CN116188510B - 一种基于多传感器的企业排放数据采集系统 - Google Patents
一种基于多传感器的企业排放数据采集系统 Download PDFInfo
- Publication number
- CN116188510B CN116188510B CN202310453101.3A CN202310453101A CN116188510B CN 116188510 B CN116188510 B CN 116188510B CN 202310453101 A CN202310453101 A CN 202310453101A CN 116188510 B CN116188510 B CN 116188510B
- Authority
- CN
- China
- Prior art keywords
- exhaust gas
- edge
- edge detection
- detection threshold
- image
- 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.)
- Active
Links
- 238000003708 edge detection Methods 0.000 claims abstract description 257
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims abstract description 4
- 238000001931 thermography Methods 0.000 claims description 21
- 230000000694 effects Effects 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 170
- 238000000034 method Methods 0.000 description 27
- 238000004364 calculation method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000001514 detection method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06T2207/10048—Infrared image
Abstract
本发明涉及图像处理技术领域,具体涉及一种基于多传感器的企业排放数据采集系统,该系统包括存储器和处理器,处理器执行存储器存储的计算机程序,以实现如下步骤:利用预设数目个边缘检测阈值对排放气体灰度图像进行图像处理,获得各个边缘检测阈值对应的排放气体边缘图像;确定各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标和第二清晰指标,基于第一清晰指标和第二清晰指标获得叠加权重;根据不同边缘检测阈值的叠加权重和排放气体边缘图像,获得叠加排放气体边缘图像数据。本发明对不同叠加权重对应的排放气体边缘图像进行图像叠加处理,有效提高了采集的企业排放数据的数据质量。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于多传感器的企业排放数据采集系统。
背景技术
对于企业排放气体数据的采集,通过多个热成像传感器中的红外相机采集气体红外图像,对气体红外图像进行边缘检测获得边缘图像,以便于后续根据边缘图像分析排放气体的浓度。为了实现企业排放数据的采集,需要对气体红外图像进行边缘检测,获取多个热成像传感器对应的边缘图像,边缘检测是定位边缘像素点的过程,常见的边缘检测算子有Canny算子。
Canny算子在实际图像处理过程中容易受各种干扰因素的影响,由Canny算子获得的边缘图像会产生部分虚假边缘或噪声数据,边缘图像的清晰程度差,而且Canny算子不能根据实际内容自动更改参数值,需要人为给定选取阈值,缺乏自适应性,难以实现自动化。最重要的是,采集的红外图像是通过接受来自目标和景物的红外辐射,经过光电转换,将不可见的辐射转变成可见的图像,与可见光图像相比,红外图像中背景与目标的对比度低,边缘模糊,边缘检测难度高,得到边缘图像的准确度低。边缘图像的准确度低,导致采集的企业排放数据不准确,排放数据质量低下,这里的边缘图像数据即为企业排放数据。因此,通过传统边缘检测方法获得边缘图像的准确度低,无法保留完整且清晰的原有排放气体边缘信息,最终导致采集的企业排放数据的数据质量较低。
发明内容
为了解决上述边缘检测方法得到的边缘图像的准确度低,导致采集的企业排放图像数据的数据质量较低的技术问题,本发明的目的在于提供一种基于多传感器的企业排放数据采集系统,所采用的技术方案具体如下:
本发明一个实施例提供了一种基于多传感器的企业排放数据采集系统,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:
实时获取不同热成像传感器对应的排放气体灰度图像,利用预设数目个边缘检测阈值对排放气体灰度图像进行图像处理,获得各个边缘检测阈值对应的排放气体边缘图像;
根据排放气体灰度图像的像素总数和各个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,确定各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标和第二清晰指标;
