CN113077488A - 一种河流表面流速检测方法和装置 - Google Patents
一种河流表面流速检测方法和装置 Download PDFInfo
- Publication number
- CN113077488A CN113077488A CN202110360610.2A CN202110360610A CN113077488A CN 113077488 A CN113077488 A CN 113077488A CN 202110360610 A CN202110360610 A CN 202110360610A CN 113077488 A CN113077488 A CN 113077488A
- Authority
- CN
- China
- Prior art keywords
- image
- template
- river
- point
- frame
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000006073 displacement reaction Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 42
- 239000002352 surface water Substances 0.000 claims abstract description 41
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000012549 training Methods 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
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Abstract
本发明公开一种河流表面流速检测方法和装置,方法包括:获取连续多帧河流表面水流图像;进行图像预处理得到矢量形式的灰度图像;获取预标记点在图像上的对应点像素坐标,预标记点包括河流范围标记点和多个测速点;根据各测速点的像素坐标信息确定相应模板的位置;对图像和模板进行多层离散小波变换处理,获得时频离散的处理结果图像;分别用各模板与河流表面图像在低频分量区域进行模板匹配,得到各帧图像中分别对应各模板的最佳匹配区域中心点位置;根据最佳匹配区域中心点位置以及对应的模板中心点位置,计算相邻帧之间测速点的实际位移进而结合河流断面数据,计算河流的表面流速。本发明能够适用于各种复杂条件下的待检测环境,并具有环保性和较好的实时性。
Description
技术领域
本发明涉及水文检测技术中的流速测量领域,特别是一种结合时频分析和图像匹配的河流表面流速检测方法和装置。
背景技术
我国江河众多且降水丰富,因此对天然河流、湖泊以及海洋表面流速的实时监测是一个必要的研究工作。对河流表面流速的测量有利于水资源管理,并且可以有效的预防洪涝灾害,保护国家和人民的财产安全。但我国地势复杂,很多河流并不容易测量,特别是在汛期的测量工作更是难以进行。传统流速仪法、声学法和雷达法在这种极端条件下施测时的精确性、时效性和安全性难以保证。而现有的基于图像处理的测流技术大多需要使用人工喷洒示踪粒子,这不仅会造成环境污染也提高了工程成本。
传统的接触式测流方法如专利:一种倒置多普勒流速仪探头测量水体表面流速的测量装置及其使用方法(公开号:CN108196086A),通过布置在水中底泥上方的底座上的多普勒流速仪探头测量河流表面流速,但此方法存在布设困难、人工维护困难等问题。基于图像处理的测流方法如专利:一种基于图像模式识别的河流流速测量方法(公开号:CN106097389A),首先对数据库进行训练得到分类器,然后利用得到的分类器对需测量的图像进行分类识别,进而得到对应河流图像及相应的流速范围,但此方法训练过程计算量大,只能得到河流图像的预估流速范围;一种基于尾流纹路识别的水面流速测量方法(CN109188020A),通过三维欧式距离邻接图的形状预判雷诺数Re的大小,再结合雷诺数预判结果,根据残值的拟合关系反推具体的雷诺数Re,最后得到来流流速;一种河流表面平均流速测量装置及方法(CN106841673A),首先获取获得当前时刻的河流表面图像的运动显著性点或运动显著性区域,然后基于一定时间内每一时刻的运动显著性点或运动显著性区域,获得一定时间内的平均位移,最后根据一定时间内的平均位移以及帧间时间,获得一定时间内的平均流速,此方法虽然无需抛洒示踪物,但需存在运动显著性点或运动显著性区域,如果特征不显著,则算法失效。
发明内容
本发明的目的是提供一种河流表面流速检测方法和装置,结合时频分析与图像匹配技术,实现一种非接触式的流速检测方法,能够适用于各种复杂条件下的待检测环境,并具有环保性和较好的实时性。本发明采用的技术方案如下。
一方面,本发明提供一种河流表面流速检测方法,包括:
获取连续多帧河流表面水流图像;
对获取到的图像进行预处理,得到河流表面水流的灰度图像,将所述灰度图像转换为矢量形式并存储;
获取预标记点在转换后图像上的对应点的像素坐标信息,所述预标记点包括河流范围标记点和多个测速点;
根据各测速点的像素坐标信息确定相应模板的位置,得到模板图像;
对各转换后的图像以及模板图像分别进行多层离散小波变换处理,获得时频离散的处理结果图像;
基于所述处理结果图像,分别用各模板图像的低频分量区域与河流表面水流图像的低频分量区域进行模板匹配,得到各帧河流表面水流图像图像中分别对应各模板的最佳匹配区域中心点位置;
