CN111062978A - 基于频域滤波技术的时空图像测流的纹理识别方法 - Google Patents
基于频域滤波技术的时空图像测流的纹理识别方法 Download PDFInfo
- Publication number
- CN111062978A CN111062978A CN201911180489.4A CN201911180489A CN111062978A CN 111062978 A CN111062978 A CN 111062978A CN 201911180489 A CN201911180489 A CN 201911180489A CN 111062978 A CN111062978 A CN 111062978A
- Authority
- CN
- China
- Prior art keywords
- spatio
- temporal image
- frequency spectrum
- image
- spectrum
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001914 filtration Methods 0.000 title claims abstract description 26
- 238000005259 measurement Methods 0.000 title claims abstract description 19
- 238000005516 engineering process Methods 0.000 title claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims abstract description 64
- 230000010354 integration Effects 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000013519 translation Methods 0.000 claims abstract description 7
- 238000010276 construction Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 7
- 238000000691 measurement method Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 5
- 238000005311 autocorrelation function Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于频域滤波技术的时空图像测流的纹理识别方法,该方法的特征在于,包括:步骤1.读取时空图像,并对该时空图像进行窗函数处理;步骤2.频谱构建:由快速二维离散傅里叶变换、中心平移和幅度谱计算得到经窗函数处理的时空图像的频谱图;步骤3.径向积分求频谱主方向;步骤4.根据频谱主方向设置滤波器的阈值与形状进行滤波处理;步骤5.对滤波处理后的时空图像频谱进行反中心平移、二维离散傅里叶反变换得到无噪声的时空图像纹理。本方法能够有效去除时空图像中的噪声,识别出清晰的时空图像纹理,进而提升时空图像流速测量法的鲁棒性、适用性以及准确性,能够适应各种恶劣复杂水面成像条件下表面流速的监测。
Description
技术领域
本发明属于流场测量技术领域,具体涉及一种基于频域滤波技术的时空图像测流的纹理识别方法。
技术背景
时空图像流速测量法(STIV)是一种以河流表面图像为分析对象、通过检测合成的时空图像的纹理主方向来获取一维时均流速的非接触式测量方法。由于具有空间分辨率高、实时性强、安全简便等优点,该方法在河流水面流速、断面流量的实时监测中具有特别的应用潜力。时空图像流速测量法最早于2007年由日本神户大学藤田一郎教授提出,目前已经在日本、澳大利亚等地成功地进行了洪水期间河流流速与流量的监测。该方法由相机标定、图像畸变校正、时空图像生成、纹理主方向识别以及流速计算共五个部分组成,其中,纹理主方向识别是该方法中最重要的环节,直接决定着计算结果的准确性,也是该方法研究的核心与难点。研究者先后提出了灰度梯度张量法、二维自相关函数法、边缘频谱分析法等相关方法来进行纹理主方向识别,但上述方法均存在明显缺点。