根据各个边缘检测阈值及其对应的排放气体边缘图像的第一清晰指标和第二清晰指标,确定各个边缘检测阈值对应的排放气体边缘图像的叠加权重;
根据各个边缘检测阈值对应的排放气体边缘图像的叠加权重和各个边缘检测阈值对应的排放气体边缘图像,确定叠加图像;根据叠加图像和排放气体灰度图像,确定不同热成像传感器对应的叠加排放气体边缘图像数据。
进一步地,根据排放气体灰度图像的像素总数和各个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,确定各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标,包括:
按照从大到小的顺序对各个边缘检测阈值进行排列,获得边缘检测阈值集合,对于边缘检测阈值集合中的任意一个边缘检测阈值,计算该边缘检测阈值对应的排放气体边缘图像的边缘像素总数与该边缘检测阈值的上一个边缘检测阈值对应的排放气体边缘图像的边缘像素总数的差值,将差值确定为比值的分子,将排放气体灰度图像的像素总数确定为比值的分母,对比值进行归一化,并将比值的归一化结果确定为该边缘检测阈值对应的排放气体边缘图像的第一清晰指标,从而得到各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标。
进一步地,根据排放气体灰度图像的像素总数和各个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,确定各个边缘检测阈值对应的排放气体边缘图像的第二清晰指标,包括:
对于任意一个边缘检测阈值,使排放气体灰度图像的像素总数与该边缘检测阈值对应的排放气体边缘图像的边缘像素总数相减,将相减后的数值确定为比值的分子,将排放气体灰度图像的像素总数确定为比值的分母,将比值确定为该边缘检测阈值对应的排放气体边缘图像的第二清晰指标,从而得到各个边缘检测阈值对应的排放气体边缘图像的第二清晰指标。
进一步地,根据各个边缘检测阈值及其对应的排放气体边缘图像的第一清晰指标和第二清晰指标,确定各个边缘检测阈值对应的排放气体边缘图像的叠加权重,包括:
对于任意一个边缘检测阈值,将数值1与该边缘检测阈值对应的排放气体边缘图像的第一清晰指标的差值确定为第一差值,将该边缘检测阈值对应的第一差值、第二清晰指标和该边缘检测阈值的乘积确定为该边缘检测阈值对应的排放气体边缘图像的叠加权重,从而得到各个边缘检测阈值对应的排放气体边缘图像的叠加权重。
进一步地,根据各个边缘检测阈值对应的排放气体边缘图像的叠加权重和各个边缘检测阈值对应的排放气体边缘图像,确定叠加图像,包括:
对于各个边缘检测阈值对应的排放气体边缘图像中的任意一个像素点,计算各个边缘检测阈值对应的排放气体边缘图像中的该像素点的像素值与对应叠加权重的乘积,进而计算在不同排放气体边缘图像中相同位置的该像素点的乘积的累加和,将累加和确定为叠加图像中该像素点对应位置处的像素点的像素值,从而得到叠加图像中每个像素点的像素值。
进一步地,根据叠加图像和排放气体灰度图像,确定不同热成像传感器对应的叠加排放气体边缘图像数据,包括:
对于叠加图像中的任意一个像素点,计算叠加图像中该像素点的像素值与排放气体灰度图像中该像素点位置处的像素点的灰度值的乘积,将乘积确定为叠加排放气体边缘图像中该像素点位置处的像素点的像素值,从而得到叠加排放气体边缘图像中每个像素点的像素值。
本发明具有如下有益效果:
本发明提供了一种基于多传感器的企业排放数据采集系统,该系统通过对排放气体灰度图像进行图像处理分析,实现在保留图像信息的完整度的前提下,有效减少噪声点对图像清晰度的影响,有助于获得增强效果更好的叠加排放气体边缘图像数据,其明显提高了采集的企业排放数据的数据质量,有助于实现排放气体浓度的准确检测。获得各个边缘检测阈值对应的排放气体边缘图像,是为了便于分析不同分割精度下的排放气体边缘图像内边缘像素点的分布情况,边缘检测阈值的检测精度越大,越能够精准提取到排放气体灰度图像中排放气体轮廓的图像特征;从两个角度分析不同边缘检测阈值对应的排放气体边缘图像的清晰程度,即第一清晰指标和第二清晰指标,有助于提高后续确定的叠加权重的准确度;在确定叠加权重时,将边缘检测阈值也作为关键指标之一,是为了顾虑到排放气体的红外图像的图像特征,这里的图像特征是指边缘检测阈值越大,越能提取到排放气体的主体轮廓;叠加权重是确定叠加图像的关键,叠加权重越准确,基于叠加图像确定的叠加排放气体边缘图像的清晰度和完整度就会越高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明基于多传感器的企业排放数据采集方法的流程图;
图2为本发明实施例中的排放气体灰度图像;
图3为本发明实施例中的边缘检测阈值为0.02时对应的排放气体边缘图像;
图4为本发明实施例中的边缘检测阈值为0.05时对应的排放气体边缘图像;
图5为本发明实施例中的边缘检测阈值为0.1时对应的排放气体边缘图像;
图6为本发明实施例中的边缘检测阈值为0.2时对应的排放气体边缘图像;
图7为本发明实施例中的边缘检测阈值为0.3时对应的排放气体边缘图像;
图8为本发明实施例中的叠加排放气体边缘图像。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本实施例提供了一种基于多传感器的企业排放数据采集系统,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:
实时获取不同热成像传感器对应的排放气体灰度图像,利用预设数目个边缘检测阈值对排放气体灰度图像进行图像处理,获得各个边缘检测阈值对应的排放气体边缘图像;