根据所述最佳匹配区域中心点位置以及对应的模板中心点位置,计算相邻帧之间测速点的实际位移;
基于实际位移以及预先获取的河流断面数据,计算河流的表面流速。
可选的,所述连续多帧河流表面水流图像通过以下方式得到:
获取以设定的帧率拍摄的设定时长的河流表面视频;
对获取到的无掉帧的河流表面视频进行逐帧截取,得到帧连续的多个河流表面水流图像。
可选的,获取所述河流表面视频后,对获取到的河流表面视频进行逐帧图像截取;
判断所述河流表面视频是否掉帧,若掉帧则重新获取河流表面视频;
判断截取得到的图像是否模糊或者有遮挡,若是则重新获取河流表面视频。
可选的,所述河流表面视频通过在河道上方设置的摄像头采集得到,所述摄像头的取景范围内除水流外无其他物体。可保证采集的视频图像无遮挡无杂物,提高图像分析的效率和准确度。
可选的,所述对获取到的图像进行预处理包括:灰度化处理、直方图均衡处理、对比度增强处理、降维处理中的一种或多种处理。RGB图像的灰度化减少了后续处理时的计算量。直方图均衡有效的加强了图像的局部对比度,能够更好地突出水流特征。通过对比度增强能扩大图像中不同物体特征之间的差异,抑制无用信息,提高识别率。降维处理则可以剔除冗余信息、减少计算量、提高识别的效率,更利于水流流速的实时估计。
本发明中,所述根据各测速点的像素坐标信息确定相应模板的位置即,分别以各测速点为中心画设定边长的矩形框,所述矩形框内区域的图像即为模板。
可选的,对各转换后的图像或模板图像进行离散小波变换处理,包括:
对图像进行水平方向上的一维离散小波变换处理,得到水平方向上的低频分量L和高频分量H;
对图像进行竖直方向上的一维离散小波变换处理,将所述低频分量L分为竖直方向上的低频分量LL1和高频分量LH1,将所述高频分量H分为竖直方向上的低频分量HL1和高频分量HH1;
再次分别对图像进行水平方向和竖直方向上的一维离散小波变换处理,得到图像中的最低频分量区域LL2。可以看出,最低频分量区域LL2是从低频分量LL1中分解出来的。
可选的,假设对于各转换后的河流表面水流图像进行离散小波变换处理过程中得到分辨率依次降低的J层图像;
对于任一模板,基于处理结果图像,用模板图像的低频分量区域与河流表面水流图像的低频分量区域进行模板匹配包括:
1)从第J层图像开始,使模板图像的最低频分量区域在河流表面水流图像的最低频分量区域滑动进行模板匹配,得到模板图像在第J层河流表面水流图像中的最佳匹配区域及其中心点Pj位置;
2)通过离散小波逆变换处理,进行图像重构得到河流表面水流图像的第J-1层图像,确定Pj在重构图像中的位置Pj′;
3)在第J-1层图像中,分别以Pj′及其最邻近的4个像素点为中心构建5个新的匹配区域;
4)计算5个新的匹配区域与第J-1层模板图像的相关性,将相关性最高的匹配区域的中心像素点作为J-1层图像的最佳匹配区域中心点Pj-1;
5)重复步骤2)-步骤5),进行图像重构得到前一层图像,并获得前一层图像的最佳匹配区域中心点,直至所述图像重构后得到的前一层图像为离散小波变换处理前的原图,将所得到的最佳匹配区域中心点P1作为一帧河流表面水流图像的最佳匹配区域中心点。
经以上方案设计,模板匹配所得的最佳匹配区域中心点可作为模板中心点对应的测速点在当前匹配帧图像中的位置。对于多个模板依次进行模板匹配,则能够在每一帧匹配图像中得到对应每个模板的最佳匹配中心。
可选的,根据所述最佳匹配区域中心点位置以及对应的模板中心点位置,计算相邻帧之间测速点的实际位移,包括:
获取河流范围标记点的实际坐标信息以及在图像上的像素坐标信息,构建表征实际坐标与像素坐标之间映射关系的透视投影矩阵M;
利用透视投影矩阵,计算各模板中心点及其对应的最佳匹配中心点在各帧图像中的实际坐标;
根据实际坐标计算各测速点在相邻帧图像之间的实际位移。
可选的,所述相邻帧之间测速点的实际位移采用所有帧间实际位移的平均值。
可选的,为了提高模板匹配的效率以及所得结果的可靠性,本发明在进行模板匹配时,将连续帧的处理结果图像分为多组,各组包括数量相同的多个连续帧图像;
各组分别进行模板匹配,包括:在组内第一帧图像中获取各测速点对应的模板中心点坐标,确定各模板位置;利用各模板分别在组内其他帧图像以及下一组的第一帧图像的低频区域进行模板匹配,得到各帧图像中各模板中心点对应的最佳匹配区域中心点;
所述相邻帧之间测速点的实际位移按照下式计算:
式中,表示相邻帧之间测速点的实际位移,dim表示一组连续帧图像中,第一帧与其他任一帧之间的测速点实际位移,M为所有帧图像的分组数量,N为一组中单帧图像的数量,dimi表示第i组连续帧图像中测速点的平均实际位移,dimij表示第i组连续帧图像中,第j帧图像与第一帧图像之间的测速点实际位移,dimiN表示第一帧图像与下一组第一帧图像之间的测速点实际位移。
可选的,所述基于实际位移以及预先获取的河流断面数据,计算河流的表现流速包括:
计算单个测速点对应的单条深度线的平均流速:V平均=k*V表
计算测速线的深度曲面总面积:A总=sum(A)
计算测速线的深度曲面上的总流量:Q总=sum(Q)
式中,Δt为相邻帧的帧间时间,k为深度系数,Vi平均表示第i个测速点对应的深度线的平均流速,hi为第i个测速点对应的深度线的深度,Di,j表示第i个测速点和第j个测速点之间的距离。
第二方面,本发明提供一种河流表面流速检测装置,包括:
图像获取模块,被配置用于获取连续多帧河流表面水流图像;
图像预处理模块,被配置用于对获取到的图像进行预处理,得到河流表面水流的灰度图像,将所述灰度图像转换为矢量形式并存储;
预标记点信息获取模块,被配置用于获取预标记点在转换后图像上的对应点的像素坐标信息,所述预标记点包括河流范围标记点和多个测速点;
