CN112819817A - 基于图计算的河流流速估计方法 - Google Patents
基于图计算的河流流速估计方法 Download PDFInfo
- Publication number
- CN112819817A CN112819817A CN202110216290.3A CN202110216290A CN112819817A CN 112819817 A CN112819817 A CN 112819817A CN 202110216290 A CN202110216290 A CN 202110216290A CN 112819817 A CN112819817 A CN 112819817A
- Authority
- CN
- China
- Prior art keywords
- water flow
- image
- river
- video
- flow velocity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 111
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000009434 installation Methods 0.000 claims abstract description 5
- 230000015271 coagulation Effects 0.000 claims description 12
- 238000005345 coagulation Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 7
- 238000003703 image analysis method Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000003672 processing method Methods 0.000 abstract 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002265 prevention 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于图计算的河流流速估计方法，包括如下步骤：勘测所需监测目标河流的周边环境，然后选择合适的安装位置安装及配置摄像头；摄像头间隔时间段拍摄河流表面的水流视频，将水流视频存储到分布式数据库中，并将水流视频传输至视频处理平台；视频处理平台对利用视频处理软件逐帧截取水流图像，将同一流速范围内的水流图像归为同一类；将截取水流图像进行降噪处理，并调节水流图像的图像质量；提取水流图像的特征轮廓信息。本发明通过视频监控图像处理的方法代替人工测量，能够有效的保证人员的安全，只通过提取河流表面影像帧图像中的水流特征进行分类识别即可快速方便的估计出河流表面流速。
Description
技术领域
本发明涉及河流流速估计技术领域，尤其涉及基于图计算的河流流速估计方法。
背景技术
我国河流众多，河流的综合利用在国家经济社会发展中占有重要的地位。由于我国国土面积大，地形复杂，降雨量分布不均，往往有些地方发生洪涝灾害。在20世纪，我国就发生过三次较大洪水，每次都给国家和人民造成巨大损失。还有每到雨季时节，受到持续强降雨的影响，长江流域有些地方就会发生超警戒水位，给人们的财产和生命带来威胁。尽管这些我们无法控制，但是我们可以通过采取一些措施进行预防，使国家和人民的损失降到最低。国家建立许多水文站对许多河流进行水文信息的监测，水文监测就是对江河水的动态进行长期、持续的观察测量，记录水资源的变化规律，为水资源合理调度利用以及防汛抗洪等提供了准确的水文信息。
然而，河流流速的测量往往采用是人工投放浮标，利用秒表、对讲机、经纬仪等这些工具对浮标流过距离和使用时间进行确定，来计算河流的流速，该方法不能保证监测人员的生命安全；测量时由于人为因素大，测量结果准确性不高。
发明内容
基于背景技术存在的技术问题，本发明提出了基于图计算的河流流速估计方法。
本发明提出的基于图计算的河流流速估计方法，包括如下步骤：
S1勘测所需监测目标河流的周边环境，然后选择合适的安装位置安装及配置摄像头；
S2摄像头间隔时间段拍摄河流表面的水流视频，将水流视频存储到分布式数据库中，并将水流视频传输至视频处理平台；
S3视频处理平台对利用视频处理软件逐帧截取水流图像，将同一流速范围内的水流图像归为同一类；
S4将截取水流图像进行降噪处理，并调节水流图像的图像质量；
S5提取水流图像的特征轮廓信息，并利用聚类处理对水流图像的特征轮廓信息进行分类处理；
S6通过压缩感知图像分析方法对分类处理后的水流图像特征轮廓信息数据进行建模，利用所建模型实时获取测试水流图像的类别标签；进而，依据所得类别标签对应关系映射表得到流速范围。
优选的，所述步骤S1之前先建立构建不同天气调节下的河流表面水流所代表的不同特征数据的特征数据库。