天然河道复杂的流动特性以及恶劣的户外测验条件,导致河流水面成像环境复杂且多变。复杂且多变的水面成像环境会使得合成的时空图像中出现大量噪声,从而对于时空图像纹理造成严重干扰。例如,拍摄河流表面时光照的变化、河边植物或河中岩石等障碍物影响、河流表面较大的波浪、水面倒影以及雨滴落在水面形成的干扰涟漪等情况均会使得合成的时空图像包含噪声。上述情况在实际应用中是不可能避免的,所以不同于在理想试验渠道中得到的时空图像,在现实环境中得到的时空图像必然包含大量噪声。灰度梯度张量法通过引入张量分析理论来进行纹理主方向的识别,然而张量分析方法对于噪声是非常敏感的,使用该方法对包含噪声的时空图像进行识别必然会导致偏差甚至错误。二维自相关函数法利用自相关函数来识别纹理主方向,与上一种方法类似,噪声的混入会导致自相关函数的计算发生偏差甚至失效。边缘频谱分析法通过canny算子或者灰度变换对时空图像的纹理进行边缘检测,再对边缘信息的频谱进行分析得到纹理主方向,然而由于噪声的影响,纹理的边缘通常存在严重变形,缺乏稳定可靠的几何特征,使得该方法难以适用。
发明内容
本发明是为了解决上述问题而进行的,目的在于提供一种基于频域滤波技术的时空图像测流的纹理识别方法,能够有效去除时空图像中的噪声,识别出清晰的时空图像纹理,进而提升时空图像流速测量法的鲁棒性、适用性以及准确性。
本发明为了实现上述目的,采用了以下方案:
如图1所示,本发明提供了一种基于频域滤波技术的时空图像测流的纹理识别方法,其特征在于,包括以下步骤:
步骤1.读取原始时空图像,并进行窗函数处理;
步骤2.频谱构建:
由快速二维离散傅里叶变换、中心平移和幅度谱计算得到经窗函数处理的时空图像的频谱图,记为|F(u,v)|;
步骤3.径向积分求频谱主方向:
以频谱图左上角为原点O,向右为x轴正方向,向下为y轴正方向,建立直角坐标系xOy;以O1为原点,向右为极径方向,以沿极径逆时针旋转方向为极角方向,建立极坐标系ρO1θ,极坐标原点O1的坐标由下式确定:
将频谱由直角坐标系|F(x,y)|转换为极坐标系|F(ρ,θ)|,频谱的直角坐标系(x,y)与极坐标系(ρ,θ)的关系如下:
在极角为0°~180°的半圆空间中,以1°为步长,分别计算每一个极角θ下,沿径向的频谱积分值,表达式如下:
其中,积分上限R按照下式计算:
步骤4.根据频谱主方向设置滤波器的阈值与形状进行滤波处理:
设置滤波器的形状为关于极坐标系原点O1中心对称的上下两个扇形,上下两个扇形的半径均为r,半径r按照下式计算:
上下两个扇形的圆心角阈值L按下式计算:
利用该滤波器对频谱进行滤波处理;
步骤5.纹理识别
对滤波处理后的时空图像频谱进行反中心平移、二维离散傅里叶反变换得到无噪声的时空图像纹理。
本发明提供的基于频域滤波技术的时空图像测流的纹理识别方法,还可以具有以下特征:在步骤1中,首先读入一幅原始的时空图像I(m,n),获取该时空图像的尺寸(M×N),其中m与n分别代表图像矩阵行数与列数的自变量,M与N分别为时空图像的行数与列数;根据时空图像尺寸依次生成两个一维窗函数,表达式如下:
利用矩阵乘法,将两个一维窗函数合成二维窗函数w(m,n),表达式如下:
w(m,n)=w(m)′×w(n),
利用点乘运算对时空图像施加二维窗函数,将经过处理的时空图像记为Iw(m,n),表达式如下:
Iw(m,n)=I(m,n)*w(m,n)。
本发明提供的基于频域滤波技术的时空图像测流的纹理识别方法,还可以具有以下特征:在步骤5中,首先,将经过滤波处理的时空图像频谱的原点由频谱中心平移回到频谱左上角;然后,对频谱进行二维离散傅里叶反变换,得到无噪声的时空图像I′(m,n):
式中,F′(u,v)代表经滤波处理过后的频谱。
发明的作用与效果
本发明所提供的基于频域滤波技术的时空图像测流的纹理识别方法首先对测流所用的时空图像进行窗函数处理;之后构建经过窗函数处理的时空图像的频谱;接下来通过径向积分法来求解频谱主方向;然后,根据频谱主方向设置滤波器阈值与形状;最后,对时空图像频谱进行滤波,得到无噪声的时空图像纹理。本发明与之前的时空图像测速法相比具有鲁棒性强、抗噪性能强、适用范围广泛的特点,有效地提升流速测量的准确性,能够适应各种恶劣复杂水面成像条件下表面流速的监测。本方法技术原理清晰、计算简便,将为河流流速、流量实时监测以及水利信息化建设提供有力支撑。
附图说明
图1为本发明提供的基于频域滤波技术的时空图像测流的纹理识别方法的流程图;
图2为本发明实施例中原始时空图像的示意图;
图3为本发明实施例中对经过窗函数处理后的时空图像进行快速二维离散傅里叶变换、中心平移、幅度谱计算生成的频谱图;
图4为本发明实施例中将频谱由直角坐标系转换为极坐标系的示意图;
图5为本发明实施例中所使用的滤波器的示意图;
图6为本发明实施例中使用频率滤波技术处理后的时空图像的示意图。
具体实施方式
以下结合附图对本发明涉及的基于频域滤波技术的时空图像测流的纹理识别方法进行详细地说明。
<实施例>
如图1所示,本实施例所提供的基于频域滤波技术的时空图像测流的纹理识别方法包括以下步骤:
步骤1.窗函数处理
首先读入一幅原始的时空图像I(m,n),原始的时空图像I如图2所示,其中m与n分别代表图像矩阵行数与列数的自变量;然后,获取时空图像尺寸(M×N),其中M与N分别为时空图像的行数与列数;再根据时空图像尺寸依次生成两个一维窗函数,表达式如下:
利用矩阵乘法,将两个一维窗函数合成二维窗函数w(m,n),表达式如下:
w(m,n)=w(m)′×w(n),
利用点乘运算对时空图像施加二维窗函数,将经过处理的时空图像记为Iw(m,n),表达式如下:
Iw(m,n)=I(m,n)*w(m,n),
步骤2.频谱构建
对经过窗函数处理的时空图像进行二维离散傅里叶变换,变换的公式为:
其中,F(u,v)为计算得到的频谱,u与v为频域自变量,j为虚数单位。
再将频谱F(u,v)的原点由频谱左上角平移至频谱中心,并按照下式计算频谱F(u,v)的幅度谱|F(u,v)|:
最终得到的频谱如图3所示。
步骤3.径向积分求频谱主方向
以频谱图左上角为原点O,向右为x轴正方向,向下为y轴正方向,建立直角坐标系xOy;以O1为原点,向右为极径方向,以沿极径逆时针旋转方向为极角方向,建立极坐标系ρO1θ,极坐标原点O1的坐标由下式确定:
将频谱由直角坐标系|F(x,y)|转换为极坐标系|F(ρ,θ)|,如图4所示,频谱的直角坐标系(x,y)与极坐标系(ρ,θ)的关系如下所示:
在极角为0°~180°的半圆空间中,以1°为步长,分别计算每一个极角θ下,沿径向的频谱积分值,表达式如下所示:
其中,积分上限R按照下式计算:
步骤4.滤波处理
设置滤波器的形状为关于极坐标系原点O1中心对称的上下两个扇形,上下两个扇形的半径均为r,半径r按照下式计算:
上下两个扇形的圆心角阈值L按下式计算:
利用上述滤波器对频谱进行滤波处理,滤波处理过后的频谱如图5所示,图中白色部分代表保留的频谱,黑色部分代表滤除的频谱。
步骤5.纹理识别
将经过滤波处理的时空图像频谱的原点由频谱中心平移回到频谱左上角,再对频谱进行二维离散傅里叶反变换:
其中,F′(u,v)代表经滤波处理过后的频谱,I′(m,n)代表经滤波处理后的图像。
得到的无噪声的时空图像I′(m,n)如图6所示。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的基于频域滤波技术的时空图像测流的纹理识别方法,并不仅仅限定于在以上实施例中所描述的内容,而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换,都在本发明的权利要求所要求保护的范围内。
Claims (3)
1.一种基于频域滤波技术的时空图像测流的纹理识别方法,其特征在于,包括以下步骤:
步骤1.读取原始时空图像并进行窗函数处理;
步骤2.频谱构建:
由快速二维离散傅里叶变换、中心平移和幅度谱计算得到经窗函数处理的时空图像的频谱图,记为|F(u,v)|;
步骤3.径向积分求频谱主方向:
以频谱图左上角为原点O,向右为x轴正方向,向下为y轴正方向,建立直角坐标系xOy;以O1为原点,向右为极径方向,以沿极径逆时针旋转方向为极角方向,建立极坐标系ρO1θ,极坐标原点O1的坐标由下式确定:
将频谱由直角坐标系|F(x,y)|转换为极坐标系|F(ρ,θ)|,频谱的直角坐标系(x,y)与极坐标系(ρ,θ)的关系如下:
在极角为0°~180°的半圆空间中,以1°为步长,分别计算每一个极角θ下,沿径向的频谱积分值,表达式如下:
其中,积分上限R按照下式计算:
步骤4.根据频谱主方向设置滤波器的阈值与形状进行滤波处理:
设置滤波器的形状为关于极坐标系原点O1中心对称的上下两个扇形,上下两个扇形的半径均为r,半径r按照下式计算:
上下两个扇形的圆心角阈值L按下式计算:
利用该滤波器对频谱进行滤波处理;
步骤5.纹理识别
对滤波处理后的时空图像频谱进行反中心平移、二维离散傅里叶反变换得到无噪声的时空图像纹理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911180489.4A CN111062978B (zh) | 2019-11-27 | 2019-11-27 | 基于频域滤波技术的时空图像测流的纹理识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911180489.4A CN111062978B (zh) | 2019-11-27 | 2019-11-27 | 基于频域滤波技术的时空图像测流的纹理识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062978A true CN111062978A (zh) | 2020-04-24 |
CN111062978B CN111062978B (zh) | 2022-02-01 |
Family