模板位置确定模块,被配置用于根据各测速点的像素坐标信息确定相应模板的位置;
时频分析模块,被配置用于对各转换后的图像进行多层离散小波变换处理,获得时频离散的处理结果图像;
模板匹配模块,被配置用于基于所述处理结果图像,分别用各模板与图像的低频分量区域进行模板匹配,得到各帧图像中分别对应各模板的最佳匹配区域中心点位置;
位移计算模块,被配置用于根据所述最佳匹配区域中心点位置以及对应的模板中心点位置,计算相邻帧之间测速点的实际位移;
以及,河流表面流速计算模块,被配置用于基于实际位移以及预先获取的河流断面数据,计算河流的表面流速。
有益效果
与现有技术相比,本发明具有以下优点和进步:
本发明结合时频分析与图像匹配技术,通过图像时频分析,并仅在低频部分进行模板匹配以及相关性计算,可节约算法的计算时间,提高运算效率,且能够保证算法的精确度。
同时,在模板匹配过程中,本发明采用对当前最佳匹配区域的最邻近的四个像素点进行相关性计算,可进一步减少误差,提高算法可靠性,提升算法效率。
本发明在高流速、高危险性等复杂条件下也具有很强的环境适应力,具有非接触式全场测量的优势,能在高水条件和复杂环境下进行安全、实时的表面流速监测。
本发明有较高的经济性和环保性,不需要使用人工喷洒示踪粒子,降低了环境污染风险,节约成本。
附图说明
图1所示为本发明的方法流程示意图;
图2所示为J层图像分解原理示意图;
图3所示为一种实施例的天然河道测流场景示意图;
图4所示为模板匹配流程示意图;
图5所示为流速计算流程示意图;
图6所示为模板分组匹配及帧间位移计算示意图。
具体实施方式
以下结合附图和具体实施例进一步描述。
本发明的技术构思为:通过将时频分析技术与模板匹配技术相结合,在模板匹配时仅对图像的低频区域进行匹配,从而提升算法效率,保障算法准确度,得到一种效率和准确度皆能够保证的非接触式河流表面流速检测方案。
实施例1
本实施例介绍一种河流表面流速检测方法,参考图1所示,方法包括:
获取连续多帧河流表面水流图像;
对获取到的图像进行预处理,得到河流表面水流的灰度图像,将所述灰度图像转换为矢量形式并存储;
获取预标记点在转换后图像上的对应点的像素坐标信息,所述预标记点包括河流范围标记点和多个测速点;
根据各测速点的像素坐标信息确定相应模板的位置,得到模板图像;
对各转换后的图像以及模板图像分别进行多层离散小波变换处理,获得时频离散的处理结果图像;
基于所述处理结果图像,分别用各模板图像的低频分量区域与河流表面水流图像的低频分量区域进行模板匹配,得到各帧河流表面水流图像图像中分别对应各模板的最佳匹配区域中心点位置;
根据所述最佳匹配区域中心点位置以及对应的模板中心点位置,计算相邻帧之间测速点的实际位移;
基于实际位移以及预先获取的河流断面数据,计算河流的表面流速。
以图3所示的河流为例,本实施例具体涉及以下内容。
一、河流表面水流图像的获取
在河道上方设置摄像头进行图像采集,摄像头的取景范围内除水流外无其他物体。可保证采集的视频图像无遮挡无杂物,提高图像分析的效率和准确度。
执行河流表面流速检测的装置可与摄像机直接通信以获取以设定的帧率拍摄的设定时长的河流表面视频图像,进一步的可设置为能够远程控制摄像头的取景角度。获取所述河流表面视频后,对获取到的河流表面视频进行逐帧图像截取,判断河流表面视频是否掉帧,若掉帧则重新获取河流表面视频;同时判断截取得到的图像是否模糊或者有遮挡,若是则重新获取河流表面视频。
对无掉帧的河流表面视频进行逐帧截取后,可得到帧连续的多个河流表面水流图像。
二、图像预处理和转换
本实施例进行的预处理包括:灰度化处理、直方图均衡处理、对比度增强处理、降维处理中的一种或多种处理。RGB图像的灰度化减少了后续处理时的计算量。直方图均衡有效的加强了图像的局部对比度,能够更好地突出水流特征。通过对比度增强能扩大图像中不同物体特征之间的差异,抑制无用信息,提高识别率。降维处理则可以剔除冗余信息、减少计算量、提高识别的效率,更利于水流流速的实时估计。
预处理后的灰度图像转换为矢量形式进行存储,以备后续图像分析。
三、关于预标记点和河流断面数据
预标记点包括河流范围标记点和多个测速点,为实际检测前预先标定,如图3中,河流范围标记点有A、B、C、D四个标记点,E为测速线起点,F为测速线终点,E和F之间的测速线上设置多个测速点,如15个,对应各测速点的深度信息可预先测得,即为河流断面数据。
四、图像时频分析
如图2所示,本实施例对各帧图像进行两次离散小波变换处理,具体过程为:
对图像进行水平方向上的一维离散小波变换处理,得到水平方向上的低频分量L和高频分量H;
对图像进行竖直方向上的一维离散小波变换1D-DWT处理,将低频分量L分为竖直方向上的低频分量LL1和高频分量LH1,将高频分量H分为竖直方向上的低频分量HL1和高频分量HH1;
再次分别对图像进行水平方向和竖直方向上的一维离散小波变换处理,得到图像中的最低频分量区域LL2。可以看出,最低频分量区域LL2是从低频分量LL1中分解出来的。
通过时频分解可以得到对应各帧图像的最低频分量区域。
五、模板匹配
通过以上离散小波变换处理,在其过程中实际可得到分辨率依次降低的3层图像,如图2所示。模板匹配需要针对各模板分别在各帧图像中进行匹配,本实施例中具体过程如下:
参考图4,对于任一模板,基于处理结果图像,用模板图像与河流表面水流图像的低频分量区域进行模板匹配包括:
1)从第3层图像开始,使模板图像的最低频分量区域在河流表面水流图像的最低频区域滑动进行模板匹配,得到模板在第3层河流表面水流图像中的最佳匹配区域及其中心点P3位置;