根据排放气体灰度图像的像素总数和各个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,确定各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标和第二清晰指标;
根据各个边缘检测阈值及其对应的排放气体边缘图像的第一清晰指标和第二清晰指标,确定各个边缘检测阈值对应的排放气体边缘图像的叠加权重;
根据各个边缘检测阈值对应的排放气体边缘图像的叠加权重和各个边缘检测阈值对应的排放气体边缘图像,确定叠加图像;根据叠加图像和排放气体灰度图像,确定不同热成像传感器对应的叠加排放气体边缘图像。
下面对上述各个步骤进行详细展开:
参考图1,示出了本发明一种基于多传感器的企业排放数据采集方法,该企业排放数据采集方法包括以下步骤:
S1,实时获取不同热成像传感器对应的排放气体灰度图像,利用预设数目个边缘检测阈值对排放气体灰度图像进行图像处理,获得各个边缘检测阈值对应的排放气体边缘图像,其步骤包括:
第一步,实时获取不同热成像传感器对应的排放气体灰度图像。
在本实施例中,为了检测企业排放的气体浓度,利用企业安装的多个烟雾传感器实时检测排气管道口是否存在气体,若存在,则通过无线传输方式将烟雾传感器的实时数据发送至数据处理中心,由数据处理中心开启热成像传感器,通过不同热成像传感器对应的红外相机可以采集到排气管道口区域的气体红外图像。为了简化图像数据的处理过程,实现多通道到单灰度通道的转换,提高后续操作运算的效率,采用加权平均法将气体红外图像转化为排放气体灰度图像,获得不同热成像传感器对应的排放气体灰度图像,排放气体灰度图像如图2所示。加权平均法实现灰度化的过程为现有技术,不在本发明保护范围内,此处不再进行细阐述,当然,还可以采用其他灰度化处理方法,不做具体限定。
需要说明的是,每个热成像传感器对应的排放气体灰度图像的图像处理过程保持一致,为了便于描述,后续对多个热成像传感器的其中一个热成像传感器对应的排放气体灰度图像为例进行步骤描述。
第二步,获得各个边缘检测阈值对应的排放气体边缘图像。
首先,获取预设数目个边缘检测阈值。在本实施例中,选取Canny算子作为企业排放数据采集场景的应用算法,获取Matlab(图像分割算法软件)下Canny边缘检测处理对应的预设数目个边缘检测阈值,Matlab中基于双阈值原理的Canny算子被优化为单阈值。预设数目个边缘检测阈值的取值范围均为(0,1),当相邻边缘检测阈值的间隔为0.01、边缘检测阈值的检测精度也为0.01时,边缘检测阈值的预设数目可以为100。连续分布的边缘检测阈值的分布趋势呈现逐渐减小,例如,第一个边缘检测阈值为0.99,第二个边缘检测阈值为0.98,最后一个边缘检测阈值为0.01。边缘检测阈值的预设数目由相邻边缘检测阈值的间隔和检测精度确定,相邻边缘检测阈值的间隔和检测精度可由实施者根据具体实际情况要求自行设置,不做具体限定。
然后,利用各个边缘检测阈值对排放气体灰度图像进行边缘检测,获得各个边缘检测阈值对应的排放气体边缘图像,不同边缘检测阈值对应的排放气体边缘图像如图3、图4、图5、图6和图7所示,其中,图3为边缘检测阈值为0.02时对应的排放气体边缘图像,图4为边缘检测阈值为0.05时对应的排放气体边缘图像,图5为边缘检测阈值为0.1时对应的排放气体边缘图像,图6为边缘检测阈值为0.2时对应的排放气体边缘图像,图7为边缘检测阈值为0.3时对应的排放气体边缘图像。Canny边缘检测处理的实现过程为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
值得说明的是,通过不同边缘检测阈值对应的排放气体边缘图像,图3至图7可知,边缘检测阈值较低的排放气体边缘图像的轮廓区域的清晰程度较差,而边缘检测阈值较高的排放气体边缘图像的轮廓区域的完整程度较差,故后续需要对各个边缘检测阈值对应的排放气体边缘图像进行图像处理分析,以获得更清晰、更完整的排放气体边缘图像,提高采集的企业排放数据的质量,实现排放气体浓度的准确识别。
至此,本实施例获得了各个边缘检测阈值对应的排放气体边缘图像。获取各个边缘检测阈值对应的排放气体边缘图像,是为了便于后续分析不同边缘检测阈值对应的排放气体边缘图像在进行图像叠加时的权重。
S2,根据排放气体灰度图像的像素总数和各个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,确定各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标和第二清晰指标,其步骤包括:
第一步,根据排放气体灰度图像的像素总数和各个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,确定各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标。
连续分布的边缘检测阈值的分布趋势呈现逐渐减小,对于任意一个边缘检测阈值,计算该边缘检测阈值对应的排放气体边缘图像的边缘像素总数与该边缘检测阈值的上一个边缘检测阈值对应的排放气体边缘图像的边缘像素总数的差值,将差值确定为比值的分子,将排放气体灰度图像的像素总数确定为比值的分母,将归一化后的比值确定为该边缘检测阈值对应的排放气体边缘图像的第一清晰指标;获得各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标。