优选的，所述步骤S5提取水流图像的特征轮廓信息：以特征数据库作为依据，识别出水流图像的特征轮廓信息，并进行图像分类。
优选的，所述步骤S4之前，对水流图像进行预处理：对水流图像进行灰度化、直方图均衡、对比度增强、降维预处理，同时，对水流图像做颜色校正处理。
优选的，所述步骤S4降噪处理：通过利用色调映射方法并采用16比特浮点数据表征各帧原始图像中的每一个像素点，从而准确显示所融合后的高动态范围图像。
优选的，所述步骤S4调节水流图像的图像质量：获取待处理水流图像，并从待处理水流图像中截取多张子图像，子图像中包含水流特征，分别计算每张子图像对应的水流凝聚度，水流凝聚度用来表征所述子图像中各个水流之间的凝聚程度，确定最高的水流凝聚度对应的子图像，为调节后的水流图像。
优选的，所述步骤S5提取水流图像的特征轮廓信息之前，通过对水流图像进行降维处理，降维处理有效去除冗余信息，提取有用特征，提高识别的效率。
优选的，所述步骤S3对截取水流图像进行形态学腐蚀处理，解决水面波纹的干扰，消除前景中的斑点噪声。
本发明中，所述基于图计算的河流流速估计方法，通过视频监控图像处理的方法代替人工测量，能够有效的保证人员的安全，只通过提取河流表面影像帧图像中的水流特征进行分类识别即可快速方便的估计出河流表面流速。
附图说明
图1为本发明提出的基于图计算的河流流速估计方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1，基于图计算的河流流速估计方法，包括如下步骤：
S1勘测所需监测目标河流的周边环境，然后选择合适的安装位置安装及配置摄像头；
S2摄像头间隔时间段拍摄河流表面的水流视频，将水流视频存储到分布式数据库中，并将水流视频传输至视频处理平台；
S3视频处理平台对利用视频处理软件逐帧截取水流图像，将同一流速范围内的水流图像归为同一类；
S4将截取水流图像进行降噪处理，并调节水流图像的图像质量；
S5提取水流图像的特征轮廓信息，并利用聚类处理对水流图像的特征轮廓信息进行分类处理；
S6通过压缩感知图像分析方法对分类处理后的水流图像特征轮廓信息数据进行建模，利用所建模型实时获取测试水流图像的类别标签；进而，依据所得类别标签对应关系映射表得到流速范围。
本发明中，步骤S1之前先建立构建不同天气调节下的河流表面水流所代表的不同特征数据的特征数据库。
本发明中，步骤S5提取水流图像的特征轮廓信息：以特征数据库作为依据，识别出水流图像的特征轮廓信息，并进行图像分类。
本发明中，步骤S4之前，对水流图像进行预处理：对水流图像进行灰度化、直方图均衡、对比度增强、降维预处理，同时，对水流图像做颜色校正处理。
本发明中，步骤S4降噪处理：通过利用色调映射方法并采用16比特浮点数据表征各帧原始图像中的每一个像素点，从而准确显示所融合后的高动态范围图像。
本发明中，步骤S4调节水流图像的图像质量：获取待处理水流图像，并从待处理水流图像中截取多张子图像，子图像中包含水流特征，分别计算每张子图像对应的水流凝聚度，水流凝聚度用来表征子图像中各个水流之间的凝聚程度，确定最高的水流凝聚度对应的子图像，为调节后的水流图像。
本发明中，步骤S5提取水流图像的特征轮廓信息之前，通过对水流图像进行降维处理，降维处理有效去除冗余信息，提取有用特征，提高识别的效率。
本发明中，步骤S3对截取水流图像进行形态学腐蚀处理，解决水面波纹的干扰，消除前景中的斑点噪声。
本发明：勘测所需监测目标河流的周边环境，然后选择合适的安装位置安装及配置摄像头；摄像头间隔时间段拍摄河流表面的水流视频，将水流视频存储到分布式数据库中，并将水流视频传输至视频处理平台；视频处理平台对利用视频处理软件逐帧截取水流图像，将同一流速范围内的水流图像归为同一类；将截取水流图像进行降噪处理，并调节水流图像的图像质量；提取水流图像的特征轮廓信息，并利用聚类处理对水流图像的特征轮廓信息进行分类处理；通过压缩感知图像分析方法对分类处理后的水流图像特征轮廓信息数据进行建模，利用所建模型实时获取测试水流图像的类别标签；进而，依据所得类别标签对应关系映射表得到流速范围。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (8)
1.基于图计算的河流流速估计方法，其特征在于，包括如下步骤：
S1勘测所需监测目标河流的周边环境，然后选择合适的安装位置安装及配置摄像头；
S2摄像头间隔时间段拍摄河流表面的水流视频，将水流视频存储到分布式数据库中，并将水流视频传输至视频处理平台；
S3视频处理平台对利用视频处理软件逐帧截取水流图像，将同一流速范围内的水流图像归为同一类；
S4将截取水流图像进行降噪处理，并调节水流图像的图像质量；
S5提取水流图像的特征轮廓信息，并利用聚类处理对水流图像的特征轮廓信息进行分类处理；
S6通过压缩感知图像分析方法对分类处理后的水流图像特征轮廓信息数据进行建模，利用所建模型实时获取测试水流图像的类别标签；进而，依据所得类别标签对应关系映射表得到流速范围。
2.根据权利要求1所述的基于图计算的河流流速估计方法，其特征在于，所述步骤S1之前先建立构建不同天气调节下的河流表面水流所代表的不同特征数据的特征数据库。