2)通过离散小波逆变换处理,进行图像重构得到第2层图像,确定P3在重构图像中的位置P3′;
3)在第2层图像中,以P3′及其最邻近的4个像素点为中心构建5个新的匹配区域;
4)计算5个新的匹配区域与模板的相关性,将相关性最高的匹配区域的中心像素点作为第2层图像的最佳匹配区域中心点P2;
5)参考步骤2)-4),再次进行图像重构得到第一层图像,并获得第一层图像的最佳匹配区域中心点P1,将其作为一帧图像的最佳匹配区域中心点。
经以上方案设计,模板图像可取自任意一帧或多帧河流表面水流图像,以与其他帧图像之间进行匹配。模板匹配所得的最佳匹配区域中心点可作为模板中心点对应的测速点在当前匹配帧图像中的位置。如图5,对于多个模板依次进行模板匹配,则能够在每一帧匹配图像中得到对应每个模板的最佳匹配中心。
经过模板匹配可以得到测速点对应的模板中心点在各帧图像中的最佳匹配区域中心点。
六、实际位移计算
首先,获取河流范围标记点的实际坐标信息以及在图像上的像素坐标信息,构建表征实际坐标与像素坐标之间映射关系的透视投影矩阵M。
设透视投影矩阵M为:
则透视变换关系如下:
其中(x,y,z)为投影转换后的实际坐标,(X,Y)为待转换模板中心点和最佳匹配中心点的原坐标。
根据已标记点A、B、C、D已知的坐标对应关系,可以求得矩阵M中的各元素系数。如本实施例中,以A为原点,AB为X轴正方向,垂直AB方向为Y轴正方向,可得到A、B、C、D四个标记点的实际坐标分别为:(0,0)、(20.87,0)、(9.38,25.5)、(-7.01,23.76);以图片左上角为坐标原点,水平向右为X轴正方向,垂直向下为Y轴正方向,可得到A、B、C、D四个点的像素坐标分别为:A(236,902),B(279,1323),C(1052,896),D(465,111),由此可求解得到透视投影矩阵M为:
然后,利用透视投影矩阵,计算各模板中心点及其对应的最佳匹配中心点在各帧图像中的实际坐标。假设15个模板中心点K的像素坐标为(884,930),(942,889),(999,848),(1057,807),(1114,766),(1172,725),(1229,684),(1287,643),(1344,602),(1402,561),(1459,520),(1517,479),(1574,438),(1632,397),(1689,356),则通过透视变换关系公式,可以得到各个点的实际坐标。
根据实际坐标计算各测速点在相邻帧图像之间的实际位移,帧间实际位移计算公式为:
式中,dimk表示第k个模板对应的帧间实际位移,(xk,yk)为第k个模板中心点的坐标,(xp,yp)为第k个模板对应的最佳匹配区域中心点在匹配图像中的坐标。
本实施例中,相邻帧之间测速点的实际位移可采用所有相邻帧图像的帧间实际位移的平均值。
七、河流表面流速计算
基于实际位移以及预先获取的河流断面数据,计算河流的表现流速包括:
计算单个测速点对应的单条深度线的平均流速:V平均=k*V表
计算测速线的深度曲面总面积:A总=sum(A)
计算测速线的深度曲面上的总流量:Q总=sum(Q)
式中,Δt为相邻帧的帧间时间,k为深度系数,Vi平均表示第i个测速点对应的深度线的平均流速,hi为第i个测速点对应的深度线的深度,Di,j表示第i个测速点和第j个测速点之间的距离。
实施例2
与实施例1不同的是,为了提高模板匹配的效率以及所得结果的可靠性,本实施例在进行模板匹配时,将连续帧的处理结果图像分为多组,各组包括数量相同的4个连续帧图像;
如图6所示,各组分别进行模板匹配,包括:在组内第一帧图像中获取各测速点对应的模板中心点坐标,确定各模板位置;利用各模板分别在组内其他帧图像以及下一组的第一帧图像的低频区域进行模板匹配,得到各帧图像中各模板中心点对应的最佳匹配区域中心点。
则相邻帧之间测速点的实际位移按照下式计算:
式中,表示相邻帧之间测速点的实际位移,dim表示一组连续帧图像中,第一帧与其他任一帧之间的测速点实际位移,M为所有帧图像的分组数量,N为一组中单帧图像的数量,dimi表示第i组连续帧图像中测速点的平均实际位移,dimij表示第i组连续帧图像中,第j帧图像与第一帧图像之间的测速点实际位移,dimiN表示第一帧图像与下一组第一帧图像之间的测速点实际位移。
本实施例根据实际坐标计算得到的对应各测速点的实际位移分别为:
[0.01978151,0.03196548,0.03790801,0.04468966,0.05057161,0.05707186,
0.0608128,0.06078900,0.07302892,0.07049950,0.07415461,0.07745133,
0.05630415,0.03906848,0.02213311]。
用实际位移除于两帧间时间间隔1/30s即得到河流表面测速线上各点的表面流速为:
[0.59344545,0.95896446,1.13724029,1.34068969,1.51714838,1.71215584,1.82438434,1.82366997,2.19086756,2.1149851,2.22463832,2.32353998,1.6891245,1.1720545,0.66399318];
后续计算河流表面流速参考实施例1。
实施例3
与实施例1基于相同的发明构思,本实施例介绍一种河流表面流速检测装置,包括:
图像获取模块,被配置用于获取连续多帧河流表面水流图像;
图像预处理模块,被配置用于对获取到的图像进行预处理,得到河流表面水流的灰度图像,将所述灰度图像转换为矢量形式并存储;
