值比值差异图Xm中对应像素的排列顺序，恢复为原始图像的尺寸，得到最终的变化检测结果图，输出结果；
流量检测模块，与单片机控制模块连接，用于通过流量计检测单位时间水泥沙流量；
光谱检测模块，与单片机控制模块连接，用于通过光源、光敏元件对泥沙进光谱检测；
单片机控制模块，与图像采集模块、流量检测模块、光谱检测模块、图像处理模块、含量测算模块、光谱分析模块、显示模块连接，用于控制调度各个工作模块；
图像处理模块，与单片机控制模块连接，用于对图像采集模块采集图像进行处理分析；
所述图像处理模块的数字图像的合成方法，具有摄影设备，通过所述摄影设备分别获取曝光时长不同的两幅图像，包括以下步骤：
S1将曝光时间长的图像与曝光时间短的图像分别标记为H图像与L图像；
S2分别获取所述H图像与L图像的YCbCr三通道分量，并对各个分量进行梯度计算后得到所述H图像与L图像中每个像素位置的三通道分量梯度值；
S3依次将S2步骤获得的所述H图像与L图像中每同一分量的同一个像素位置的梯度进行比较并进行权值修改，得出所述H图像与L图像相对应的权值矩阵；比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与GCrL(m,n)在相同m，n情况下进行比较，其中，m表示图像H或图像L的第m行，n表示图像H或图像L的第n列；进行权值修改时，当两个图像梯度差在最大梯度差的1/3以内时，取相同的权值，即为0.5；反之，当梯度差大于最大梯度差的1/3时，对梯度值大的赋予大于0.5的权值，梯度值小的赋予小于0.5的权值；最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与YB(m,n)、CbB(m,n)、CrB(m,n)；
S4将所述H图像与L图像各自的YCbCr三通道分量每个相同像素位置的像素分别乘以其相对应的权值；
S5将S4获得的乘积进行求和处理，最终得到三通道分量合成新的图像；
含量测算模块，与单片机控制模块连接，用于通过类园型颗粒检测通用软件对图像中的泥沙含量进行测算；
光谱分析模块，与单片机控制模块连接，用于通过光谱模型分析光谱变化，得到泥沙含量信息；
沙粒硬度检测模块，与单片机控制模块连接，用于通过传感器对沙粒硬度检测；
沙粒体积检测模块，与单片机控制模块连接，用于测量沙粒泥沙中沙粒的体积；
化学检验模块，与单片机控制模块连接，用于测量泥沙中特定的化学成分；
显示模块，与单片机控制模块连接，用于通过显示屏显示检测泥沙含量数据。
2.如权利要求1所述的河流防沙化检测系统，其特征在于，所述图像处理模块包括：去噪模块、分割模块、图像增强模块；
去噪模块，用于通过信息处理装置中的图像处理专用软件对图像进行去噪处理；
分割模块，用于通过信息处理装置中的图像处理专用软件对去噪后图像进行分割处理；
图像增强模块，用于通过图像处理专用软件对分割后后图像进行增强处理；图像增强是为了更好的将图像中的泥沙颗粒与背景分开，从而获取泥沙颗粒的投影面积比。
3.如权利要求1所述的河流防沙化检测系统，其特征在于，所述含量测算模块测算方法如下：
首先，图像的单取；
其次，图像颗粒粒度分类与计数；对同一时间内各方向同步拍摄的图像中泥沙颗粒进行分类并计数；
然后，输入预先测定的各组的颗粒粒度当量特征值；各河流的集雨区域内泥质与岩石质的比重不完全相同，一般对该河流的集雨区域内泥质与岩石质的粒度当量值预先已经测定；
最后，计算。
CN201810438160.2A 2018-05-09 2018-05-09 一种河流防沙化检测系统 Pending CN108663679A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810438160.2A CN108663679A (zh) 2018-05-09 2018-05-09 一种河流防沙化检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810438160.2A CN108663679A (zh) 2018-05-09 2018-05-09 一种河流防沙化检测系统

Publications (1)

Publication Number Publication Date
CN108663679A true CN108663679A (zh) 2018-10-16

Family

ID=63778259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810438160.2A Pending CN108663679A (zh) 2018-05-09 2018-05-09 一种河流防沙化检测系统

Country Status (1)