3.根据权利要求1所述的基于图计算的河流流速估计方法，其特征在于，所述步骤S5提取水流图像的特征轮廓信息：以特征数据库作为依据，识别出水流图像的特征轮廓信息，并进行图像分类。
4.根据权利要求1所述的基于图计算的河流流速估计方法，其特征在于，所述步骤S4之前，对水流图像进行预处理：对水流图像进行灰度化、直方图均衡、对比度增强、降维预处理，同时，对水流图像做颜色校正处理。
5.根据权利要求1所述的基于图计算的河流流速估计方法，其特征在于，所述步骤S4降噪处理：通过利用色调映射方法并采用16比特浮点数据表征各帧原始图像中的每一个像素点，从而准确显示所融合后的高动态范围图像。
6.根据权利要求1所述的基于图计算的河流流速估计方法，其特征在于，所述步骤S4调节水流图像的图像质量：获取待处理水流图像，并从待处理水流图像中截取多张子图像，子图像中包含水流特征，分别计算每张子图像对应的水流凝聚度，水流凝聚度用来表征所述子图像中各个水流之间的凝聚程度，确定最高的水流凝聚度对应的子图像，为调节后的水流图像。
7.根据权利要求1所述的基于图计算的河流流速估计方法，其特征在于，所述步骤S5提取水流图像的特征轮廓信息之前，通过对水流图像进行降维处理，降维处理有效去除冗余信息，提取有用特征，提高识别的效率。
8.根据权利要求1所述的基于图计算的河流流速估计方法，其特征在于，所述步骤S3对截取水流图像进行形态学腐蚀处理，解决水面波纹的干扰，消除前景中的斑点噪声。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110216290.3A CN112819817A (zh) | 2021-02-26 | 2021-02-26 | 基于图计算的河流流速估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110216290.3A CN112819817A (zh) | 2021-02-26 | 2021-02-26 | 基于图计算的河流流速估计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112819817A true CN112819817A (zh) | 2021-05-18 |
Family
ID=75864021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110216290.3A Pending CN112819817A (zh) | 2021-02-26 | 2021-02-26 | 基于图计算的河流流速估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112819817A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116577772A (zh) * | 2023-07-14 | 2023-08-11 | 无锡航征科技有限公司 | 流速测量方法、流速流量仪、计算机设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160225162A1 (en) * | 2015-01-30 | 2016-08-04 | Raytheon Company | Apparatus and processes for estimating river velocity |
| CN106156734A (zh) * | 2016-06-28 | 2016-11-23 | 浙江工业大学 | 一种基于卷积神经网络图像识别的水流测速方法 |
| CN107590819A (zh) * | 2017-08-03 | 2018-01-16 | 浙江工业大学 | 一种基于压缩感知图像分析的河流表面流速估计方法 |
| CN109827554A (zh) * | 2018-08-02 | 2019-05-31 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于视频所测河流表面流速结合水力模型的河流流量测验方法 |
| CN112149597A (zh) * | 2020-09-29 | 2020-12-29 | 中国水利水电科学研究院 | 一种基于深度学习的河流表面流速检测方法 |
-
2021
- 2021-02-26 CN CN202110216290.3A patent/CN112819817A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160225162A1 (en) * | 2015-01-30 | 2016-08-04 | Raytheon Company | Apparatus and processes for estimating river velocity |