预标记点信息获取模块,被配置用于获取预标记点在转换后图像上的对应点的像素坐标信息,所述预标记点包括河流范围标记点和多个测速点;
模板位置确定模块,被配置用于根据各测速点的像素坐标信息确定相应模板的位置;
时频分析模块,被配置用于对各转换后的图像进行多层离散小波变换处理,获得时频离散的处理结果图像;
模板匹配模块,被配置用于基于所述处理结果图像,分别用各模板与图像的低频分量区域进行模板匹配,得到各帧图像中分别对应各模板的最佳匹配区域中心点位置;
位移计算模块,被配置用于根据所述最佳匹配区域中心点位置以及对应的模板中心点位置,计算相邻帧之间测速点的实际位移;
以及,河流表面流速计算模块,被配置用于基于实际位移以及预先获取的河流断面数据,计算河流的表面流速。
本实施例中,各功能模块的具体功能实现参考实施例1的相关内容。
综上实施例,发明利用时频分析方法对选定的模板图像以及采集到的连续帧河流图像进行连续小波分解,在最低分辨率图像的低频部分进行图像匹配,将匹配结果进行尺度变换并作为初值在高一级分辨率下进行图像匹配,逐层回溯直到在最高分辨率的河流图像中找到模板的最佳匹配区域,计算模板中心到最佳匹配区域的距离作为帧间位移,后经过透视投影变换将帧间位移转换为实际位移,最后通过实际位移与帧间时间计算出天然河流表面流速。本发明结合时频分析和图像匹配方法对天然河流表面流速进行无接触式测量,在测量过程中无需抛洒示踪物,算法所需人力少,匹配时间短且设备易于维护。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种河流表面流速检测方法,其特征是,包括:
获取连续多帧河流表面水流图像;
对获取到的图像进行预处理,得到河流表面水流的灰度图像,将所述灰度图像转换为矢量形式并存储;
获取预标记点在转换后图像上的对应点的像素坐标信息,所述预标记点包括河流范围标记点和多个测速点;
根据各测速点的像素坐标信息确定相应模板的位置,得到模板图像;
对各转换后的图像以及模板图像分别进行多层离散小波变换处理,获得时频离散的处理结果图像;
基于所述处理结果图像,分别用各模板图像的低频分量区域与河流表面水流图像的低频分量区域进行模板匹配,得到各帧河流表面水流图像图像中分别对应各模板的最佳匹配区域中心点位置;
根据所述最佳匹配区域中心点位置以及对应的模板中心点位置,计算相邻帧之间测速点的实际位移;
基于实际位移以及预先获取的河流断面数据,计算河流的表面流速。
2.根据权利要求1所述的方法,其特征是,所述连续多帧河流表面水流图像通过以下方式得到:
获取以设定的帧率拍摄的设定时长的河流表面视频;
对获取到的无掉帧的河流表面视频进行逐帧截取,得到帧连续的多个河流表面水流图像;
所述河流表面视频通过在河道上方设置的摄像头采集得到,所述摄像头的取景范围内除水流外无其他物体。
3.根据权利要求2所述的方法,其特征是,获取所述河流表面视频后,对获取到的河流表面视频进行逐帧图像截取;
判断所述河流表面视频是否掉帧,若掉帧则重新获取河流表面视频;
判断截取得到的图像是否模糊或者有遮挡,若是则重新获取河流表面视频;
4.根据权利要求1所述的方法,其特征是,所述对获取到的图像进行预处理包括:灰度化处理、直方图均衡处理、对比度增强处理、降维处理中的一种或多种处理;
所述根据各测速点的像素坐标信息确定相应模板的位置为,分别以各测速点为中心画设定边长的矩形框,所述矩形框内区域的图像即为模板。
5.根据权利要求1所述的方法,其特征是,对各转换后的图像或模板图像进行离散小波变换处理,包括:
对图像进行水平方向上的一维离散小波变换处理,得到水平方向上的低频分量L和高频分量H;
对图像进行竖直方向上的一维离散小波变换处理,将所述低频分量L分为竖直方向上的低频分量LL1和高频分量LH1,将所述高频分量H分为竖直方向上的低频分量HL1和高频分量HH1;
再次分别对图像进行水平方向和竖直方向上的一维离散小波变换处理,得到图像中的最低频分量区域LL2。
6.根据权利要求1至5任一项所述的方法,其特征是,假设对于各转换后的图像进行离散小波变换处理过程中得到分辨率依次降低的J层图像;
对于任一模板,基于处理结果图像,用模板与图像的低频分量区域进行模板匹配包括:
假设对于各转换后的河流表面水流图像进行离散小波变换处理过程中得到分辨率依次降低的J层图像;
对于任一模板,基于处理结果图像,用模板图像的低频分量区域与河流表面水流图像的低频分量区域进行模板匹配包括:
1)从第J层图像开始,使模板图像的最低频分量区域在河流表面水流图像的最低频分量区域滑动进行模板匹配,得到模板图像在第J层河流表面水流图像中的最佳匹配区域及其中心点Pj位置;
2)通过离散小波逆变换处理,进行图像重构得到河流表面水流图像的第J-1层图像,确定Pj在重构图像中的位置Pj′;
3)在第J-1层图像中,分别以Pj′及其最邻近的4个像素点为中心构建5个新的匹配区域;
4)计算5个新的匹配区域与第J-1层模板图像的相关性,将相关性最高的匹配区域的中心像素点作为J-1层图像的最佳匹配区域中心点Pj-1;
5)重复步骤2)-步骤5),进行图像重构得到前一层图像,并获得前一层图像的最佳匹配区域中心点,直至所述图像重构后得到的前一层图像为离散小波变换处理前的原图,将所得到的最佳匹配区域中心点P1作为一帧河流表面水流图像的最佳匹配区域中心点。
7.根据权利要求6所述的方法,其特征是,根据所述最佳匹配区域中心点位置以及对应的模板中心点位置,计算相邻帧之间测速点的实际位移,包括:
获取河流范围标记点的实际坐标信息以及在图像上的像素坐标信息,构建表征实际坐标与像素坐标之间映射关系的透视投影矩阵M;