需要说明的是,连续分布的边缘检测阈值的分布趋势呈现逐渐减小,故正常情况下相邻边缘检测阈值对应的排放气体边缘图像的边缘像素点数目的差异应该是较小的。若某个缘检测阈值对应的排放气体边缘图像的边缘像素点数目远远大于该边缘检测阈值的上一个边缘检测阈值对应的排放气体边缘图像的边缘像素点数目,则说明该边缘检测阈值对应的排放气体边缘图像中存在较多边缘像素点为噪声点,该边缘检测阈值对应的排放气体边缘图像的气体轮廓不清晰。
以确定第i个边缘检测阈值对应的排放气体边缘图像的第一清晰指标为例,其步骤包括:
第一子步骤,基于上述对相邻边缘检测阈值对应的排放气体边缘图像的边缘像素点数目的分析,确定第i个边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标。
根据排放气体灰度图像的像素总数和第i个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,利用数学建模的相关知识,构建初始第一清晰指标的计算公式,其计算公式可以为:,其中,/>为第i个边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标,/>为第i个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,/>为第i-1个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,/>为排放气体灰度图像的像素总数。
在初始第一清晰指标的计算公式中,对于第一个边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标,为了减少计算量,将不计算该边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标,后续进行边缘图像叠加时也将不考虑的第一个边缘检测阈值对应的叠加权重;第i个边缘检测阈值的精度小于第i-1个边缘检测阈值的精度,也就是第i个边缘检测阈值小于第i-1个边缘检测阈值,所以第i个边缘检测阈值对应的排放气体边缘图像的边缘像素总数往往大于第i-1个边缘检测阈值对应的排放气体边缘图像的边缘像素总数/>,故本实施例不存在/>为负数的情况;将排放气体灰度图像的像素总数作为比值的分母,是为了减少计算量,便于后续确定叠加权重,实现对的归一化处理。
需要说明的是,排放气体边缘图像中边缘像素数目还可以称为有效像素点数目,这里的有效像素点是指像素值为1的像素点。相邻两个边缘检测阈值的相差精度较小,在正常情况下,两个相邻边缘检测阈值对应的边缘像素数目应是相差不大的,当越大时,初始第一清晰指标/>越大,说明第i个边缘检测阈值对应的排放气体边缘图像中存在的噪声点越多,第i个边缘检测阈值的检测气体轮廓时的错误率越高,后续在对第i个边缘检测阈值对应的排放气体边缘图像进行叠加时对应的排放气体边缘图像的叠加权重应越小。通过降低初始第一清晰指标较大的边缘检测阈值对应的排放气体边缘图像的叠加权重,可以使排放气体边缘图像在噪声被尽量去除的同时,保留更为完整的原有信息。参考第i个边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标的确定过程,可以获得各个边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标。
第二子步骤,对第i个边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标进行归一化处理,将归一化后的初始第一清晰指标作为第一清晰指标。
需要说明的是,为了使后续叠加排放气体边缘图像中属于气体轮廓的像素点的权重越大,不属于气体轮廓的像素点的权重越小,提高叠加排放气体边缘图像中气体轮廓的清晰程度,需要对初始第一清晰指标进行归一化处理,以达到拉大叠加权重区间的目的。本实施例利用最大初始第一清晰指标和最小第一清晰指标,对各个边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标进行归一化处理,并将归一化后的初始第一清晰指标确定为对应边缘检测阈值对应的排放气体边缘图像的第一清晰指标。
在本实施例中,从各个边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标,筛选出最大初始第一清晰指标和最小初始第一清晰指标。根据最大初始第一清晰指标、最小初始第一清晰指标以及第i个边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标,确定第i个边缘检测阈值对应的排放气体边缘图像的第一清晰指标,其计算公式可以为:其中,/>为第i个边缘检测阈值对应的排放气体边缘图像的第一清晰指标,/>为第i个边缘检测阈值对应的排放气体边缘图像的初始第一清晰指标,/>为最大初始第一清晰指标,/>为最小初始第一清晰指标。
值得说明的是,当初始第一清晰指标为最大初始第一清晰指标时,第i个边缘检测阈值对应的排放气体边缘图像的第一清晰指标/>为1,当初始第一清晰指标/>为最小初始第一清晰指标时,第i个边缘检测阈值对应的排放气体边缘图像的第一清晰指标/>为0,故第一清晰指标的取值区间为[0,1]。相比初始清晰指标的取值区间,第一清晰指标的取值区间被明显拉大,由于第一清晰指标是后续计算叠加权重的关键性指标,将第一清晰指标的取值区间放大,也就是将叠加权重的取值区间拉大,拉大叠加权重的取值区间有助于后续获得边缘检测效果更好的叠加排放气体边缘图像。
第二步,根据排放气体灰度图像的像素总数和各个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,确定各个边缘检测阈值对应的排放气体边缘图像的第二清晰指标。