| CN106156734A (zh) * | 2016-06-28 | 2016-11-23 | 浙江工业大学 | 一种基于卷积神经网络图像识别的水流测速方法 |
| CN107590819A (zh) * | 2017-08-03 | 2018-01-16 | 浙江工业大学 | 一种基于压缩感知图像分析的河流表面流速估计方法 |
| CN109827554A (zh) * | 2018-08-02 | 2019-05-31 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于视频所测河流表面流速结合水力模型的河流流量测验方法 |
| CN112149597A (zh) * | 2020-09-29 | 2020-12-29 | 中国水利水电科学研究院 | 一种基于深度学习的河流表面流速检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王万良;邱虹;郑建炜;: "基于压缩感知图像分析的河流表面流速估计方法", 水力发电学报, no. 05, pages 1 - 2 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116577772A (zh) * | 2023-07-14 | 2023-08-11 | 无锡航征科技有限公司 | 流速测量方法、流速流量仪、计算机设备及存储介质 |
| CN116577772B (zh) * | 2023-07-14 | 2023-09-12 | 无锡航征科技有限公司 | 流速测量方法、流速流量仪、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107633516B (zh) | 一种识别路面变形类病害的方法和装置 | |
| CN107506798B (zh) | 一种基于图像识别的水位监测方法 | |
| CN111798386B (zh) | 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 | |
| CN110378865A (zh) | 一种复杂背景下的雾天能见度智能分级识别方法及系统 | |
| JP2021531449A (ja) | Ｃｃｔｖ映像基盤のリアルタイム自動流量計側システムおよび方法 | |
| CN109801327B (zh) | 一种基于视频数据的城市内涝积水深度信息提取方法 | |
| CN103442209A (zh) | 一种输电线路的视频监控方法 | |
| CN105279772B (zh) | 一种红外序列图像的可跟踪性判别方法 | |
| CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
| Osorio et al. | An algorithm for the measurement of shoreline and intertidal beach profiles using video imagery: PSDM | |
| CN106156758B (zh) | 一种sar海岸图像中海岸线提取方法 | |
| CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
| CN108764132B (zh) | 一种湖泊湿地遥感图像误差检测方法 | |
| Royem et al. | Proposing a low-tech, affordable, accurate stream stage monitoring system | |
| CN116258608B (zh) | 融合gis和bim三维技术的水利实时监测信息管理系统 | |
| CN107798293A (zh) | 一种道路裂缝检测装置 | |
| CN109186706A (zh) | 一种用于城市雨洪淹没区预警的方法 | |
| CN107967681A (zh) | 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法 | |
| CN114639064B (zh) | 一种水位识别方法及装置 | |
| CN115060343B (zh) | 一种基于点云的河流水位检测系统、检测方法 | |
| CN107977531B (zh) | 一种基于图像处理和数学模型的接地电阻软测量方法 | |
| CN115035182B (zh) | 一种山区滑坡灾害预警方法及系统 | |
| CN112819817A (zh) | 基于图计算的河流流速估计方法 | |
| CN114494845A (zh) | 一种用于施工项目现场人工智能隐患排查系统及其排查方法 | |
| CN104123569B (zh) | 一种基于有监督学习的视频人数信息统计方法 |
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 |