利用透视投影矩阵,计算各模板中心点及其对应的最佳匹配中心点在各帧图像中的实际坐标;
根据实际坐标计算各测速点在相邻帧图像之间的实际位移。
8.根据权利要求7所述的方法,其特征是,在进行模板匹配时,将连续帧的处理结果图像分为多组,各组包括数量相同的多个连续帧图像;
各组分别进行模板匹配,包括:在组内第一帧图像中获取各测速点对应的模板中心点坐标,确定各模板位置;利用各模板分别在组内其他帧图像以及下一组的第一帧图像的低频区域进行模板匹配,得到各帧图像中各模板中心点对应的最佳匹配区域中心点;
所述相邻帧之间测速点的实际位移按照下式计算:
9.根据权利要求1或8所述的方法,其特征是,所述基于实际位移以及预先获取的河流断面数据,计算河流的表现流速包括:
计算单个测速点对应的单条深度线的平均流速:V平均=k*V表
计算测速线的深度曲面总面积:A总=sum(A)
计算测速线的深度曲面上的总流量:Q总=sum(Q)
10.一种河流表面流速检测装置,其特征是,包括:
图像获取模块,被配置用于获取连续多帧河流表面水流图像;
图像预处理模块,被配置用于对获取到的图像进行预处理,得到河流表面水流的灰度图像,将所述灰度图像转换为矢量形式并存储;
预标记点信息获取模块,被配置用于获取预标记点在转换后图像上的对应点的像素坐标信息,所述预标记点包括河流范围标记点和多个测速点;
模板位置确定模块,被配置用于根据各测速点的像素坐标信息确定相应模板的位置;
时频分析模块,被配置用于对各转换后的图像进行多层离散小波变换处理,获得时频离散的处理结果图像;
模板匹配模块,被配置用于基于所述处理结果图像,分别用各模板与图像的低频分量区域进行模板匹配,得到各帧图像中分别对应各模板的最佳匹配区域中心点位置;
位移计算模块,被配置用于根据所述最佳匹配区域中心点位置以及对应的模板中心点位置,计算相邻帧之间测速点的实际位移;
以及,河流表面流速计算模块,被配置用于基于实际位移以及预先获取的河流断面数据,计算河流的表面流速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110360610.2A CN113077488B (zh) | 2021-04-02 | 2021-04-02 | 一种河流表面流速检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110360610.2A CN113077488B (zh) | 2021-04-02 | 2021-04-02 | 一种河流表面流速检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077488A true CN113077488A (zh) | 2021-07-06 |
CN113077488B CN113077488B (zh) | 2022-07-01 |
Family
ID=76614830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110360610.2A Active CN113077488B (zh) | 2021-04-02 | 2021-04-02 | 一种河流表面流速检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077488B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050018882A1 (en) * | 2003-06-30 | 2005-01-27 | Iowa University Research Foundation | Controlled surface wave image velocimetry |
CN1744152A (zh) * | 2005-09-21 | 2006-03-08 | 东南大学 | 基于射流技术的触觉图文显示装置及显示方法 |
CN101021745A (zh) * | 2006-12-14 | 2007-08-22 | 东南大学 | 基于多维刺激的彩色射流触觉图文显示装置及显示方法 |
CN102564508A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 基于视频图像的河流流量在线测验实现方法 |
CN102866260A (zh) * | 2012-09-18 | 2013-01-09 | 河海大学 | 非接触式河流表面流场成像量测方法 |
CN103698553A (zh) * | 2013-12-26 | 2014-04-02 | 天津大学 | 基于红外摄像的新型表面流场测速系统和测速方法 |
CN104036522A (zh) * | 2014-04-16 | 2014-09-10 | 嘉兴博海信息科技有限公司 | 一种基于视频中运动目标识别的流水速度监测方法 |
CN104062648A (zh) * | 2014-07-11 | 2014-09-24 | 武汉大学 | 分布式网络高频地波雷达系统及其控制方法 |
CN104101687A (zh) * | 2014-07-10 | 2014-10-15 | 天津大学 | 基于超声多普勒与电学多传感器的多相流可视化测试方法 |
CN104865581A (zh) * | 2015-03-19 | 2015-08-26 | 中国科学院空间科学与应用研究中心 | 一种基于gnss-r技术的河流流速测量方法与系统 |
