一种基于压缩感知图像分析的河流表面流速估计方法技术

一种基于压缩感知图像分析的河流表面流速估计方法，步骤如下：a)户外设备安装及配置：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对摄像头进行安装和配置；b)目标河流表面水流图像采集：摄像头以60fps的帧速率拍摄各个时间段、各种天气条件下的河流表面水流视频，由工作人员使用流速仪或测速雷达记录每段视频对应时刻的河流流速；c)图像预处理：对截取的水流图像进行灰度化、直方图均衡、对比度增强、降维等预处理；d)表面流速估计：通过压缩感知图像分析方法对训练样本数据集进行建模，利用所建模型实时获取测试样本数据的类别标签。进而，依据所得类别标签对应关系映射表得到流速范围。

A flow estimation method for river surface based on compressed sensing image analysis

A compression step River surface velocity sensing image analysis estimation method, based on the following: a) outdoor equipment installation and configuration: survey for monitoring the target rivers surrounding environment, and then select the appropriate installation location for installation and configuration of the camera; b) target river surface flow image acquisition camera based on 60fps frame rate of shooting video river surface water flow of all time, all weather conditions, by the staff in the use of flow meter or radar records of each video corresponding to the time of river flow; c) image preprocessing: flow image on the interception of grayscale, histogram equalization, contrast enhancement, dimensionality reduction preprocessing; d) surface velocity estimation: through the analysis method of training sample data set for modeling compressed sensing image, using the model to obtain real-time test sample data categories Label\u3002 Then, the flow velocity range is obtained according to the corresponding relation mapping table of the classified label.

【技术实现步骤摘要】
一种基于压缩感知图像分析的河流表面流速估计方法
本专利技术是一种新的非接触式河流表面流速估计方法，具体地说，是一种基于压缩感知图像分析的河流表面流速估计方法。
技术介绍
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，洪水的发生具有突发性，造成河流涨落急剧，高流速，含沙量高，漂浮物较多，水文站针对一般河流水文测流设施不能适应这种情况。在洪水期间，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。该方法具有很多缺点，如受到测量条件限制，不能够及时测量上报；测量过程中，往往多人配合，高洪期间不确定因素多，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等，这些都削弱应对洪水能力。为了减缓上述问题，适应河流的长期监测任务。近二十年来，基于远程水流图像获取和分析的流速测量方法被提出和实现。1980年，卡拉雪夫提出基于飞机或直升机测量河流流速的方法，其基本原理是由飞机或直升机抛出浮标，通过摄影装置对水面浮标进行一系列的拍照，利用对应算法计算得到水面流速，它的缺点在于测验成本高，且工作人员需经过专业培训。此后，Bradley等人为了克服卡拉雪夫所提方法的缺陷，将河流表面漂浮的树叶当作所需追踪的运动目标，以此计算出流速，但该方法在无树叶漂浮物的情况下存在明显的限制。与此同时，Fujita等人提出高精确度的粒子成像测速技术(ParticleImageVelocimetry，PIV)，该技术通过测量示踪粒子在已知很短时间间隔内的位移来间接地测量流场的瞬态速度分布。在此基础上，Meselhe等人利用实验室中架设的低流量水槽对PIV进行LSPIV(LargeScalePIV，LSPIV)改良，证实了LSPIV技术测量表面流速的潜力。20世纪90年代，Fujita等人首先将LSPIV成功应用在了Yodo河的洪水流量测量上。自此，粒子成像测速技术成为了研究表面流速测量的热门方法。2012年，Bechle等人通过LSPIV影像测量系统测量淡水河表面的流速。2013年，Daigle等人通过PIV测量河川表面覆冰的流动速度，以此验证了影像测量法的灵活适用性。2014年，Tauro等人开发了一套基于LSPIV的实验仪器和系统用于表面流速的测量。2016年，该团队利用遥控飞机提取河流表面影像，而后结合LSPIV分析图像，得出河流的表面流速。然而，无论何种形式的PIV，速度测量都依赖于散布在流场中的示踪粒子。即：虽然基于PIV形式的表面流速测量方法达到了高精确度，但仍需抛撒示踪粒子，且示踪粒子的选择具有高要求：(1)不能污染环境；(2)比重要尽可能与实验流体相一致；(3)尺寸足够小；(4)形状要尽可能圆且大小分布尽可能均匀；(5)光散射效率足够高。综上所述，PIV及PIV的改良方法在远程河流表面流速实时监测的应用中性价比不高。
技术实现思路
本专利技术要克服现有技术的上述缺点，提供一种基于压缩感知图像分析的河流表面流速估计方法。本专利技术方法摒除了人工投掷浮标或抛撒示踪粒子的弊端，无需追踪运动目标(浮标、树叶、覆冰、示踪粒子等)，只通过提取摄像头监测河流表面所得影像帧图像中的水流特征进行分类识别即可估计出表面流速。本专利技术解决技术问题采用的技术方案是：一种基于压缩感知图像分析的河流表面流速估计方法，包括户外设备安装及配置、目标河流表面水流图像采集、图像预处理和表面流速估计这几个步骤：a)户外设备安装及配置：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：若河流有桥，则将摄像头安装于桥梁上。若河流无桥，则选取平坦的河岸树立柱子或架设索道来安装摄像头。所选取的海康威视网络高清红外智能球是一款户外防水WiFi夜视高清监控设备，200万像素，支持POE供电，远距离大范围红外补光覆盖。此外，该款设备可以通过调整球机的角度使摄像头平行投射于河流水面之上，之后调整摄像头的焦距，使其捕获的画面仅存在水流图像，而无河岸杂物；b)摄像头以60fps的帧速率拍摄各个时间段、各种天气条件下的河流表面水流视频，由工作人员使用流速仪或测速雷达记录每段视频对应时刻的河流流速。通过无线网络将视频数据传输到中心监控管理平台，利用视频处理软件逐帧截取水流图像，图像分辨率为1920像素×1080像素。此后，将同一流速范围内的水流图像归为同一类别标签，且设置它们的流速值为该流速范围。根据所采集图像和类别标签的映射关系，建立训练样本数据集。根据类别标签和流速范围的对应关系，建立类别标签与流速的关系映射表；c)图像预处理：对截取的水流图像进行灰度化、直方图均衡、对比度增强、降维等预处理。其中，将彩色图像转化为灰度图像的灰度化过程能减少后续处理时的计算量。直方图均衡可以有效加强图像的局部对比度，尤其对水流图像来说，能够更好地突出特征。而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。此外，对于分辨率为1920像素×1080像素的水流图像，由于其信息量过大，包含很多冗余信息，计算繁琐，不利于实时估计。通过降维就能有效去除冗余信息，提取有用特征，提高识别的效率。最后，将预处理后的图像转换为计算机矢量形式进行存储；d)表面流速估计：通过压缩感知图像分析方法(特征约束组稀疏分类器，GSCFC)对训练样本数据集进行建模，利用所建模型实时获取测试样本数据的类别标签。进而，依据所得类别标签对应关系映射表得到流速范围。给定X＝[X1,…,Xc]∈Rm×n作为训练样本，其中Xi＝[xi1,xi2,…,xini]∈Rm×ni是第i类数据的训练样本子集，xij代表第i类数据的第j个样本，c为训练样本的类别总数，ni为第i类训练样本子集的个数，n＝∑i＝1cni为训练样本总数，y∈Rm为测试样本，m为维度。具体包括以下步骤：d1.GSCFC的核心思想是在兼顾稀疏表示分类器(SRC)稀疏性的同时尝试对类别标签进行考虑，从类组级别构建系数矢量，引入特征加权矢量来体现不同特征的不同贡献度以及加大对局部结构信息的考虑。这些考虑使得GSCFC在利用训练样本表示测试样本的过程中，能有效摒除训练样本中的无效特征。其构建的目标函数为：其中，上式的第1部分是重构误差，第2部分是对系数矢量θ的l12混合范数正则化项，θi＝[θi1；θi2；…；θini]∈Rin是Xi对应的重构编码系数矢量。y＝Xθ代表除第i类元素外，系数矢量θ∈Rn余下的元素都为0。第1部分中包含特征加权约束，s表示特征加权矢量，s＝[s1,s2,…,si]，且特征加权值si∈[0,1)，i＝1本文档来自技高网...

【技术保护点】
一种基于压缩感知图像分析的河流表面流速估计方法，包括如下步骤：a)户外设备安装及配置：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：若河流有桥，则将摄像头安装于桥梁上；若河流无桥，则选取平坦的河岸树立柱子或架设索道来安装摄像头；所选取的海康威视网络高清红外智能球是一款户外防水WiFi夜视高清监控设备，200万像素，支持POE供电，远距离大范围红外补光覆盖；此外，该款设备通过调整球机的角度使摄像头平行投射于河流水面之上，之后调整摄像头的焦距，使其捕获的画面仅存在水流图像，而无河岸杂物；b)摄像头以60fps的帧速率拍摄各个时间段、各种天气条件下的河流表面水流视频，由工作人员使用流速仪或测速雷达记录每段视频对应时刻的河流流速；通过无线网络将视频数据传输到中心监控管理平台，利用视频处理软件逐帧截取水流图像，图像分辨率为1920像素×1080像素；此后，将同一流速范围内的水流图像归为同一类别标签，且设置它们的流速值为该流速范围；根据所采集图像和类别标签的映射关系，建立训练样本数据集。；根据类别标签和流速范围的对应关系，建立类别标签与流速的关系映射表；c)图像预处理：对截取的水流图像进行灰度化、直方图均衡、对比度增强、降维等预处理；其中，将彩色图像转化为灰度图像的灰度化过程能减少后续处理时的计算量。直方图均衡可以有效加强图像的局部对比度，尤其对水流图像来说，能够更好地突出特征。而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；此外，对于分辨率为1920像素×1080像素的水流图像，由于其信息量过大，包含很多冗余信息，计算繁琐，不利于实时估计。通过降维就能有效去除冗余信息，提取有用特征，提高识别的效率。最后，将预处理后的图像转换为计算机矢量形式进行存储；d)表面流速估计：通过压缩感知图像分析方法(特征约束组稀疏分类器，GSCFC)对训练样本数据集进行建模，利用所建模型实时获取测试样本数据的类别标签；进而，依据所得类别标签对应关系映射表得到流速范围；给定X＝[X1,…,Xc]∈R...

【技术特征摘要】
1.一种基于压缩感知图像分析的河流表面流速估计方法，包括如下步骤：a)户外设备安装及配置：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：若河流有桥，则将摄像头安装于桥梁上；若河流无桥，则选取平坦的河岸树立柱子或架设索道来安装摄像头；所选取的海康威视网络高清红外智能球是一款户外防水WiFi夜视高清监控设备，200万像素，支持POE供电，远距离大范围红外补光覆盖；此外，该款设备通过调整球机的角度使摄像头平行投射于河流水面之上，之后调整摄像头的焦距，使其捕获的画面仅存在水流图像，而无河岸杂物；b)摄像头以60fps的帧速率拍摄各个时间段、各种天气条件下的河流表面水流视频，由工作人员使用流速仪或测速雷达记录每段视频对应时刻的河流流速；通过无线网络将视频数据传输到中心监控管理平台，利用视频处理软件逐帧截取水流图像，图像分辨率为1920像素×1080像素；此后，将同一流速范围内的水流图像归为同一类别标签，且设置它们的流速值为该流速范围；根据所采集图像和类别标签的映射关系，建立训练样本数据集。；根据类别标签和流速范围的对应关系，建立类别标签与流速的关系映射表；c)图像预处理：对截取的水流图像进行灰度化、直方图均衡、对比度增强、降维等预处理；其中，将彩色图像转化为灰度图像的灰度化过程能减少后续处理时的计算量。直方图均衡可以有效加强图像的局部对比度，尤其对水流图像来说，能够更好地突出特征。而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；此外，对于分辨率为1920像素×1080像素的水流图像，由于其信息量过大，包含很多冗余信息，计算繁琐，不利于实时估计。通过降维就能有效去除冗余信息，提取有用特征，提高识别的效率。最后，将预处理后的图像转换为计算机矢量形式进行存储；d)表面流速估计：通过压缩感知图像...

【专利技术属性】
技术研发人员：王万良，邱虹，鞠振宇，杨平，王宇乐，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33