ID=70298674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911180489.4A Active CN111062978B (zh) | 2019-11-27 | 2019-11-27 | 基于频域滤波技术的时空图像测流的纹理识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062978B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798386A (zh) * | 2020-06-24 | 2020-10-20 | 武汉大学 | 一种基于边缘识别与最大序列密度估计的河道流速测量方法 |
CN112985600A (zh) * | 2021-02-04 | 2021-06-18 | 浙江大学 | 一种基于衍射的光谱编码成像系统和方法 |
CN114397476A (zh) * | 2021-11-15 | 2022-04-26 | 河海大学 | 面向频域时空图像测速的流速有效性识别及修正方法 |
CN114998126A (zh) * | 2022-05-24 | 2022-09-02 | 中国人民解放军国防科技大学 | 一种低波段星载sar图像电离层幅度闪烁条纹去除方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011007861A (ja) * | 2009-06-23 | 2011-01-13 | Fujitsu Ltd | 信号処理装置、信号処理方法、および信号処理プログラム |
CN103996171A (zh) * | 2014-05-05 | 2014-08-20 | 河海大学 | 基于时空图像的流体运动矢量估计方法 |
CN105975909A (zh) * | 2016-04-27 | 2016-09-28 | 湖南工业大学 | 一种基于分形维数的指纹分类方法及指纹三级分类方法 |
CN106027151A (zh) * | 2016-05-11 | 2016-10-12 | 中天宽带技术有限公司 | 一种wdm-pon系统中的基于超窄带谱切分非相干光源和自适应阈值调控的通信装置 |
CN106874870A (zh) * | 2017-02-15 | 2017-06-20 | 厦门大学 | 一种基于傅里叶频谱特征的图像块聚类方法 |
CN110163149A (zh) * | 2019-05-21 | 2019-08-23 | 北京百卓网络技术有限公司 | Lbp特征的获取方法、装置和存储介质 |
-
2019
- 2019-11-27 CN CN201911180489.4A patent/CN111062978B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011007861A (ja) * | 2009-06-23 | 2011-01-13 | Fujitsu Ltd | 信号処理装置、信号処理方法、および信号処理プログラム |
CN103996171A (zh) * | 2014-05-05 | 2014-08-20 | 河海大学 | 基于时空图像的流体运动矢量估计方法 |
CN105975909A (zh) * | 2016-04-27 | 2016-09-28 | 湖南工业大学 | 一种基于分形维数的指纹分类方法及指纹三级分类方法 |
CN106027151A (zh) * | 2016-05-11 | 2016-10-12 | 中天宽带技术有限公司 | 一种wdm-pon系统中的基于超窄带谱切分非相干光源和自适应阈值调控的通信装置 |
CN106874870A (zh) * | 2017-02-15 | 2017-06-20 | 厦门大学 | 一种基于傅里叶频谱特征的图像块聚类方法 |
CN110163149A (zh) * | 2019-05-21 | 2019-08-23 | 北京百卓网络技术有限公司 | Lbp特征的获取方法、装置和存储介质 |
Non-Patent Citations (2)
Title |
---|
ICHIRC FUJITA: "Discharge Measurements of Snomelt Flood by Space-Time Image Velocimetry during the Night Using Far-Infrared Camera", 《WATER》 * |
王慧斌 等: "基于时空图像频谱的时均流场重建方法", 《仪器仪表学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798386A (zh) * | 2020-06-24 | 2020-10-20 | 武汉大学 | 一种基于边缘识别与最大序列密度估计的河道流速测量方法 |