CN104881851A (zh) * | 2015-05-26 | 2015-09-02 | 河海大学 | 一种基于双高斯差模型的自适应图像目标增强方法 |
CN105445431A (zh) * | 2015-12-02 | 2016-03-30 | 中国环境科学研究院 | 一种城市地表水水质分析方法 |
US20160225162A1 (en) * | 2015-01-30 | 2016-08-04 | Raytheon Company | Apparatus and processes for estimating river velocity |
CN106841673A (zh) * | 2017-01-16 | 2017-06-13 | 甘肃农业大学 | 一种河流表面平均流速测量装置及方法 |
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 |
CN109977829A (zh) * | 2019-03-18 | 2019-07-05 | 江河瑞通(北京)技术有限公司 | 基于图像识别分析技术的流速检测方法及装置 |
CN110187142A (zh) * | 2019-06-13 | 2019-08-30 | 上海彩虹鱼海洋科技股份有限公司 | 流速监测方法和系统 |
CN110221299A (zh) * | 2019-07-04 | 2019-09-10 | 南京信息工程大学 | 一种星载双通道双波束InSAR测流系统 |
CN110689512A (zh) * | 2019-09-24 | 2020-01-14 | 中国科学院武汉岩土力学研究所 | 一种孔内全景视频环状图像快速拼接融合成图方法 |
CN112067839A (zh) * | 2020-09-18 | 2020-12-11 | 重庆交通大学 | 无控制点条件下的无人机超宽河流表面流场快速测量方法 |
-
2021
- 2021-04-02 CN CN202110360610.2A patent/CN113077488B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050018882A1 (en) * | 2003-06-30 | 2005-01-27 | Iowa University Research Foundation | Controlled surface wave image velocimetry |
CN1744152A (zh) * | 2005-09-21 | 2006-03-08 | 东南大学 | 基于射流技术的触觉图文显示装置及显示方法 |
CN101021745A (zh) * | 2006-12-14 | 2007-08-22 | 东南大学 | 基于多维刺激的彩色射流触觉图文显示装置及显示方法 |
CN102564508A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 基于视频图像的河流流量在线测验实现方法 |
CN102866260A (zh) * | 2012-09-18 | 2013-01-09 | 河海大学 | 非接触式河流表面流场成像量测方法 |
CN103698553A (zh) * | 2013-12-26 | 2014-04-02 | 天津大学 | 基于红外摄像的新型表面流场测速系统和测速方法 |
CN104036522A (zh) * | 2014-04-16 | 2014-09-10 | 嘉兴博海信息科技有限公司 | 一种基于视频中运动目标识别的流水速度监测方法 |
CN104101687A (zh) * | 2014-07-10 | 2014-10-15 | 天津大学 | 基于超声多普勒与电学多传感器的多相流可视化测试方法 |
CN104062648A (zh) * | 2014-07-11 | 2014-09-24 | 武汉大学 | 分布式网络高频地波雷达系统及其控制方法 |
US20160225162A1 (en) * | 2015-01-30 | 2016-08-04 | Raytheon Company | Apparatus and processes for estimating river velocity |
CN104865581A (zh) * | 2015-03-19 | 2015-08-26 | 中国科学院空间科学与应用研究中心 | 一种基于gnss-r技术的河流流速测量方法与系统 |
CN104881851A (zh) * | 2015-05-26 | 2015-09-02 | 河海大学 | 一种基于双高斯差模型的自适应图像目标增强方法 |
CN105445431A (zh) * | 2015-12-02 | 2016-03-30 | 中国环境科学研究院 | 一种城市地表水水质分析方法 |
CN106841673A (zh) * | 2017-01-16 | 2017-06-13 | 甘肃农业大学 | 一种河流表面平均流速测量装置及方法 |
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 |
CN109977829A (zh) * | 2019-03-18 | 2019-07-05 | 江河瑞通(北京)技术有限公司 | 基于图像识别分析技术的流速检测方法及装置 |
CN110187142A (zh) * | 2019-06-13 | 2019-08-30 | 上海彩虹鱼海洋科技股份有限公司 | 流速监测方法和系统 |
CN110221299A (zh) * | 2019-07-04 | 2019-09-10 | 南京信息工程大学 | 一种星载双通道双波束InSAR测流系统 |
CN110689512A (zh) * | 2019-09-24 | 2020-01-14 | 中国科学院武汉岩土力学研究所 | 一种孔内全景视频环状图像快速拼接融合成图方法 |
CN112067839A (zh) * | 2020-09-18 | 2020-12-11 | 重庆交通大学 | 无控制点条件下的无人机超宽河流表面流场快速测量方法 |
Non-Patent Citations (6)
Title |
---|
C.CHRIS CHICKADEL: "Infrared-Based Measurements of Velocity,Turbulent Kinetic Energy,and Dissipation at the Water Surface in a Tidal River", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》, 30 September 2011 (2011-09-30), pages 849 - 853 * |
孙东坡等: "基于图像识别的水下地形冲刷过程监测", 《水利水运工程学报》, no. 03, 15 September 2011 (2011-09-15), pages 55 - 60 * |
杨燕京等: "基于TDLAS技术的双基系推进剂装药排气羽流流速特性研究", 《火炸药学报》, no. 03, 15 June 2016 (2016-06-15), pages 78 - 82 * |
汪飞等: "同位网格上SIMPLE算法收敛特性的Fourier分析", 《计算力学学报》, no. 01, 15 February 2013 (2013-02-15), pages 15 - 20 * |
高文静等: "基于视频的河流流量监测系统设计", 《电子设计工程》 * |
高文静等: "基于视频的河流流量监测系统设计", 《电子设计工程》, no. 10, 20 May 2020 (2020-05-20), pages 176 - 180 * |
Also Published As
Publication number | Publication date |
---|---|
CN113077488B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805904B (zh) | 一种基于卫星序列图像的运动舰船检测与跟踪方法 | |
CN107818571B (zh) | 基于深度学习网络和均值漂移的船只自动跟踪方法及系统 | |
CN104050681B (zh) | 一种基于视频图像的道路消失点检测方法 | |
CN107967695B (zh) | 一种基于深度光流和形态学方法的运动目标检测方法 | |
US20210049769A1 (en) | Vibe-based three-dimensional sonar point cloud image segmentation method | |
CN102609701B (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
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 | |
CN109029381A (zh) | 一种隧道裂缝的检测方法、系统及终端设备 | |
CN101915910B (zh) | 利用航海雷达识别海上溢油目标的方法及系统 | |
CN114782905B (zh) | 一种基于视频监控的船舶吃水深度检测方法 | |
CN106156758B (zh) | 一种sar海岸图像中海岸线提取方法 | |
CN112215074A (zh) | 基于无人机视觉的实时目标识别与检测追踪系统及方法 | |
CN109708658B (zh) | 一种基于卷积神经网络的视觉里程计方法 | |
CN106228569A (zh) | 一种适用于水质监测的鱼体运动速度检测方法 | |
CN104463877A (zh) | 一种基于雷达影像与电子海图信息的岸线配准方法 | |
CN109410248B (zh) | 一种基于r-K算法的浮选泡沫运动特征提取方法 | |
CN113012195A (zh) | 基于光流计算的河流表面流速估计的方法和可读存储介质 | |
CN110321855A (zh) | 一种雾天检测预警装置 | |
CN113034569A (zh) | 一种基于点云数据的船舶超限预警方法及系统 | |
CN105550703A (zh) | 一种适用于人体再识别的图片相似度计算方法 | |
CN109544575A (zh) | 一种基于isar序列多边形匹配的三维轮廓重构方法 | |
CN113899349B (zh) | 海浪参数检测方法、设备及存储介质 | |
CN113077488B (zh) | 一种河流表面流速检测方法和装置 | |
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 | |
CN104392209A (zh) | 一种目标与背景的图像复杂度评价模型 |
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 |