Country Link
CN (1) CN108663679A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118566228A (zh) * 2024-07-31 2024-08-30 中交第一航务工程勘察设计院有限公司 一种识别无色液体含沙量的方法、装置、设备和存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104007273A (zh) * 2014-05-24 2014-08-27 肖英 一种河流泥沙含量的监测设备及其测算方法
RU2013108863A (ru) * 2013-02-27 2014-09-10 Шлюмберже Текнолоджи Б.В. Устройство для измерения параметров оседания частиц в текучей среде
CN104301636A (zh) * 2014-10-30 2015-01-21 西安电子科技大学 低复杂度高效高动态数字图像的合成方法
CN204154728U (zh) * 2014-10-09 2015-02-11 广西大学 河水中泥沙含量自动测量及数据记录装置
CN104568643A (zh) * 2015-01-07 2015-04-29 黑龙江省水土保持科学研究院 一种通过测量水样体积和重量计算含沙量的方法
CN205691168U (zh) * 2016-06-22 2016-11-16 北京天航佳德科技有限公司 径流小区泥沙自动监测系统
CN206497031U (zh) * 2017-02-16 2017-09-15 山东科瑞特自动化装备有限责任公司 一种便携式河流泥沙计
CN107392863A (zh) * 2017-06-30 2017-11-24 西安电子科技大学 基于亲和矩阵融合谱聚类方法的sar图像变化检测方法
CN107478806A (zh) * 2017-08-31 2017-12-15 贵州师范大学 一种喀斯特地下泥沙监测及接收装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2013108863A (ru) * 2013-02-27 2014-09-10 Шлюмберже Текнолоджи Б.В. Устройство для измерения параметров оседания частиц в текучей среде
CN104007273A (zh) * 2014-05-24 2014-08-27 肖英 一种河流泥沙含量的监测设备及其测算方法
CN204154728U (zh) * 2014-10-09 2015-02-11 广西大学 河水中泥沙含量自动测量及数据记录装置
CN104301636A (zh) * 2014-10-30 2015-01-21 西安电子科技大学 低复杂度高效高动态数字图像的合成方法
CN104568643A (zh) * 2015-01-07 2015-04-29 黑龙江省水土保持科学研究院 一种通过测量水样体积和重量计算含沙量的方法
CN205691168U (zh) * 2016-06-22 2016-11-16 北京天航佳德科技有限公司 径流小区泥沙自动监测系统
CN206497031U (zh) * 2017-02-16 2017-09-15 山东科瑞特自动化装备有限责任公司 一种便携式河流泥沙计
CN107392863A (zh) * 2017-06-30 2017-11-24 西安电子科技大学 基于亲和矩阵融合谱聚类方法的sar图像变化检测方法
CN107478806A (zh) * 2017-08-31 2017-12-15 贵州师范大学 一种喀斯特地下泥沙监测及接收装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
傅开道等: "澜沧江中下游水库泥沙重金属分布及其污染评价", 《生态经济》 *
雷帆等: "泥沙颗粒表面力学及摩擦性能测试分析", 《硅酸盐通报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118566228A (zh) * 2024-07-31 2024-08-30 中交第一航务工程勘察设计院有限公司 一种识别无色液体含沙量的方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
Dugdale et al. Aerial photosieving of exposed gravel bars for the rapid calibration of airborne grain size maps
Carbonneau et al. Catchment‐scale mapping of surface grain size in gravel bed rivers using airborne digital imagery
Kwon et al. Hyperspectral retrievals of suspended sediment using cluster-based machine learning regression in shallow waters
Black et al. Mapping sub‐pixel fluvial grain sizes with hyperspatial imagery
Baptista et al. A new and practical method to obtain grain size measurements in sandy shores based on digital image acquisition and processing
Silvestri et al. Salt marsh vegetation radiometry: Data analysis and scaling
Kwon et al. Investigating mixing patterns of suspended sediment in a river confluence using high-resolution hyperspectral imagery
CN107369163B (zh) 一种基于最佳熵双阈值分割的快速sar图像目标检测方法
Groom et al. Evaluation of DEM size and grid spacing for fluvial patch-scale roughness parameterisation
Purinton et al. Tracking downstream variability in large grain‐size distributions in the south‐Central Andes
CN108663679A (zh) 一种河流防沙化检测系统
Gwon et al. Estimation of shallow stream bathymetry under varying suspended sediment concentrations and compositions using hyperspectral imagery
Osorio-Cano et al. A method for extracting surface flow velocities and discharge volumes from video images in laboratory
Wang et al. In-situ long-period monitoring of suspended particulate matter dynamics in deep sea with digital video images
Orrú et al. Image analysis for measuring the size stratification in sand–gravel laboratory experiments
Tysmans et al. Size and shape analysis of sedimentary grains by automated dynamic image analysis
Deng et al. Fine sediment dynamics over a gravel bar. Part 1: Validation of a new image-based segmentation method
CN109269993A (zh) 一种溶解氧的识别方法、装置、存储介质及设备
Smikrud et al. Decision-based fusion for improved fluvial landscape classification using digital aerial photographs and forward looking infrared images
Wong et al. Grain size estimation in fluvial gravel bars using uncrewed aerial vehicles: A comparison between methods based on imagery and topography
Pentari et al. Feature analysis on river flow video data for floating tracers detection
Zhang An indicator and min-cost approach for shoreline extraction from satellite imagery in muddy coasts
Biswas et al. Modified Gradient Based Method for Mapping Sandbars in Mega-Sized Braided River Using Modis Image
Chen et al. Application of UAV-based PIV to Rivers
Orrú et al. Image analysis for measuring stratigraphy in sand-gravel laboratory experiments

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181016

RJ01 Rejection of invention patent application after publication