对于任意一个边缘检测阈值,使排放气体灰度图像的像素总数与该边缘检测阈值对应的排放气体边缘图像的边缘像素总数相减,将相减后的数值确定为比值的分子,将排放气体灰度图像的像素总数确定为比值的分母,将比值确定为该边缘检测阈值对应的排放气体边缘图像的第二清晰指标;获得各个边缘检测阈值对应的排放气体边缘图像的第二清晰指标。
需要说明的是,相比排放气体灰度图像的像素总数,当排放气体边缘图像的边缘像素总数越大时,说明排放气体边缘图像中气体轮廓的检测错误率越高,该排放气体边缘图像的叠加权重越小,即赋予该排放气体边缘图像的可信任度越低;当排放气体边缘图像的边缘像素总数越小时,说明排放气体边缘图像中气体轮廓的检测错误率越低,也就是该排放气体边缘图像中绝大部分的边缘像素点属于气体轮廓的像素点,该排放气体边缘图像的叠加权重越大,即赋予该排放气体边缘图像的可信任度越高。
在本实施例中,以确定第i个边缘检测阈值对应的排放气体边缘图像的第二清晰指标为例。首先,统计排放气体灰度图像的像素总数和第i个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,基于像素总数和边缘像素总数,利用数学建模的相关知识,构建第二清晰指标的计算公式,其计算公式可以为:其中,/>为第i个边缘检测阈值对应的排放气体边缘图像的第二清晰指标,/>为第i个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,/>为排放气体灰度图像的像素总数。
在第二清晰指标的计算公式中,可以衡量相比排放气体灰度图像的像素总数,第i个边缘检测阈值对应的排放气体边缘图像的边缘像素总数的大小情况,/>越大,说明第i个边缘检测阈值对应的排放气体边缘图像的边缘像素总数/>越小,检测气体轮廓的错误率越低,第i个边缘检测阈值对应的排放气体边缘图像的叠加权重越大;可以表征排放气体灰度图像的像素总数与第i个边缘检测阈值对应的排放气体边缘图像的边缘像素总数的差值,在排放气体灰度图像的像素总数中的占比情况,除以/>可以实现对/>的归一化处理,使第二清晰指标/>的取值范围限制在0到1之间。参考第i个边缘检测阈值对应的排放气体边缘图像的第二清晰指标的确定过程,可以获得各个边缘检测阈值对应的排放气体边缘图像的第二清晰指标。
至此,本实施例获得了各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标和第二清晰指标。
S3,根据各个边缘检测阈值及其对应的排放气体边缘图像的第一清晰指标和第二清晰指标,确定各个边缘检测阈值对应的排放气体边缘图像的叠加权重。
对于任意一个边缘检测阈值,将数值1与该边缘检测阈值对应的排放气体边缘图像的第一清晰指标的差值确定为第一差值,将该边缘检测阈值对应的第一差值、第二清晰指标和该边缘检测阈值的乘积确定为该边缘检测阈值对应的排放气体边缘图像的叠加权重;获得各个边缘检测阈值对应的排放气体边缘图像的叠加权重。
需要说明的是,从三个不同的角度分析不同边缘检测阈值对应的排放气体边缘图像的叠加权重。首先,对于边缘检测阈值,排放气体的红外响应值比其周边的背景响应值大,排放气体内部分布是不连续且扩散的,排放气体内部的灰度梯度较大,因此,对于Canny算子,数值较小的边缘检测阈值在进行边缘检测时很容易提取到大量的噪声点,边缘检测阈值越大,越能提取到排放气体的主体轮廓。然后,对于第二清晰指标,根据排放气体灰度图像的像素总数和排放气体边缘图像的边缘像素总数的比对情况,获得可以表征排放气体边缘图像内排放气体主体清晰情况的指标,第二清晰指标越大,排放气体主体越清晰;对于第一清晰指标,从相邻边缘检测阈值对应的排放气体边缘图像的边缘像素总数的比对情况,获得可以表征排放气体边缘图像内噪声点分布情况的指标,第一清晰指标越大,排放气体边缘图像内分布的噪声点越多,排放气体主体越不清晰。
在本实施例中,以确定第i个边缘检测阈值对应的排放气体边缘图像的叠加权重为例,通过上述对计算叠加权重时三个指标的分析,利用数学建模的相关知识,构建叠加权重的计算公式,其计算公式可以为:其中,/>为第i个边缘检测阈值对应的排放气体边缘图像的叠加权重,/>为第i个边缘检测阈值,/>为第i个边缘检测阈值对应的排放气体边缘图像的第二清晰指标,/>为第i个边缘检测阈值对应的排放气体边缘图像的第一清晰指标,/>为第i个边缘检测阈值对应的第一差值。
在叠加权重的计算公式中,边缘检测阈值、第二清晰指标与叠加权重为正相关,第i个边缘检测阈值越大、第i个边缘检测阈值对应的排放气体边缘图像的第二清晰指标越大时,第i个边缘检测阈值对应的排放气体边缘图像的叠加权重/>越大;第一清晰指标与叠加权重为负相关,第i个边缘检测阈值对应的排放气体边缘图像的第一清晰指标/>越大,第i个边缘检测阈值对应的排放气体边缘图像的叠加权重/>越小,第一清晰指标的取值区间为[0,1],故使用数值1减去第一清晰指标来表征第一清晰指标与叠加权重之间的关联关系,即/>越大,/>越大。参考第i个边缘检测阈值对应的排放气体边缘图像的叠加权重的确定过程,可以获得各个边缘检测阈值对应的排放气体边缘图像的叠加权重。
值得说明的是,当某个边缘检测阈值对应的排放气体边缘图像的第一清晰指标为1时,该边缘检测阈值对应的排放气体边缘图像的叠加权重为0,对于该边缘检测阈值,为了减少计算量,本实施例将进行忽略处理,也就是后续在进行图像叠加时,不考虑该边缘检测阈值对应的排放气体边缘图像对叠加图像的影响。
至此,本实施例获得了各个边缘检测阈值对应的排放气体边缘图像的叠加权重。
S4,根据各个边缘检测阈值对应的排放气体边缘图像的叠加权重和各个边缘检测阈值对应的排放气体边缘图像,确定叠加图像;根据叠加图像和排放气体灰度图像,确定不同热成像传感器对应的叠加排放气体边缘图像数据,其步骤包括:
第一步,根据各个边缘检测阈值对应的排放气体边缘图像的叠加权重和各个边缘检测阈值对应的排放气体边缘图像,确定叠加图像。
对于各个边缘检测阈值对应的排放气体边缘图像中的任意一个像素点,计算各个边缘检测阈值对应的排放气体边缘图像中的该像素点的像素值与对应边缘检测阈值对应的排放气体边缘图像的叠加权重的乘积的累加和,将累加和确定为叠加图像中该像素点对应位置处的像素点的像素值;获得叠加图像中每个像素点的像素值。
需要说明的是,传统边缘检测算法Canny算子对排放气体轮廓的增强效果不明显,为了提高排放气体轮廓的清晰度和完整度,利用不同边缘检测阈值对应的排放气体边缘图像的叠加权重,基于不同边缘检测阈值对应的排放气体边缘图像中每个像素点的像素值,获得不同热成像传感器对应的叠加图像,获取叠加图像有助于后续得到清晰度高且完整度高的叠加排放气体边缘图像,排放气体边缘图像中像素点的像素值为0或1。
在本实施例中,同一个排放气体边缘图像中各个像素点的叠加权重是一样的,不同排放气体边缘图像中各个像素点的位置是一一对照的。以确定叠加图像中第j个像素点的像素值为例,根据各个边缘检测阈值对应的排放气体边缘图像中第j个像素点的像素值和各个边缘检测阈值对应的排放气体边缘图像的叠加权重,利用数据建模的相关知识,构建叠加图像中第j个像素点的像素值的计算公式,其计算公式可以为:其中,/>为叠加图像中第j个像素点的像素值,/>为边缘检测阈值的个数,/>为第i个边缘检测阈值对应的排放气体边缘图像的叠加权重,/>为第i个边缘检测阈值对应的排放气体边缘图像中第j个像素点的像素值。
需要说明的是,参考叠加图像中第j个像素点的像素值的确定过程,可以获得叠加图像中每个像素点的像素值,进而获得叠加图像。
第二步,根据叠加图像和排放气体灰度图像,确定不同热成像传感器对应的叠加排放气体边缘图像。
对于叠加图像中的任意一个像素点,计算叠加图像中该像素点的像素值与排放气体灰度图像中该像素点位置处的像素点的灰度值的乘积,将乘积确定为叠加排放气体边缘图像中该像素点位置处的像素点的像素值;获得叠加排放气体边缘图像中每个像素点的像素值。
在本实施例中,以确定叠加排放气体边缘图像中第j个像素点的像素值为例,根据叠加图像和排放气体灰度图像中第j个像素点的像素值,计算叠加排放气体边缘图像中第j个像素点的像素值,其计算公式可以为:,其中,/>为叠加排放气体边缘图像中第j个像素点的像素值,/>为叠加图像中第j个像素点的像素值,/>为排放气体灰度图像中第j个像素点的像素值,也就是排放气体灰度图像中第j个像素点的灰度值。
需要说明的是,参考叠加排放气体边缘图像中第j个像素点的像素值的确定过程,获得叠加排放气体边缘图像中每个像素点的像素值,进而获得边缘增强效果较好的叠加排放气体边缘图像。至此,本实施例获得了企业内不同热成像传感器对应的叠加排放气体边缘图像。
叠加排放气体边缘图像如图8所示,其充分展示了对排放气体灰度图像进行图像数据处理后的叠加效果,叠加效果体现在清晰度更高、排放气体轮廓的完整度更高,相较于传统Canny边缘检测,通过遍历叠加的方式获得的排放数据的质量更高,这里的排放数据是指叠加排放气体边缘图像。
本发明提供了一种基于多传感器的企业排放数据采集方法,该方法通过分析不同边缘检测阈值对应的排放气体边缘图像,确定不同边缘检测阈值对应的排放气体边缘图像在进行图像叠加时的叠加权重,利用叠加权重获得叠加图像,进而获得叠加排放气体边缘图像。相较于传统边缘检测方法,该方法可以使排放气体轮廓的增强效果更加突出,淡化背景区域的增强效果,从而使图像增强的准确度得到了进一步的提升。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于多传感器的企业排放数据采集系统,其特征在于,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:
实时获取不同热成像传感器对应的排放气体灰度图像,利用预设数目个边缘检测阈值对排放气体灰度图像进行图像处理,获得各个边缘检测阈值对应的排放气体边缘图像;
根据排放气体灰度图像的像素总数和各个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,确定各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标和第二清晰指标;
根据各个边缘检测阈值及其对应的排放气体边缘图像的第一清晰指标和第二清晰指标,确定各个边缘检测阈值对应的排放气体边缘图像的叠加权重;
根据各个边缘检测阈值对应的排放气体边缘图像的叠加权重和各个边缘检测阈值对应的排放气体边缘图像,确定叠加图像;根据叠加图像和排放气体灰度图像,确定不同热成像传感器对应的叠加排放气体边缘图像数据;
根据排放气体灰度图像的像素总数和各个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,确定各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标,包括:
按照从大到小的顺序对各个边缘检测阈值进行排列,获得边缘检测阈值集合,对于边缘检测阈值集合中的任意一个边缘检测阈值,计算该边缘检测阈值对应的排放气体边缘图像的边缘像素总数与该边缘检测阈值的上一个边缘检测阈值对应的排放气体边缘图像的边缘像素总数的差值,将差值确定为比值的分子,将排放气体灰度图像的像素总数确定为比值的分母,对比值进行归一化,并将比值的归一化结果确定为该边缘检测阈值对应的排放气体边缘图像的第一清晰指标,从而得到各个边缘检测阈值对应的排放气体边缘图像的第一清晰指标;
根据排放气体灰度图像的像素总数和各个边缘检测阈值对应的排放气体边缘图像的边缘像素总数,确定各个边缘检测阈值对应的排放气体边缘图像的第二清晰指标,包括:
对于任意一个边缘检测阈值,使排放气体灰度图像的像素总数与该边缘检测阈值对应的排放气体边缘图像的边缘像素总数相减,将相减后的数值确定为比值的分子,将排放气体灰度图像的像素总数确定为比值的分母,将比值确定为该边缘检测阈值对应的排放气体边缘图像的第二清晰指标,从而得到各个边缘检测阈值对应的排放气体边缘图像的第二清晰指标;
根据各个边缘检测阈值及其对应的排放气体边缘图像的第一清晰指标和第二清晰指标,确定各个边缘检测阈值对应的排放气体边缘图像的叠加权重,包括:
对于任意一个边缘检测阈值,将数值1与该边缘检测阈值对应的排放气体边缘图像的第一清晰指标的差值确定为第一差值,将该边缘检测阈值对应的第一差值、第二清晰指标和该边缘检测阈值的乘积确定为该边缘检测阈值对应的排放气体边缘图像的叠加权重,从而得到各个边缘检测阈值对应的排放气体边缘图像的叠加权重。
2.根据权利要求1所述的一种基于多传感器的企业排放数据采集系统,其特征在于,根据各个边缘检测阈值对应的排放气体边缘图像的叠加权重和各个边缘检测阈值对应的排放气体边缘图像,确定叠加图像,包括:
对于各个边缘检测阈值对应的排放气体边缘图像中的任意一个像素点,计算各个边缘检测阈值对应的排放气体边缘图像中的该像素点的像素值与对应叠加权重的乘积,进而计算在不同排放气体边缘图像中相同位置的该像素点的乘积的累加和,将累加和确定为叠加图像中该像素点对应位置处的像素点的像素值,从而得到叠加图像中每个像素点的像素值。
3.根据权利要求1所述的一种基于多传感器的企业排放数据采集系统,其特征在于,根据叠加图像和排放气体灰度图像,确定不同热成像传感器对应的叠加排放气体边缘图像数据,包括:
对于叠加图像中的任意一个像素点,计算叠加图像中该像素点的像素值与排放气体灰度图像中该像素点位置处的像素点的灰度值的乘积,将乘积确定为叠加排放气体边缘图像中该像素点位置处的像素点的像素值,从而得到叠加排放气体边缘图像中每个像素点的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310453101.3A CN116188510B (zh) | 2023-04-25 | 2023-04-25 | 一种基于多传感器的企业排放数据采集系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310453101.3A CN116188510B (zh) | 2023-04-25 | 2023-04-25 | 一种基于多传感器的企业排放数据采集系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116188510A CN116188510A (zh) | 2023-05-30 |
CN116188510B true CN116188510B (zh) | 2023-07-07 |
Family
ID=86452497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310453101.3A Active CN116188510B (zh) | 2023-04-25 | 2023-04-25 | 一种基于多传感器的企业排放数据采集系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116188510B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173031A (zh) * | 2023-06-01 | 2023-12-05 | 广州科易光电技术有限公司 | 针对气体的图像处理方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108562586A (zh) * | 2017-12-25 | 2018-09-21 | 西南石油大学 | 一种管道油水两相流相分布识别方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110312709A1 (en) * | 2010-06-17 | 2011-12-22 | Geneasys Pty Ltd | Loc device for detecting target nucleic acid sequences using electrochemiluminescent probes and calibration probes with detection photosensors and calibration photosensors |
CA2872783A1 (en) * | 2014-12-01 | 2016-06-01 | David Andrew Risk | Gas emission detection device, system and method |
CN106023199B (zh) * | 2016-05-19 | 2019-02-01 | 重庆扬讯软件技术股份有限公司 | 一种基于图像分析技术的烟气黑度智能检测方法 |