CN111798386B (zh) * | 2020-06-24 | 2022-03-22 | 武汉大学 | 一种基于边缘识别与最大序列密度估计的河道流速测量方法 |
CN112985600A (zh) * | 2021-02-04 | 2021-06-18 | 浙江大学 | 一种基于衍射的光谱编码成像系统和方法 |
CN112985600B (zh) * | 2021-02-04 | 2022-01-04 | 浙江大学 | 一种基于衍射的光谱编码成像系统和方法 |
CN114397476A (zh) * | 2021-11-15 | 2022-04-26 | 河海大学 | 面向频域时空图像测速的流速有效性识别及修正方法 |
CN114397476B (zh) * | 2021-11-15 | 2022-10-14 | 河海大学 | 面向频域时空图像测速的流速有效性识别及修正方法 |
CN114998126A (zh) * | 2022-05-24 | 2022-09-02 | 中国人民解放军国防科技大学 | 一种低波段星载sar图像电离层幅度闪烁条纹去除方法 |
CN114998126B (zh) * | 2022-05-24 | 2024-05-24 | 中国人民解放军国防科技大学 | 一种低波段星载sar图像电离层幅度闪烁条纹去除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111062978B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062978B (zh) | 基于频域滤波技术的时空图像测流的纹理识别方法 | |
CN112254801B (zh) | 一种微小振动视觉测量方法及系统 | |
CN109919960B (zh) | 一种基于多尺度Gabor滤波器的图像连续边缘检测方法 | |
CN112526451A (zh) | 基于麦克风阵列成像的压缩波束形成及系统 | |
CN110796616B (zh) | 基于范数约束和自适应加权梯度的湍流退化图像恢复方法 | |
CN108765476A (zh) | 一种偏振图像配准方法 | |
CN115683431B (zh) | 基于直线跟踪算法的拉索索力确定方法、装置及设备 | |
CN114993452B (zh) | 基于宽带相位运动放大的结构微小振动测量方法与系统 | |
CN111505718A (zh) | 一种高分辨率地下结构保幅成像方法 | |
CN105225216A (zh) | 基于空间距圆标记边缘检测的虹膜预处理算法 | |
CN109118453A (zh) | 一种背景抑制的图像处理方法 | |
CN115775236A (zh) | 基于多尺度特征融合的表面微小缺陷视觉检测方法及系统 | |
CN116153329A (zh) | 一种基于cwt-lbp的声音信号时频纹理特征提取方法 | |
AlAzawee et al. | Using morphological operations—Erosion based algorithm for edge detection | |
Cai et al. | Gaussian mixture model based phase prior learning for video motion estimation | |
CN109272484B (zh) | 一种基于视频图像的降雨检测方法 | |
CN113269691B (zh) | 一种基于卷积稀疏进行噪声仿射拟合的sar图像去噪方法 | |
CN112150474A (zh) | 一种水下气泡图像特征分割提取方法 | |
CN111899196A (zh) | 一种基于经典复原算法的叶片缺陷运动模糊图像复原方法 | |
CN109658357A (zh) | 一种面向遥感卫星图像的去噪方法 | |
CN109785268A (zh) | 一种基于双谱分析优化算法的水下图像复原方法 | |
Peng et al. | Full-field visual vibration measurement of rotating machine under complex conditions via unsupervised retinex model | |
CN114066795A (zh) | Df-sas高低频声呐图像精细配准融合方法 | |
CN113963427A (zh) | 一种快速活体检测的方法与系统 | |
CN112927169A (zh) | 一种基于小波变换和改进的加权核范数最小化的遥感影像去噪方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |