一种基于定点图像分析的河道漂浮物检测方法技术

本发明专利技术公开了一种基于定点图像分析的河道漂浮物检测的方法。该方法包括河道背景建模、图像配准、河道水体部分提取和异常检测四个步骤。背景建模环节利用一种背景建模算法对河道的定点图像序列做理想背景图像的提取；图像配准环节基于图像特征点提取算法的结果进行感知图像与理想图像的配准；河道水体部分提取环节基于色调、饱和度和亮度（HSI）空间的亮度特征（I值）和河岸连续性判断准则对图像中的河道水体部分进行提取；异常检测环节设计了一种基于邻域块间灰度梯度（GoNP）的异常检测算法进行漂浮物检测。本发明专利技术可以实现从河道图像中自动检测出漂浮污染物，减少人工目测因环境或人为因素导致的误判，降低人力劳动成本。

【技术实现步骤摘要】
一种基于定点图像分析的河道漂浮物检测方法
本专利技术涉及水质安全监测领域，涉及一种利用可见光范围内的数字图像处理技术进行河道水表漂浮物检测的方法，尤其是涉及一种基于定点图像分析的河道漂浮物检测方法。
技术介绍
水是生命之源。近年来，随着经济社会的快速发展，工业化、城镇化建设的加速，水体污染问题与水质安全状况都愈发引起关注。但据调查发现，因为人员巡查不可避免地受到河道距离长、巡查耗费的时间长、视觉盲区等问题影响，导致河道漂浮物无法及时检出，甚至漏检。
技术实现思路
本专利技术的内容在于针对目前人工巡河耗时长、路途远、存在视觉盲区等成本高但效率低的一系列问题，提出了利用定点图像分析检测河道水表漂浮物的方法。一种基于定点图像分析的河道漂浮物检测方法，包括以下步骤：S1.河道背景建模：采集定点图像，得到定点图像序列，利用背景建模算法，对河道的定点图像序列做理想背景图像的提取工作；S2.图像配准：实时采集定点图像即感知图像，提取图像特征，获取感知图像和理想背景图像之间对应的特征点，基于特征点求出两幅图像的变换关系，利用此变换关系实现感知图像与理想背景图像之间的配准；S3.进一步针对配准后的图像分别提取感知图像和理想背景图像的河道水体部分：基于色调(Hue)、饱和度(Saturation)和亮度(Intensity)的HSI空间的亮度(I值)统计特征和河岸连续性判断准则识别和提取配准后的图像中的河道水体部分；S4.河道水体部分异常检测：利用基于邻域块间灰度梯度(Gray-gradientofNeighboringPatch)的异常检测算法对河道水体部分进行漂浮物检测，具体如下：将感知图像分成若干个矩形块，每个矩形块再等分成个多个小块，利用中心小块与邻域小块之间灰度关系构造出每个矩形块的灰度特征描述子，将感知图像每个矩形块的灰度特征描述子与理想背景图像的相应描述子进行比较，若差异超过阈值则视为存在异常漂浮物。所述S3步骤中的I值统计特征具体含义如下：每获取到一幅感知图像，读取该图像中每个像素点的I值，然后统计每个I值出现的次数，分析得到I值的众数。以众数的I值大小为中心，按一定条件或经验构造一个邻域，即I值的取值范围。将该I值的取值范围作为本图像中河道水体部分像素点的I值大小的范围，将本图像中所有I值属于该范围的像素点视为河道水体部分的像素点。所述S3步骤中河岸连续性判断准则：根据实际情况下河岸线必然连续的特点，认为河道图像中河道边缘像素点在坐标上变化连续，将图像的像素矩阵中每一行可能的河道边缘点分别与上一行进行差值比较，差值最小的确定为河道边缘点。本专利技术的有益效果：本专利技术提出一种基于定点图像的河道漂浮物检测方法，利用定点拍摄获得的河道图像序列自动检测出河道水表的漂浮物。该方法能取代繁琐、重复的人力劳动，为河长巡河工作提供便利，有效降低劳动成本，提高工作效率。附图说明图1为本专利技术方法的整体流程示意图；图2为河岸连续性准则实现的程序框图；图3为GoNP算法的图像分块示意图；图4为GoNP算法的程序流程图；图5为浙大玉泉校区护校河某段的理想图像；图6为浙大玉泉校区护校河某段某时刻的感知图像；图7为将图5与图6经S2步骤配准后的图像；图8为浙大玉泉校区感知图像的I值统计特征；图9为本专利技术方法在浙大玉泉校区护校河某段对应图6时刻的检测结果.具体实施方式下面结合实施例和附图对本专利技术做进一步的阐述。该专利技术适用于河道水表漂浮污染物的检测。一种基于定点图像分析的河道漂浮物检测方法，如图1所示，包括以下步骤：S1.河道背景建模：一般可采用无人机航拍或者定点摄像头进行定点图像采集，得到没有漂浮物的定点图像序列。利用现有的背景建模算法对河道的定点图像序列做理想背景图像的提取工作。在不同效果条件要求下，可采用高斯混合模型、视觉背景提取子等不同的背景建模算法，本专利技术以视觉背景提取子(VisualBackgroundextractor,ViBe)算法为例，本领域技术人员根据需要可以采用其它算法。S2.图像配准：实时采集定点图像即感知图像(可能有漂浮物)，提取图像特征，获取感知图像和理想背景图像之间对应的特征点。基于这些特征点求出两幅图像的变换关系，利用此关系实现感知图像与理想图像之间的配准，从而克服机器误差、人为因素等造成的定点图像间的偏差。此步骤中可以采用不同提取图像特征的算法，如Harris算子、SURF算法、SIFT算法等。本
技术实现思路
说明中以尺度不变特征变换(ScaleInvariantFeatureTransform,SIFT)算法为例。S3.河道水体部分提取：河道水体部分提取环节基于色调(Hue)、饱和度(Saturation)和亮度(Intensity)的HSI空间的亮度(I值)统计特征和河岸连续性判断准则对图像中的河道水体部分进行识别和提取；S4.异常检测：设计了一种基于邻域块间灰度梯度(Gray-gradientofNeighboringPatch)的异常检测算法进行漂浮物检测。在上述基于定点图像分析的河道漂浮物检测方法的S1步骤中，采用不同时间定点拍摄得到的一系列定点图像作为ViBe算法的输入，经过ViBe算法运算后能够够将图像序列中的前景消去、保留背景部分。将得到的背景图像视作河道该点处的理想图像。在上述基于定点图像分析的河道漂浮物检测方法的S2步骤中，利用SIFT算法完成图像的特征点匹配、仿射变换后，编程实现两幅图像相同部分的提取，从而得到配准后的感知图像。在上述基于定点图像分析的河道漂浮物检测方法的S3步骤中，在限定条件下拍摄得的河道图像，河道水体部分占据了图像的大部分内容，一般位于图像的中部。在HSI空间中选择I(亮度)值作为水体的特征依据对水体进行识别和提取。对于一幅图像的I值分布，水体部分的I值范围明显区别于非水体部分的I值范围，且像素点数量最多。对于某河道图像I值的众数C，以众数为中心，取其一定范围的邻域作为河道水体部分的I值的范围区间，表示为：(C-ΔCdown,C+ΔCup)(1)其中，C-ΔCdown为区间下限，C+ΔCup为区间上限，ΔCdown,ΔCup均为非负数，可根据河道图像情况人为调整。提取I值属于(1)值所示区间的点。将其HSI三通道的像素值均置为255，即表现为白色；I值不属于(1)所示区间的像素点，则将其HSI三通道像素值均置为0，表现为黑色。根据人为设定的I值区间对图像进行提取操作后，水体部分几乎都被识别出来，并置为白色。对于小范围的、零散分散的误判部分，利用数学形态学方法对结果进行改善。经过数学形态学处理后，数量较少、零散分布的非水体像素点得以屏蔽，河道区域的提取更加准确。在上述基于定点图像分析的河道漂浮物检测方法S3步骤中，本专利技术设计了一种基于河岸连续性的判断准则，进一步保证河道水体部分提取的准确性。原理如下：对于形态学处理后、以矩阵形式存储在工作空间中的目标图像，先对每行由左到右遍历每一个像素点(i，j)，其中i，j分别为行索引和列索引。记位于(i，j)处的像素点的值为value(i,j)，设计下式初步判断准则：value(i,j)＝0∧value(i,j+1)＝255(2)若(2)式成立，则认为当前点(i，j)是一个可能的河道边缘点。即从左到右，若一个像点介于由黑到白的位置，则本文档来自技高网...

【技术保护点】
一种基于定点图像分析的河道漂浮物检测方法，其特征在于，包括以下步骤：S1. 河道背景建模：采集定点图像，得到定点图像序列，利用背景建模算法，对河道的定点图像序列做理想背景图像的提取工作；S2.图像配准：实时采集定点图像即感知图像，提取图像特征，获取感知图像和理想背景图像之间对应的特征点，基于特征点求出两幅图像的变换关系，利用此变换关系实现感知图像与理想背景图像之间的配准；S3.进一步针对配准后的图像分别提取感知图像和理想背景图像的河道水体部分：基于色调（Hue）、饱和度（Saturation）和亮度（Intensity）的HSI空间的亮度（I值）统计特征和河岸连续性判断准则识别和提取配准后的图像中的河道水体部分；S4. 河道水体部分异常检测：利用基于邻域块间灰度梯度（Gray‑gradient of Neighboring Patch）的异常检测算法对河道水体部分进行漂浮物检测，具体如下：将感知图像分成若干个矩形块，每个矩形块再等分成个多个小块，利用中心小块与邻域小块之间灰度关系构造出每个矩形块的灰度特征描述子，将感知图像每个矩形块的灰度特征描述子与理想背景图像的相应描述子进行比较，若差异超过阈值则视为存在异常漂浮物。...

【技术特征摘要】
1.一种基于定点图像分析的河道漂浮物检测方法，其特征在于，包括以下步骤：S1.河道背景建模：采集定点图像，得到定点图像序列，利用背景建模算法，对河道的定点图像序列做理想背景图像的提取工作；S2.图像配准：实时采集定点图像即感知图像，提取图像特征，获取感知图像和理想背景图像之间对应的特征点，基于特征点求出两幅图像的变换关系，利用此变换关系实现感知图像与理想背景图像之间的配准；S3.进一步针对配准后的图像分别提取感知图像和理想背景图像的河道水体部分：基于色调（Hue）、饱和度（Saturation）和亮度（Intensity）的HSI空间的亮度（I值）统计特征和河岸连续性判断准则识别和提取配准后的图像中的河道水体部分；S4.河道水体部分异常检测：利用基于邻域块间灰度梯度（Gray-gradientofNeighboringPatch）的异常检测算法对河道水体部分进行漂浮物检测，具体如下：将感知图像分成若干个矩形块，每...

【专利技术属性】
技术研发人员：侯迪波，林友鑫，张光新，黄平捷，喻洁，何思佳，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33