CN106596856A (zh) * | 2016-12-09 | 2017-04-26 | 山东理工大学 | 一种基于激光雷达和摄影测量的车辆污染物排放量实时监测方法 |
CN108280807A (zh) * | 2017-01-05 | 2018-07-13 | 浙江舜宇智能光学技术有限公司 | 单目深度图像采集装置和系统及其图像处理方法 |
CN110865418B (zh) * | 2019-12-05 | 2022-06-14 | 重庆商勤科技有限公司 | 污水违规排放监测方法、装置及计算机可读存储介质 |
CN112200775A (zh) * | 2020-09-24 | 2021-01-08 | 北京美摄网络科技有限公司 | 图像清晰度检测方法、装置、电子设备及存储介质 |
CN115689533B (zh) * | 2022-12-26 | 2023-03-07 | 安徽皖欣环境科技有限公司 | 一种用于废气监测及处理的智慧运维系统数据管理方法 |
-
2023
- 2023-04-25 CN CN202310453101.3A patent/CN116188510B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108562586A (zh) * | 2017-12-25 | 2018-09-21 | 西南石油大学 | 一种管道油水两相流相分布识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116188510A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Robust and efficient saliency modeling from image co-occurrence histograms | |
CN115841434B (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
CN107657209B (zh) | 一种基于手指静脉图像质量的模板图像注册机制 | |
CN116188510B (zh) | 一种基于多传感器的企业排放数据采集系统 | |
CN104978578A (zh) | 手机拍照文本图像质量评估方法 | |
CN111311644B (zh) | 一种基于视频sar的运动目标检测方法 | |
CN115994907B (zh) | 用于食品检测机构综合信息的智能处理系统及方法 | |
CN107341793A (zh) | 一种靶面图像处理方法及装置 | |
CN117593193B (zh) | 一种基于机器学习的钣金图像增强方法及系统 | |
CN100433047C (zh) | 检测图像模糊性的设备和方法 | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN117036737A (zh) | 基于信息熵、gms与lc显著检测的特征提取与匹配方法 | |
CN116188826A (zh) | 一种复杂光照条件下的模板匹配方法及装置 | |
CN106709516B (zh) | 一种基于朴素贝叶斯方法的模糊图像检测方法 | |
CN115713620A (zh) | 一种红外小目标检测方法、装置、计算设备及存储介质 | |
CN113705672B (zh) | 图像目标检测的阈值选取方法、系统、装置及存储介质 | |
CN113034451A (zh) | 一种基于深度学习的胸部dr图像识别方法 | |
CN117474915B (zh) | 一种异常检测方法、电子设备及存储介质 | |
CN117115174B (zh) | 一种钳子外形自动检测方法及系统 | |
CN116128877B (zh) | 一种基于温度检测的排汽回收智能监测系统 | |
CN112712499B (zh) | 一种物体检测方法、装置以及计算机可读存储介质 | |
CN117764864B (zh) | 基于图像去噪的核磁共振肿瘤视觉检测方法 | |
CN116385435B (zh) | 基于图像分割的制药胶囊计数方法 | |
CN117474918B (zh) | 异常检测方法和装置、电子设备以及存储介质 | |
CN117541832B (zh) | 异常检测方法、系统、电子设备及存储介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 230000 building 3, Hefei innovation center, No. 168, Jiulong Road, Hefei Economic and Technological Development Zone, Anhui Province Patentee after: Anhui Kexin Environmental Protection Co.,Ltd. Country or region after: China Address before: 230000 building 3, Hefei innovation center, No. 168, Jiulong Road, Hefei Economic and Technological Development Zone, Anhui Province Patentee before: ANHUI WANXIN ENVIRONMENTAL TECHNOLOGY CO.,LTD. Country or region before: China |